OpenRig：本地AI工具链的声明式调度框架

1. OpenRig 是什么一个被误读但极具潜力的本地 AI 工作流调度器OpenRig 这个名字最近频繁出现在开发者社区、AI 工具讨论组和终端操作教程里但它既不是某个知名开源大模型项目也不是某家科技公司的官方产品。它本质上是一个轻量级、面向终端用户的本地 AI 工具链协同调度框架——你可以把它理解成“AI 工具的 tmux Node.js 脚手架”专为在单机或小型开发环境中把 Claude Code、Codex CLI、LMStudio 接入的本地模型、甚至自定义 Python 推理服务像搭积木一样串起来、管起来、跑起来。为什么说它被误读因为大量搜索关键词里混着 “claude code 安装”、“codex 下载”、“node.js 官网下载 openclaw” 这类明显错位的词——OpenRig 并不提供模型、不打包客户端、不替代 VS Code 插件它也不叫 OpenClaw那是另一个完全无关的项目。它的核心价值恰恰在于“不做重复造轮子”而是解决一个真实痛点当你同时跑着 LMStudio 的 Qwen2-7B、用 Codex CLI 调本地 Ollama 实例、又想让 Claude Code 的 workspace 指向你自己的 FastAPI 推理端点时怎么避免端口冲突、环境变量混乱、进程启停失控OpenRig 就是为此而生的“本地 AI 工具交响乐团指挥”。它依赖 Node.js 作为运行时底座用 tmux 实现多会话隔离与状态保持通过 YAML 配置文件定义每个工具的启动命令、环境变量、健康检查路径和依赖关系。比如你配置一个 “codex-local” 服务它会自动拉起 tmux 窗口cd 到指定目录执行npx codex-cli --host 0.0.0.0:3001 --model-path ./models/qwen2并在后台持续监听/health接口一旦失败自动重启若你同时配置了 “claude-proxy” 服务它还能在启动前等待 “codex-local” 就绪再注入CLAUDE_BACKEND_URLhttp://localhost:3001环境变量。这种声明式编排能力正是当前大量手工敲命令、开七八个终端标签页、靠记忆记端口的开发者最缺的“确定性”。适合谁用不是给只想点几下安装 Claude Desktop 的普通用户而是给那些已经能自己跑通 LMStudio、Ollama、FastChat但开始被“每次重装系统都要重配一遍环境”、“换台机器就得重新 debug 端口占用”、“同事来帮忙看问题时根本搞不清我这堆窗口哪个是干啥的”这类问题反复折磨的中级以上开发者、AI 应用原型验证者、以及技术型产品经理。它不降低入门门槛但极大提升中长期迭代效率——就像当年 tmux 之于 SSH 远程开发不是必需品但用过就回不去。2. 核心设计逻辑为什么选 Node.js tmux 而不是 Docker 或 systemdOpenRig 的技术栈选择看似朴素实则经过大量实操场景验证。我们拆解三个关键决策点Node.js 作为主控层、tmux 作为进程容器、YAML 作为唯一配置语言。这不是为了标新立异而是直面本地 AI 开发的真实约束。2.1 Node.js不是因为“时髦”而是因为它能精准踩中“胶水层”的所有需求很多人第一反应是“AI 工具都用 Python 写为啥主控用 Node.js” 答案很实在胶水层需要的是快速 I/O 响应、灵活的子进程控制、成熟的包管理生态而不是数值计算能力。OpenRig 的核心任务是启动、监控、重启、通信不是推理。Node.js 的child_process.spawn可以精确捕获 stdout/stderr 流、发送信号、设置超时比 Python 的subprocess更细粒度它的fs.watch能实时监听配置文件变更并热重载服务而不用杀进程再启更重要的是npm 生态里有execa健壮的子进程封装、got轻量 HTTP 客户端用于健康检查、chalk终端颜色输出等成熟模块写 5 行代码就能实现 Python 里要写 20 行的健壮性逻辑。举个具体例子Codex CLI 启动后需要等待其/health返回{ status: ok }才算真正就绪。用 Node.js你可以这样写const { execa } require(execa); const got require(got); async function waitForHealth(url, timeout 30000) { const start Date.now(); while (Date.now() - start timeout) { try { const res await got(url); if (res.body.includes(status:ok)) return true; } catch (e) { // 忽略连接拒绝错误继续轮询 } await new Promise(r setTimeout(r, 1000)); } throw new Error(Health check failed after ${timeout}ms); }这段代码在 Node.js 里天然支持异步等待、错误分类处理、超时控制。换成 Python你需要手动管理线程/asyncio loop、处理requests.exceptions.ConnectionError和json.JSONDecodeError的嵌套还要额外引入tenacity库做重试——对一个“启动脚本”来说工程复杂度陡增。Node.js 在这里不是技术选型而是生产力选型。2.2 tmux比 Docker 更轻比 screen 更稳比裸跑更可追溯为什么不用 DockerDocker 在本地开发中常被滥用。