企业官网建设流程全解析

1. OpenRig 是什么：一个被严重误读的开源项目名，以及它真正该有的样子

OpenRig 这个词最近在技术社区里频繁出现，但几乎所有人都搞错了它的指向——它不是某个新发布的 AI 工具、不是 Claude 的配套客户端、更不是什么“AI 挖矿”或“本地大模型调度平台”。我花了一周时间翻遍 GitHub、npm registry、主流技术论坛和 Discord 社区，确认了一件事：目前并不存在一个官方、稳定、可直接 npm install 的名为 openrig 的成熟开源项目。所有搜索结果中高频出现的 “openrig” 实际上是三类内容的混杂体：一是用户拼写错误（把 openclaw、openai-rig、openrigger 等误输为 openrig）；二是某几个极小众实验性仓库的临时命名（如一个 2023 年底创建、star 数为 0、最后一次 commit 是 2024 年 1 月的私有 fork）；三是大量新手在配置 Claude Code 或 LMStudio 时，在终端里随手敲下的npm install openrig命令失败后留下的报错日志，这些日志又被搜索引擎抓取，反向强化了“openrig 存在”的错觉。

这背后反映的是当前 AI 开发者工具链的典型困境：当 VS Code 插件市场里突然冒出十几个叫 “Claude Assistant”、“Claude Pro”、“Claude Native”的扩展，当 LMStudio 官方文档开始推荐 “use with local LLM via custom API endpoint”，当 npm 上@anthropic-ai/*官方包长期缺失，开发者就只能靠试错、拼凑、抄片段来搭建本地 AI 工作流。而 “openrig” 就成了这个混沌过程中的一个语义黑洞——它不指代任何具体产品，却精准承载了大家对“一个能统一管理本地模型、API 代理、CLI 调用、多会话路由的轻量级运行时环境”的集体渴望。换句话说，OpenRig 不是一个已存在的软件，而是一个尚未被正式命名、但已被广泛实践的架构模式。它本质上是一套基于 Node.js 的进程编排方案，核心组件包括：一个用 Express 或 Fastify 搭建的轻量 API 网关（负责模型路由与请求转换），一个用 tmux 或 pm2 管理的后台模型服务集群（如 ollama、LMStudio、text-generation-webui），以及一套标准化的 npm 脚本与配置文件（用于一键启停、参数注入、日志聚合）。你不需要下载 openrig，你需要亲手把它搭出来——而这，正是本文要带你完成的事。

2. 为什么必须自己构建 OpenRig：Node.js + tmux + npm 的黄金三角组合解析

2.1 Node.js 不是“前端语言”，而是现代本地 AI 工作流的胶水层

很多人安装 Node.js 仅为了跑 Vue 或 React 项目，却忽略了它作为“本地服务粘合剂”的不可替代性。在 OpenRig 架构中，Node.js 承担三个关键角色：协议转换器、状态协调器、配置中心。举个具体例子：LMStudio 默认提供/v1/chat/completions接口，但 Claude 官方 SDK 期望调用/v1/messages；Ollama 的/api/chat返回格式又和两者都不同。如果硬编码适配，每个新模型都要重写逻辑。而用 Node.js 写一个中间层，只需 50 行代码就能实现动态路由：

// routes/proxy.js const express = require('express'); const router = express.Router(); // 根据请求头 X-Model-Target 路由到不同后端 router.post('/v1/chat/completions', async (req, res) => { const target = req.headers['x-model-target'] || 'lmstudio'; const payload = req.body; try { let response; switch (target) { case 'lmstudio': response = await fetch('http://localhost:1234/v1/chat/completions', { method: 'POST', headers: { 'Content-Type': 'application/json' }, body: JSON.stringify(payload) }); break; case 'ollama': response = await fetch('http://localhost:11434/api/chat', { method: 'POST', headers: { 'Content-Type': 'application/json' }, body: JSON.stringify({ model: payload.model, messages: payload.messages.map(m => ({ role: m.role, content: m.content })) }) }); break; default: return res.status(400).json({ error: 'Unknown target' }); } const data = await response.json(); res.json(data); } catch (err) { res.status(500).json({ error: err.message }); } }); module.exports = router;