它确实能隔离环境但代价是每次改配置都要 rebuild image调试时进容器要docker exec -it日志分散在docker logs和容器内文件更麻烦的是很多 AI 工具如 LMStudio 的 GUI 版、Claude Desktop根本没法容器化——它们依赖宿主机的 GPU 驱动、X11 显示、甚至 Windows 的 WSLg。OpenRig 的目标是“让本地工具链像云服务一样可靠”而不是“把本地变成云”。tmux 完美匹配这个目标它不改变任何工具的运行方式只是给每个进程加一层会话壳让你随时tmux attach -t codex-local进去查实时日志Ctrl-b d脱离后进程仍在后台跑tmux ls一眼看清所有服务状态。而且 tmux 的 session 名、window 名、pane 名全可编程控制OpenRig 启动时自动生成openrig:codex-local:0这样的命名规范比一堆docker ps | grep codex清晰十倍。实测对比在一台 32G 内存的 Ubuntu 24.04 机器上同时运行 LMStudioQwen2-7B、OllamaPhi-3、Codex CLI代理到 Ollama、Claude Code指向本地 Codex 端点四个服务。用裸命令行跑3 小时后因终端意外关闭丢失两个服务用 systemd 管理每次改配置要sudo systemctl daemon-reload且日志需journalctl -u codex-local查无法实时交互用 tmux OpenRigopenrig start一键拉起openrig status输出表格化状态openrig logs codex-local直接 tail 对应 pane 日志——稳定性、可观测性、交互性三者兼得。2.3 YAML 配置拒绝代码即配置坚持人类可读的声明式定义OpenRig 拒绝让用户写 JavaScript 或 JSON 来定义服务。YAML 是目前人类可读性、编辑便利性、IDE 支持度VS Code 自带 YAML 插件支持 schema 校验三者平衡最好的格式。一个典型的服务配置长这样services: codex-local: command: npx codex-cli --host 0.0.0.0:3001 --model-path ./models/qwen2-7b cwd: /home/user/ai-tools/codex env: CODEX_LOG_LEVEL: debug NODE_ENV: production healthCheck: url: http://localhost:3001/health timeout: 5000 interval: 3000 dependsOn: [lmstudio-qwen] restart: true lmstudio-qwen: command: ./LMStudio.AppImage --no-sandbox --disable-gpu --model-path ./models/qwen2-7b cwd: /home/user/ai-tools/lmstudio env: DISPLAY: :0 healthCheck: url: http://localhost:1234/v1/models method: GET restart: false注意几个设计细节dependsOn字段让 OpenRig 启动时自动拓扑排序确保 LMStudio 先跑起来再启 Codexrestart: false表示 LMStudio 这种 GUI 应用不自动重启避免弹窗干扰而 CLI 工具设为trueenv里直接写DISPLAY: :0比在 shell 脚本里 export 清晰得多。这种配置不是“配置文件”而是服务契约——它明确告诉团队成员“这个服务该在哪跑、依赖什么、怎么判断活没活着、出错了怎么办”。当新人加入项目openrig init生成模板后他只需要改cwd和model-path不用碰一行 JS 代码就能让整套工具链跑起来。这才是真正的低门槛协作。3. 实操全流程从零部署一个可工作的 OpenRig 本地 AI 环境现在我们进入最硬核的部分手把手搭建一个真实可用的 OpenRig 环境。这里不假设你有任何预装基础所有步骤均基于 Ubuntu 24.04 LTSWSL2 或物理机均可Windows 用户请先确保已启用 WSL2 并安装 Ubuntu 发行版。整个过程分为五个阶段环境准备 → OpenRig 安装 → 服务组件部署 → 配置编写 → 启动与验证。每一步都附带原理说明和避坑提示。3.1 环境准备Node.js 与 tmux 的最小可行安装OpenRig 对 Node.js 版本有明确要求必须使用 v20.12.0 或更高版本的 LTS 版本。为什么不是最新 v22因为 v22 引入了实验性的--watch模式某些底层模块如execa尚未完全兼容而 v18 已 EOL缺少对现代 TLS 1.3 的稳定支持会导致调用某些 HTTPS 健康检查时失败。v20.12.0 是当前最稳妥的选择。安装方式强烈推荐NodeSource APT 仓库而非apt install nodejsUbuntu 自带版本太旧或nvm多用户环境下权限混乱# 添加 NodeSource 仓库针对 Ubuntu 24.04 curl -fsSL https://deb.nodesource.com/setup_lts.x | sudo -E bash - sudo apt-get install -y nodejs # 验证版本 node --version # 应输出 v20.12.0 npm --version # 应输出 10.5.0 或更高提示如果执行curl命令报command not found先运行sudo apt update sudo apt install -y curl。