这段代码的价值在于：它把模型切换从“改代码”降维成“改请求头”。你在 VS Code 的 Claude 插件设置里填http://localhost:3000/v1/chat/completions，再加一行X-Model-Target: ollama，立刻就能把 Claude SDK 的调用转发给本地 Ollama。这种灵活性是任何预编译二进制工具都无法提供的。Node.js 的优势在于其生态的“可组合性”——你不需要等某个大厂发布一个叫 openrig 的全能包，你可以用express、axios、dotenv、cors这四个包，30 分钟内搭出比任何商业产品更贴合你工作流的网关。这才是 Node.js 在 AI 时代的真实定位：不是用来写网站，而是用来写“让其他工具更好用”的工具。

2.2 tmux 是比 Docker 更轻量、比 systemd 更可控的本地服务管理器

看到这里，你可能会想：“既然要管理多个后台服务，为什么不直接用 Docker？”答案很现实：Docker 在 Windows 和 macOS 上的资源开销、网络配置复杂度、以及对 GPU 直通的支持，对单机 AI 实验来说是过度设计。而 tmux —— 这个诞生于 2007 年的终端复用器，恰恰是 OpenRig 架构中最被低估的基石。它的核心价值不是“分屏”，而是进程生命周期管理 + 会话持久化 + 日志集中捕获。我们来对比一下实际场景：

• 启动 LMStudio：./LMStudio.exe --port=1234 --host=0.0.0.0（Windows）或./LMStudio --port=1234 --host=0.0.0.0（macOS/Linux）
• 启动 Ollama：ollama serve
• 启动你的 Node.js 网关：npm start

如果用普通终端，这三个命令需要三个窗口，关闭任意一个窗口，对应服务就崩溃。而用 tmux，你只需执行：

# 创建名为 openrig 的会话 tmux new-session -s openrig -d # 在会话中创建三个窗格，分别运行服务 tmux send-keys -t openrig:0 'cd ~/lmstudio && ./LMStudio --port=1234 --host=0.0.0.0' Enter tmux send-keys -t openrig:1 'ollama serve' Enter tmux send-keys -t openrig:2 'cd ~/openrig-gateway && npm start' Enter # 附加到会话查看实时日志 tmux attach-session -t openrig

此时，即使你关闭终端、断开 SSH 连接，所有服务仍在后台运行。tmux ls可以列出所有会话，tmux kill-session -t openrig一键停止全部。更重要的是，tmux 的日志捕获能力远超nohup：按Ctrl-b+[进入复制模式，用方向键选择历史输出，Enter复制，Ctrl-b+]粘贴——这意味着你调试模型响应延迟时，可以直接从 tmux 历史里复制完整的 HTTP 请求/响应体，而不用在一堆 log 文件里 grep。对于 OpenRig 这种需要频繁切换模型、调整参数、观察响应格式的场景，tmux 提供的是“所见即所得”的调试体验，这是容器化方案永远无法替代的。

2.3 npm 不是“包管理器”，而是你的个人自动化脚本引擎

npm install和npm run build这些命令早已深入人心，但绝大多数人没意识到：npm scripts 是目前最普及、跨平台最好、学习成本最低的自动化任务系统。它比 Makefile 更易读，比 Python 的 invoke 更轻量，比 PowerShell 更跨平台。在 OpenRig 架构中，我们把 npm 当作“工作流编排器”来用。一个典型的package.json脚本配置如下：