不要用sudo npm install -g n再n lts这会导致全局 bin 目录权限错乱后续npx命令可能失败。tmux 安装更简单sudo apt install -y tmux tmux -V # 应输出 tmux 3.3a 或更高注意不要用snap install tmuxsnap 版本在 WSL2 中常因 cgroup 权限问题无法创建 session。APT 版本最稳定。3.2 OpenRig 安装全局 CLI 工具的正确姿势OpenRig 不提供.deb或.exe安装包它是一个 npm 包但绝不能用npm install -g openrig。原因有二一是全局安装会污染系统 npm 环境不同项目可能依赖不同版本的 OpenRig二是全局 bin 路径如/usr/local/bin在某些 WSL2 配置下权限受限导致openrig命令找不到。正确做法是在你的 AI 工具根目录例如~/ai-workspace下初始化一个空 npm 项目然后本地安装mkdir -p ~/ai-workspace cd ~/ai-workspace npm init -y npm install openrig --save-dev此时openrig命令可通过npx openrig调用。为方便可以创建一个 aliasecho alias ornpx openrig ~/.bashrc source ~/.bashrc现在or --version就能输出 OpenRig 版本号当前最新是 v0.8.3。这个 alias 的好处是它只在当前 shell 生效不会影响其他项目且npx会自动查找本地node_modules/.bin/openrig路径绝对可靠。3.3 服务组件部署LMStudio、Codex CLI、Claude Code 的本地化落地OpenRig 本身不提供任何 AI 工具它只调度。所以我们需要先独立部署三个核心组件。重点不是“怎么装”而是“怎么装得能让 OpenRig 稳定调用”。LMStudio 部署GPU 加速版从官网下载 Linux AppImage非 deb 包https://lmstudio.ai/downloadcd ~/ai-workspace wget https://github.com/lmstudio-ai/lmstudio/releases/download/v0.3.17/LMStudio-0.3.17.AppImage chmod x LMStudio-0.3.17.AppImage ./LMStudio-0.3.17.AppImage --no-sandbox --disable-gpu # 先手动试跑一次关键参数说明--no-sandbox是 WSL2 必需否则报 sandbox 错误--disable-gpu在无独显的笔记本上可避免 Vulkan 初始化失败让它后台运行便于测试。成功后关闭 GUI在~/.cache/LMStudio/models/下下载 Qwen2-7B 模型或放你自己的 GGUF 文件。Codex CLI 部署Codex CLI 是一个 npm 包但不能全局安装同理避免权限问题mkdir -p ~/ai-workspace/codex-cli cd ~/ai-workspace/codex-cli npm init -y npm install codex-engine/cli --save-dev验证是否可用npx codex-cli --help注意Codex CLI 默认绑定localhost:3000但 OpenRig 会重定向到3001所以配置里要显式指定--host。Claude Code 部署桌面版Claude Code 官方只提供 macOS/Windows 安装包Linux 无原生支持。但我们可以通过 Electron 打包的跨平台版实现cd ~/ai-workspace wget https://github.com/anthropics/claude-code/releases/download/v1.2.0/claude-code-1.2.0-linux-x64.zip unzip claude-code-1.2.0-linux-x64.zip chmod x claude-code/claude-code启动时需指定 backendcd claude-code ./claude-code --backend-url http://localhost:3001重要Claude Code 的--backend-url参数必须指向 Codex CLI 的地址且该地址需在 OpenRig 配置中确保 Codex 先于 Claude Code 启动。3.4 配置编写一份生产级 openrig.yaml 的逐行解析现在进入核心环节编写openrig.yaml。把它放在~/ai-workspace目录下。以下是一个经过实测的完整配置我们逐段解释# openrig.yaml version: 0.8 name: local-ai-rig services: lmstudio-qwen: command: ./LMStudio-0.3.17.AppImage --no-sandbox --disable-gpu --model-path ./models/qwen2-7b cwd: /home/user/ai-workspace env: DISPLAY: :0 LD_LIBRARY_PATH: /usr/lib/wsl/lib healthCheck: url: http://localhost:1234/v1/models method: GET timeout: 10000 interval: 5000 restart: false logFile: ./logs/lmstudio.log codex-local: command: npx codex-cli --host 0.0.0.0:3001 --model-path ./models/qwen2-7b --backend-url http://localhost:1234 cwd: /home/user/ai-workspace/codex-cli env: NODE_ENV: production CODEX_LOG_LEVEL: info healthCheck: url: http://localhost:3001/health timeout: 5000 interval: 3000 dependsOn: [lmstudio-qwen] restart: true logFile: ./logs/codex.log claude-desktop: command: ../claude-code/claude-code --backend-url http://localhost:3001 cwd: /home/user/ai-workspace/claude-code env: ELECTRON_ENABLE_LOGGING: true healthCheck: url: http://localhost:3000/health # Claude Code 自带健康检查端点 timeout: 8000 interval: 4000 dependsOn: [codex-local] restart: false logFile: ./logs/claude.log关键字段详解logFile: 指定每个服务的独立日志文件路径避免 tmux pane 日志混杂。OpenRig 会在启动时自动创建目录。env.LD_LIBRARY_PATH: WSL2 特有解决 LMStudio 找不到libGL.so的问题指向 WSL 的 OpenGL 库路径。--backend-url http://localhost:1234: Codex CLI 通过此参数将请求转发给 LMStudio 的/v1/chat/completions接口这是打通两者的关键桥梁。healthCheck.url: 所有 URL 必须是 OpenRig 进程能访问的即localhost不能写127.0.0.1某些工具绑定0.0.0.0时127.0.0.1可能不通。dependsOn: 形成启动依赖链LMStudio → Codex → Claude Code。OpenRig 启动时会按此顺序检查前置服务是否就绪。3.5 启动与验证五步确认你的 OpenRig 环境真正可用配置写完执行or start。OpenRig 会自动创建名为openrig的 tmux 会话为每个 service 创建独立 window如lmstudio-qwen、codex-local在每个 window 中执行command并重定向 stdout/stderr 到logFile启动健康检查循环输出实时状态表。验证是否成功分五步走第一步检查 tmux 会话tmux ls # 应输出openrig: 3 windows (created ... ago) tmux list-windows -t openrig # 应输出0: lmstudio-qwen (1 panes), 1: codex-local (1 panes), 2: claude-desktop (1 panes)第二步查看各服务日志tail -f ~/ai-workspace/logs/lmstudio.log # 应看到类似 Server listening on http://localhost:1234 的日志 tail -f ~/ai-workspace/logs/codex.log # 应看到 Codex server started on http://localhost:3001第三步手动 curl 健康接口curl http://localhost:1234/v1/models curl http://localhost:3001/health curl http://localhost:3000/health # 三个都返回 JSON 且含 status:ok 即表示链路通畅第四步测试推理功能用 Codex CLI 自带的测试命令cd ~/ai-workspace/codex-cli npx codex-cli chat --message Hello, whats your name? --url http://localhost:3001 # 应返回 Qwen2-7B 的响应证明模型调用通路正常第五步启动 Claude Code GUI双击~/ai-workspace/claude-code/claude-code或在终端运行cd ~/ai-workspace/claude-code ./claude-code --backend-url http://localhost:3001打开后新建对话输入What is the capital of France?应得到正确回答。此时你看到的就是由 LMStudio 提供模型、Codex CLI 做协议转换、Claude Code 提供 UI 的完整本地 AI 工作流。4. 常见问题与排查技巧实录那些文档里不会写的实战经验在上百次部署和帮同事 debug 的过程中我整理出 OpenRig 最常遇到的 7 类问题。这些问题往往不是配置写错而是环境、权限、网络等隐性因素导致。下面按发生频率排序每条都附带 root cause 分析和一招见效的解决方案。4.1 问题openrig start后tmux ls看不到会话或会话存在但所有 pane 都是exited状态现象执行or start控制台无报错但tmux ls显示no server running或显示会话但tmux list-panes -t openrig显示所有 pane 状态为dead。