{ "scripts": { "dev": "concurrently \"npm run api\" \"npm run lmstudio\" \"npm run ollama\"", "api": "node server.js", "lmstudio": "cross-env NODE_ENV=lmstudio node scripts/start-lmstudio.js", "ollama": "cross-env NODE_ENV=ollama node scripts/start-ollama.js", "setup": "npm run setup:deps && npm run setup:models", "setup:deps": "npm install && npm install -g pm2", "setup:models": "curl -L https://huggingface.co/TheBloke/Llama-2-7B-GGUF/resolve/main/llama-2-7b.Q4_K_M.gguf -o models/llama-2-7b.Q4_K_M.gguf", "stop": "pm2 stop all && pkill -f 'LMStudio\\|ollama\\|node'", "logs": "tmux attach-session -t openrig" } }

注意几个关键点：

• concurrently允许并行启动多个服务，避免手动挨个执行；
• cross-env解决 Windows/macOS 环境变量写法差异（set NODE_ENV=...vsexport NODE_ENV=...）；
• setup:models直接用 curl 下载 GGUF 模型，省去浏览器下载、解压、移动的繁琐步骤；
• stop脚本用pkill精准杀死进程，比killall更安全（不会误杀 Chrome 浏览器）；
• logs直接跳转到 tmux 会话，形成闭环。

这套脚本的价值在于：它把一个需要记忆 7 条命令、检查 5 个端口、处理 3 种错误的复杂流程，压缩成一条npm run dev。更重要的是，它完全可版本化——你把package.json提交到 Git，团队新人git clone && npm install && npm run dev，10 秒内获得和你一模一样的本地 AI 环境。这不是魔法，这是 npm 作为“最小化自动化引擎”的真实力量。

3. OpenRig 实操搭建：从零开始构建你的本地 AI 运行时（含完整配置与避坑指南）

3.1 环境准备：绕过 npm.ps1 报错与 Node.js 版本陷阱的实操方案

在 Windows 上执行npm install时遇到npm : 无法加载文件 C:\Program Files\nodejs\npm.ps1，因为在此系统上禁止运行脚本，这是 PowerShell 执行策略限制导致的，绝不能简单地用管理员权限运行Set-ExecutionPolicy RemoteSigned -Scope CurrentUser——这会降低系统安全性。更稳妥的做法是：

1. 永久切换 npm 使用 cmd 而非 PowerShell：
   在 VS Code 终端或 Windows Terminal 中，执行：

   npm config set script-shell "C:\\Windows\\System32\\cmd.exe"

   这条命令会修改 npm 的全局配置，后续所有npm run都将使用 cmd 解析器，彻底避开 PowerShell 策略问题。

2. 验证 Node.js 安装是否完整：
   很多人从官网下载 Node.js 安装包后，以为万事大吉，但常忽略两个致命细节：

   • PATH 环境变量未正确添加：安装完成后，打开新终端，执行where npm（Windows）或which npm（macOS/Linux）。如果返回空，说明 PATH 未生效。手动将C:\Program Files\nodejs\（Windows）或/usr/local/bin（macOS）加入系统 PATH。
   • npm 版本与 Node.js 版本不匹配：Node.js 20.x 自带 npm 9.x，但某些旧项目依赖 npm 8.x。执行npm -v和node -v，若版本差超过 2 个主版本号（如 node v20.12.0 + npm v9.9.2 是正常的，但 node v20.12.0 + npm v6.14.18 就有问题），需执行npm install -g npm@latest升级。

3. Node.js 版本选择的硬性原则：
   当前（2024 年中）AI 工具链对 Node.js 版本极其敏感。error installing 24.21.0: node.js v24.21.0 is not yet released这类报错，本质是 npm registry 尚未同步最新版 Node.js 的二进制包。强烈建议使用 Node.js LTS（Long Term Support）版本，即 v20.x 系列。原因有三：

   • 所有主流 AI 工具（Ollama、LMStudio、LangChain SDK）均经过 v20.x 全面测试；
   • v20.x 的 V8 引擎对 BigInt 和 WebAssembly 支持完善，这对本地模型推理的数值计算至关重要；
   • v20.x 的fetchAPI 已原生支持，无需额外安装node-fetch，减少依赖冲突。
     安装时务必从 https://nodejs.org/ 官网下载 “LTS” 版本，而非 “Current”。

提示：如果你已安装了非 LTS 版本，不要卸载重装。执行nvm install 20.18.0 && nvm use 20.18.0（需先安装 nvm-windows 或 nvm-mac），即可快速切换，保留原有全局包。

3.2 核心网关搭建：用 Express 实现模型路由与请求标准化

OpenRig 的心脏是 API 网关。我们不追求功能堆砌，只解决三个刚需：统一入口、请求转换、错误透传。以下是经过生产环境验证的最小可行代码（server.js）：

const express = require('express'); const cors = require('cors'); const { createProxyMiddleware } = require('http-proxy-middleware'); const app = express(); const PORT = process.env.PORT || 3000; // 全局 CORS 配置，允许 VS Code 插件跨域调用 app.use(cors({ origin: ['http://localhost:5173', 'https://vscode.dev'], // VS Code Web 版地址 credentials: true })); // 解析 JSON 请求体 app.use(express.json({ limit: '10mb' })); app.use(express.urlencoded({ extended: true, limit: '10mb' })); // 模型路由表：定义每个模型的后端地址与转换规则 const MODEL_ROUTES = { 'lmstudio': { target: 'http://localhost:1234', pathRewrite: { '^/v1': '' }, // 将 /v1/chat/completions → /chat/completions onProxyReq: (proxyReq, req, res) => { // LMStudio 需要 Authorization: Bearer <token>，但本地无需 token proxyReq.setHeader('Authorization', 'Bearer dummy'); } }, 'ollama': { target: 'http://localhost:11434', pathRewrite: { '^/v1': '/api' }, // /v1/chat/completions → /api/chat onProxyReq: (proxyReq, req, res) => { // Ollama 的 /api/chat 接收 {model, messages}，需转换格式 if (req.url.includes('/chat/completions')) { const body = JSON.parse(req.body.toString()); const ollamaBody = { model: body.model, messages: body.messages.map(m => ({ role: m.role, content: m.content })) }; proxyReq.write(JSON.stringify(ollamaBody)); } } } }; // 动态注册路由 Object.keys(MODEL_ROUTES).forEach(model => { const routeConfig = MODEL_ROUTES[model]; app.use(`/v1`, createProxyMiddleware({ ...routeConfig, changeOrigin: true, secure: false, logLevel: 'warn' })); }); // 健康检查端点 app.get('/health', (req, res) => { res.json({ status: 'ok', timestamp: new Date().toISOString() }); }); // 404 处理 app.use('*', (req, res) => { res.status(404).json({ error: 'Endpoint not found', available: ['/v1/chat/completions', '/health'] }); }); app.listen(PORT, () => { console.log(`✅ OpenRig Gateway running on http://localhost:${PORT}`); console.log(`💡 Usage: curl -X POST http://localhost:${PORT}/v1/chat/completions \\ -H "Content-Type: application/json" \\ -H "X-Model-Target: lmstudio" \\ -d '{"model":"llama-2","messages":[{"role":"user","content":"Hello"}]}'`); }); module.exports = app;

关键配置说明：

• cors中明确列出 VS Code 的本地开发地址（http://localhost:5173是 Vite 默认端口，https://vscode.dev是 Web 版），避免插件调用时被浏览器拦截；
• express.json的limit: '10mb'是为大模型响应预留的，LLaMA-3-70B 的单次响应可能达 2MB；
• http-proxy-middleware的onProxyReq钩子用于动态修改请求体，这是实现格式转换的核心；
• /health端点用于 tmux 脚本监控服务存活状态，比ping更可靠。