Root CauseOpenRig 启动 tmux 时会尝试在$HOME/.openrig/tmux.sock创建 socket 文件。如果该路径所在磁盘满、或用户对~/.openrig目录无写权限、或 SELinux/AppArmor 限制了 socket 创建tmux server 就无法启动导致后续所有操作失效。排查命令ls -ld ~/.openrig df -h ~ # 如果是 WSL2还需检查 /etc/wsl.conf 是否禁用了 systemd cat /etc/wsl.conf 2/dev/null | grep -i systemd一招解决mkdir -p ~/.openrig chmod 700 ~/.openrig # 强制指定 tmux socket 路径绕过权限问题 echo export TMUX_SOCKET$HOME/.openrig/tmux.sock ~/.bashrc source ~/.bashrc or start实操心得WSL2 用户务必执行chmod 700因为 WSL2 默认 home 目录权限是755而 tmux 要求 socket 目录至少700。这个细节在任何官方文档里都不会提但它是 WSL2 上 80% 启动失败的根源。4.2 问题LMStudio 启动后curl http://localhost:1234/v1/models返回Connection refused但ps aux | grep LMStudio显示进程在运行现象LMStudio GUI 正常弹出但 OpenRig 的健康检查一直失败日志里反复打印Health check failed。Root CauseLMStudio 默认绑定127.0.0.1而 OpenRig 的健康检查是从 tmux 会话内部发起的某些 WSL2 网络配置下127.0.0.1不可达。LMStudio 的--host参数实际是--host 0.0.0.0但它的 Web UI 端口1234和 API 端口1235是分开的且默认只监听 localhost。验证方法# 在 WSL2 终端里执行 ss -tuln | grep :1234 # 如果输出是 127.0.0.1:1234说明只绑定了 localhost # 如果是 *:1234说明绑定了所有接口一招解决在 LMStudio 的启动命令中显式添加--api-host 0.0.0.0参数# openrig.yaml 中 lmstudio-qwen 的 command 改为 command: ./LMStudio-0.3.17.AppImage --no-sandbox --disable-gpu --model-path ./models/qwen2-7b --api-host 0.0.0.0注意不是--hostLMStudio 的 CLI 参数是--api-host。这个参数名极其隐蔽官网文档里藏在 “Advanced Options” 折叠区不仔细翻根本找不到。4.3 问题Codex CLI 启动报错Error: Cannot find module express尽管npm install express已执行现象or start后codex-localpane 日志显示Cannot find module express但你在codex-cli目录下npm list express确实显示已安装。Root CauseCodex CLI 是一个独立的 npm 包它有自己的node_modules而npx codex-cli会优先使用全局node_modules如果存在但全局安装时express并未被列为 peer dependency导致缺失。一招解决永远不要全局安装 Codex CLI。确保codex-cli目录下有完整的node_modulescd ~/ai-workspace/codex-cli rm -rf node_modules npm install # 然后在 openrig.yaml 中command 改为绝对路径调用 command: /home/user/ai-workspace/codex-cli/node_modules/.bin/codex-cli --host 0.0.0.0:3001 ...实操心得npx的行为在不同 npm 版本下有差异。v10 的npx会优先找本地node_modules/.bin但如果你之前全局装过codex-engine/clinpx可能仍会找到全局版本。用绝对路径调用.bin下的可执行文件是 100% 确保使用本地依赖的唯一方法。4.4 问题Claude Code 启动后报错cc switch local proxy failed while handling codex endpoint /responses但curl http://localhost:3001/health返回正常现象Claude Code 界面能打开但输入消息后卡住开发者工具 Network 标签页显示/responses请求 500 错误OpenRig 日志里claude-desktoppane 出现proxy error。Root CauseClaude Code 的/responses端点需要 POST JSON 数据而 Codex CLI 默认的--backend-url仅处理 GET/health和 POST/chat/completions但 Claude Code 发送的请求体结构与标准 OpenAI API 不完全一致多了messages数组的嵌套层级Codex CLI 的代理逻辑未能正确透传。