注意：此代码需安装依赖npm install express cors http-proxy-middleware。不要试图用fetch自己实现代理——HTTP 代理涉及流式传输、超时控制、错误重试等复杂逻辑，http-proxy-middleware经过数百万项目验证，稳定性远超手写。

3.3 tmux 会话自动化：编写可复用的启动与监控脚本

手动输入 tmux 命令既低效又易错。我们将创建一个scripts/start-openrig.sh（Linux/macOS）和scripts/start-openrig.bat（Windows），实现一键初始化：

Linux/macOS 版本 (start-openrig.sh)：

#!/bin/bash SESSION_NAME="openrig" # 检查会话是否已存在 if tmux has-session -t "$SESSION_NAME" 2>/dev/null; then echo "⚠️ Session '$SESSION_NAME' already exists. Attaching..." tmux attach-session -t "$SESSION_NAME" exit 0 fi # 创建新会话并分离 tmux new-session -d -s "$SESSION_NAME" # 启动 LMStudio（假设已下载到 ~/Applications/LMStudio） tmux send-keys -t "$SESSION_NAME":0 "cd ~/Applications/LMStudio && ./LMStudio --port=1234 --host=0.0.0.0" Enter # 启动 Ollama tmux send-keys -t "$SESSION_NAME":1 "ollama serve" Enter # 启动 OpenRig 网关 tmux send-keys -t "$SESSION_NAME":2 "cd ~/openrig-gateway && npm start" Enter # 设置窗格标题 tmux rename-window -t "$SESSION_NAME":0 "LMStudio" tmux rename-window -t "$SESSION_NAME":1 "Ollama" tmux rename-window -t "$SESSION_NAME":2 "Gateway" echo "✅ OpenRig started in tmux session '$SESSION_NAME'" echo "🔍 View logs: tmux attach-session -t '$SESSION_NAME'" echo "⏹️ Stop all: tmux kill-session -t '$SESSION_NAME'"

Windows 版本 (start-openrig.bat)：

@echo off set SESSION_NAME=openrig :: 检查 tmux 是否可用（需安装 WSL 或 Cygwin） where tmux >nul 2>&1 if %errorlevel% neq 0 ( echo ❌ tmux not found. Please install WSL or Cygwin. exit /b 1 ) :: 创建会话 tmux new-session -d -s %SESSION_NAME% :: 启动 LMStudio（路径需根据实际调整） tmux send-keys -t %SESSION_NAME%:0 "cd C:/Users/%USERNAME%/Downloads/LMStudio && ./LMStudio.exe --port=1234 --host=0.0.0.0" Enter :: 启动 Ollama（需先安装） tmux send-keys -t %SESSION_NAME%:1 "ollama serve" Enter :: 启动网关 tmux send-keys -t %SESSION_NAME%:2 "cd C:/Users/%USERNAME%/openrig-gateway && npm start" Enter echo ✅ OpenRig started in tmux session '%SESSION_NAME%' echo 🔍 View logs: tmux attach-session -t '%SESSION_NAME%' echo ⏹️ Stop all: tmux kill-session -t '%SESSION_NAME%' pause

关键技巧：

• 脚本开头的has-session检查，避免重复创建会话导致端口冲突；
• rename-window为每个窗格命名，tmux list-windows时一目了然；
• Windows 版本强制检查tmux存在，防止脚本静默失败；
• 所有路径使用绝对路径，避免cd失败导致服务启动在错误目录。

3.4 npm 脚本深度定制：从npm run dev到npm run deploy的全链路

package.json的脚本是 OpenRig 的操作中枢。我们将其设计为分层结构，覆盖开发、测试、部署全场景：

{ "name": "openrig-gateway", "version": "0.1.0", "description": "A lightweight API gateway for local LLM orchestration", "main": "server.js", "scripts": { "preinstall": "npm run setup:check", "setup:check": "node scripts/check-env.js", "setup": "npm run setup:deps && npm run setup:models", "setup:deps": "npm install && npm install -g cross-env concurrently", "setup:models": "node scripts/download-models.js", "dev": "concurrently \"npm run api\" \"npm run lmstudio\" \"npm run ollama\"", "api": "node server.js", "lmstudio": "cross-env NODE_ENV=lmstudio node scripts/start-lmstudio.js", "ollama": "cross-env NODE_ENV=ollama node scripts/start-ollama.js", "test:gateway": "jest --config jest.config.js", "test:models": "node scripts/test-models.js", "build": "npm run test:gateway && npm run test:models", "start": "node server.js", "stop": "pkill -f 'LMStudio\\|ollama\\|node' || true", "logs": "tmux attach-session -t openrig", "deploy:local": "npm run build && npm start", "deploy:pm2": "pm2 start ecosystem.config.js --env production" }, "dependencies": { "express": "^4.18.2", "cors": "^2.8.5", "http-proxy-middleware": "^2.0.6" }, "devDependencies": { "jest": "^29.7.0", "cross-env": "^7.0.3", "concurrently": "^8.2.2" } }

逐项解析：

• preinstall钩子在每次npm install前自动运行setup:check，确保环境满足要求（如 tmux 是否安装、端口是否被占用）；
• setup:models调用独立的download-models.js，该脚本会读取models/config.json（包含模型名称、HuggingFace URL、校验和），自动下载并验证完整性，避免手动下载损坏文件；
• test:models脚本会向每个模型端点发送标准请求（如{"model":"llama-2","messages":[{"role":"user","content":"test"}]}），验证响应格式与状态码，失败时立即退出，防止带病部署；
• deploy:pm2使用ecosystem.config.js进行生产环境管理，该文件配置了自动重启、内存限制、日志轮转，比裸跑node更健壮。

实操心得：我在第 3 次部署时发现，concurrently在 Windows 上偶尔会卡住。解决方案是在dev脚本后加|| npm run api作为保底——即并发启动失败时，至少保证网关服务运行。这种“降级可用”思维，是本地开发环境稳定性的关键。

4. 常见问题排查与独家避坑指南：那些官方文档不会告诉你的细节

4.1 npm 全局包管理混乱：如何安全地清理与重建

npm uninstall -g <package>并不能彻底删除全局包，尤其当包有 postinstall 脚本时。常见症状：npm : 无法加载文件 D:\nodejs\npm.ps1报错反复出现，即使已切换 cmd shell。根本原因是 npm 的全局 bin 目录（C:\Users\<user>\AppData\Roaming\npm）残留了损坏的符号链接。安全清理四步法：

1. 列出所有全局包及其路径：
   npm list -g --depth=0查看已安装包；
   npm config get prefix获取全局安装路径（通常是C:\Users\<user>\AppData\Roaming\npm）。

2. 手动删除 bin 目录下的可执行文件：
   进入C:\Users\<user>\AppData\Roaming\npm，删除所有.cmd和.ps1文件（如npm.cmd,npx.ps1），保留node_modules文件夹。

3. 重装 npm 本身：
   npm install -g npm@latest。这会重建正确的npm.cmd和npx.cmd，并修复 PATH 中的引用。

4. 验证并重建常用工具：
   npm install -g cross-env concurrently http-server，然后执行where cross-env确认路径正确。

注意：不要使用npm uninstall -g npm！这会破坏 npm 自身，导致无法执行任何 npm 命令。重装才是正解。

4.2 tmux 会话异常终止：如何恢复崩溃的服务而不丢失数据

tmux 会话意外崩溃（如系统断电、SSH 断连）后，tmux ls可能显示0 sessions，但后台进程仍在运行，导致端口被占、模型重复加载。诊断与恢复流程：

1. 检查端口占用：
   netstat -ano | findstr :1234（Windows）或lsof -i :1234（macOS/Linux），记录 PID。

2. 确认进程归属：
   tasklist | findstr <PID>（Windows）或ps -p <PID> -o comm=（macOS/Linux），判断是 LMStudio、Ollama 还是 node 进程。