一招解决升级 Codex CLI 到 v0.9.0修复了 Claude 兼容性并在openrig.yaml中为 Codex CLI 添加--compatibility-mode claude参数command: npx codex-cli --host 0.0.0.0:3001 --model-path ./models/qwen2-7b --backend-url http://localhost:1234 --compatibility-mode claude注意--compatibility-mode是 Codex CLI v0.9.0 新增参数专门适配 Claude Code 的请求格式。如果你用的是旧版 Codex CLI这个参数不存在必须先npm install codex-engine/clilatest。4.5 问题or logs codex-local显示日志但内容全是waiting for backend...而 LMStudio 日志显示Server ready现象健康检查 URLhttp://localhost:1234/v1/models能 curl 通但 Codex CLI 日志一直卡在等待后端。Root CauseCodex CLI 的--backend-url参数值必须与 LMStudio 实际监听的 URL 完全一致。LMStudio 的 API 端口是1234但它的/v1/models接口返回的id字段必须包含模型名称而某些模型加载失败时/v1/models返回空数组Codex CLI 会认为后端无可用模型拒绝启动。排查命令curl http://localhost:1234/v1/models | jq .data[0].id # 如果返回 null 或空说明模型没加载成功 # 查看 LMStudio 日志tail -f ~/ai-workspace/logs/lmstudio.log # 寻找 Failed to load model 关键字一招解决在 LMStudio GUI 中点击左下角 “Local Server” → “Settings”确认 “API Port” 是1234且 “Enable Local Server” 已勾选然后在模型列表中右键点击你选择的 Qwen2-7B 模型选择 “Load Model”等待右下角出现绿色 “Loaded” 提示后再启动 OpenRig。实操心得LMStudio 的模型加载是异步的CLI 启动时模型可能还没 load 完。OpenRig 的健康检查只检查端口连通性不检查模型状态。所以必须人工确认模型已加载这是人机协同的必要步骤。4.6 问题Windows 用户启动or start后报错Error: spawn tmux ENOENT尽管已安装 Git Bash 和 tmux现象在 Windows 的 Git Bash 或 PowerShell 中执行or start报错找不到tmux命令。Root CauseWindows 上的 tmux 通常通过 Chocolatey 或 Scoop 安装但这些包管理器安装的tmux.exe路径不在系统PATH环境变量中或者 OpenRig 的 Node.js 进程继承的是 Windows 原生 PATH而非 Git Bash 的 PATH。一招解决在 Windows 上必须使用 WSL2放弃原生 Windows 部署。OpenRig 的设计哲学是 “Unix-first”所有路径、信号、进程树管理都基于 POSIX 标准。在 Windows 原生环境下强行适配只会陷入无尽的权限、路径、换行符陷阱。我的建议花 10 分钟装好 WSL2 Ubuntu然后一切问题迎刃而解。这不是妥协而是尊重工具链的设计边界。就像你不会用 Excel 做大规模数据清洗一样Windows 命令行不是 AI 本地开发的合理载体。4.7 问题or status显示所有服务healthy: true但 Claude Code 里提问时返回Model not found现象所有健康检查通过Codex CLI 的/chat/completions接口能 curl 通并返回结果但 Claude Code 界面始终报Model not found。Root CauseClaude Code 的前端会向/v1/models发起请求获取模型列表而 Codex CLI 的--compatibility-mode claude会将此请求代理到后端但 LMStudio 的/v1/models返回的id字段是qwen2-7b而 Claude Code 期望的是claude-3-haiku-20240307这样的格式导致前端无法识别。一招解决在openrig.yaml的codex-local配置中添加--model-id qwen2-7b参数并确保--compatibility-mode claude已启用command: npx codex-cli --host 0.0.0.0:3001 --model-path ./models/qwen2-7b --backend-url http://localhost:1234 --compatibility-mode claude --model-id qwen2-7b原理--model-id参数会强制 Codex CLI 在/v1/models响应中返回指定的id覆盖后端的实际模型名从而欺骗 Claude Code 前端让它认为这是一个合法的 Claude 模型。这是协议适配的经典 hack也是 OpenRig 作为胶水层的价值体现——它不修改任何上游代码只做最小干预。5. 进阶扩展从单机调度到团队共享的 OpenRig 实践OpenRig 的价值不仅在于个人提效更在于它为团队协作提供了可复现、可版本化的 AI 工具链基础设施。我们分享三个真实场景下的扩展方案全部来自我参与的 AI 原型项目实践。5.1 场景一多模型快速切换 —— 用 OpenRig 实现 “模型即服务”一个产品团队需要同时验证 Qwen2-7B、Phi-3、Gemma-2