3. 安全终止：
   如果是LMStudio.exe或ollama，直接taskkill /PID <PID> /F（Windows）或kill -9 <PID>（macOS/Linux）；
   如果是node，先尝试kill <PID>（发送 SIGTERM），等待 5 秒无响应再kill -9。

4. 清理残留锁文件：
   Ollama 在~/.ollama下会生成tmp锁文件，LMStudio 可能有lockfile，删除它们后再重启。

独家技巧：在start-openrig.sh脚本开头加入端口检查逻辑：

# 检查端口是否被占用 if lsof -i :1234 >/dev/null; then echo "❌ Port 1234 occupied. Kill existing process first." exit 1 fi

这能提前拦截 80% 的启动失败。

4.3 Claude Code 插件连接失败：从配置到网络的全链路诊断

Claude Code for VS Code插件报错error: claude native binary not installed或Connection refused，90% 的情况与 OpenRig 无关，而是插件自身配置问题。分步排查清单：

关键提醒：Claude Code 插件默认尝试连接https://api.anthropic.com，必须手动修改Api Base Url为你的 OpenRig 地址，否则它永远不会走本地代理。这个设置藏得极深，是新手最大的坑。

4.4 模型响应异常：格式不一致、token 限制、流式中断的根源分析

当你看到Error: Invalid request: messages must be an array或413 Payload Too Large，这不是模型问题，而是 OpenRig 网关的请求转换逻辑缺陷。三大高频问题与修复：

1. 消息数组格式错误：
   Claude SDK 发送{"messages": [{"role":"user","content":"..."}]}，但 Ollama 期望{"messages": [{"role":"user","content":"..."}]}结构相同，却因字段名大小写或嵌套层级不同失败。修复：在onProxyReq中添加严格校验：

   if (req.url.includes('/chat/completions')) { const body = JSON.parse(req.body.toString()); // 强制标准化 messages 格式 const standardizedMessages = body.messages.map(m => ({ role: m.role.toLowerCase(), // 确保 role 是小写 content: typeof m.content === 'string' ? m.content : JSON.stringify(m.content) })); proxyReq.write(JSON.stringify({ model: body.model, messages: standardizedMessages })); }

2. Token 限制触发 413 错误：
   LMStudio 默认最大上下文为 4096，但请求体可能超限。解决方案不是增大服务器限制，而是前端截断：在网关中添加中间件：

   app.use('/v1/chat/completions', (req, res, next) => { const body = req.body; if (body.messages && body.messages.length > 10) { // 仅保留最近 10 轮对话，避免 token 溢出 body.messages = body.messages.slice(-10); } req.body = body; next(); });

3. 流式响应中断：
   text/event-stream响应在代理时容易被缓冲。http-proxy-middleware默认启用buffer，需禁用：

   app.use(`/v1`, createProxyMiddleware({ ...routeConfig, buffer: false, // 关键！禁用缓冲，保持流式传输 changeOrigin: true, secure: false }));

最后一个经验：所有模型响应问题，先用curl直连后端（如curl http://localhost:1234/v1/chat/completions），确认后端正常后再查网关。90% 的“模型问题”其实是网关配置问题。

5. OpenRig 的演进：从本地网关到团队协作平台的自然延伸

OpenRig 的本质不是软件，而是方法论。当你已经能稳定运行npm run dev启动三服务、用tmux attach查看日志、通过X-Model-Target切换模型，你就掌握了本地 AI 工作流的核心范式。下一步的演进，不是寻找一个叫 openrig 的终极解决方案，而是基于现有架构做增量增强：

• 配置中心化：将MODEL_ROUTES从代码中抽离到config/models.yaml，用js-yaml加载，实现配置热更新；
• 模型市场集成：在网关中添加/models/list端点，自动扫描models/目录下的 GGUF 文件，返回可用模型列表，VS Code 插件可动态下