forsakenkraken/glm2api

# ChatGLM 2 API `glm2api` 是一个本地代理服务，用来把 `chatglm.cn` 的网页接口转换成 OpenAI 兼容接口，方便你直接接入 OpenAI SDK、Cherry Studio、Open WebUI、LobeChat 或其他兼容 OpenAI API 的工具。 支持的主要接口： - `POST /v1/chat/completions` - `POST /v1/responses` - `POST /v1/images/generations` - `GET /v1/models` - `GET /health` ## 1. 使用前准备 启动前请确认： - 你已经登录过 `https://chatglm.cn` - 你能获取到有效的 `refresh_token`，或者接受游客模式的能力限制 - 本地已准备好 Python 虚拟环境 ## 2. 获取 GLM Refresh Token / 游客模式 获取方式： 1. 打开 `https://chatglm.cn` 2. 登录你的账号 3. 按 `F12` 打开开发者工具 4. 进入 `Application` 5. 查看 `Local Storage` 或相关存储项 6. 找到 `chatglm_refresh_token` 拿到后，将它填入 `.env` 文件中的： GLM_REFRESH_TOKEN=你的_refresh_token 如果你不想登录账号，也可以直接启用游客模式： GLM_USE_GUEST_REFRESH_TOKEN=true 如果既没有配置 `token.txt`，也没有配置 `GLM_REFRESH_TOKEN`，程序也会自动退回游客模式，并在请求失败时自动重新获取新的游客 `refresh_token` 后重试。 ## 3. 配置文件 先复制示例配置： cp .env.example .env 如果当前目录没有 `.env`，程序启动时也会自动从 `.env.example` 复制一份默认配置再继续加载。 推荐优先准备 `token.txt`，每行一个账号的 `refresh_token`： token-a token-b token-c 如果你暂时只有一个账号，也可以继续只改 `.env` 里的这一项： GLM_REFRESH_TOKEN=你的_refresh_token 如果你想显式固定走游客模式，可以这样写： GLM_USE_GUEST_REFRESH_TOKEN=true GLM_GUEST_MAX_RETRIES=3 启用游客模式后，程序会按 `GLM_MAX_CONCURRENCY` 自动创建同等数量的游客账号槽位，让每个并发请求优先使用独立游客账号，避免多个并发长期挤在同一游客会话上。 常用配置说明： - `HOST` 服务监听地址。只给本机使用时填 `127.0.0.1`，局域网访问可填 `0.0.0.0` - `PORT` 服务端口，默认 `8000` - `API_PREFIX` OpenAI 兼容路径前缀，默认 `/v1` - `DEBUG_DUMP_ALL` 调试狂暴模式。开启后会自动切到 `DEBUG`，并打印入站原始请求、转发给 GLM 的原始 body、上游原始响应和 SSE 分片、工具调用转换结果等几乎所有调试信息 当 LOG_LEVEL=DEBUG（或 DEBUG_DUMP_ALL=true）时，自动在 log/glm2api_debug.log 写入日志文件（LOG_LEVEL=INFO — 只有终端输出，不写文件） - `GLM_ASSISTANT_ID` 普通对话使用的 assistant id - `GLM_TOKEN_FILE` 多账号 token 文件路径，默认 `token.txt`，每行一个 `refresh_token` - `GLM_IMAGE_ASSISTANT_ID` 图片生成使用的 assistant id - `GLM_USE_GUEST_REFRESH_TOKEN` 显式启用游客 ck；开启后会忽略已配置的账号 token - `GLM_GUEST_MAX_RETRIES` 游客 ck 请求失败时，最多自动重新拉取游客 token 并重试多少次 - `GLM_DELETE_CONVERSATION` 是否在请求结束后自动删除 GLM 会话记录 - `GLM_MAX_CONCURRENCY` 本地代理允许同时占用的上游执行槽位数量，默认 `3` - `SERVER_API_KEYS` 如果你希望访问本地代理时也带 Bearer Token，可以在这里填写 说明： - 如果存在 `token.txt`，程序会优先从这里加载多账号 - 如果显式设置了 `GLM_USE_GUEST_REFRESH_TOKEN=true`，程序会直接走游客模式 - 游客模式下会按 `GLM_MAX_CONCURRENCY` 自动扩展游客账号池，尽量做到每个并发槽位对应一个独立游客账号 - 当某个账号请求失败时，会自动切换到下一账号继续尝试 - 如果本轮所有账号都失败，下一次会从第一个账号重新开始 - 当上游返回新的 `refresh_token` 时，多账号模式会自动写回 `token.txt` 对应行 - 单账号兜底模式下，程序仍会自动写回 `.env` - 游客模式下不会把临时游客 `refresh_token` 落盘到 `.env` 或 `token.txt` - 如果完全没有配置账号 token，程序会自动获取游客 `refresh_token` 作为兜底 - 如果你的 `.env` 不存在，程序无法自动落盘新的 token - `/v1/models` 返回的模型列表已经固定写在代码中，不再通过配置文件自定义 ## 4. 启动服务 ### 拉取源代码 git clone https://github.com/XxxXTeam/glm2api.git ### 安装依赖 uv sync ### 运行项目 uv run .\main.py 或者： .\.venv\Scripts\python.exe main.py 启动成功后你会看到类似日志： 启动服务 host=127.0.0.1 port=8000 prefix=/v1 models=... ## 5. 健康检查 curl http://127.0.0.1:8000/health 返回示例： {"status":"ok"} ## 6. 查询模型列表 curl http://127.0.0.1:8000/v1/models 返回的是当前配置里暴露的模型列表。 ## 7. 聊天接口 ### 7.1 Curl 示例 curl http://127.0.0.1:8000/v1/chat/completions \ -H "Content-Type: application/json" \ -d "{\"model\":\"glm-4\",\"messages\":[{\"role\":\"user\",\"content\":\"你好，介绍一下你自己\"}]}" ### 7.2 Python OpenAI SDK 示例 from openai import OpenAI client = OpenAI( base_url="http://127.0.0.1:8000/v1", api_key="dummy", ) resp = client.chat.completions.create( model="glm-4", messages=[ {"role": "user", "content": "你好，介绍一下你自己"} ], ) print(resp.choices[0].message.content) ### 7.3 流式示例 from openai import OpenAI client = OpenAI( base_url="http://127.0.0.1:8000/v1", api_key="dummy", ) stream = client.chat.completions.create( model="glm-4", messages=[{"role": "user", "content": "写一首七言绝句"}], stream=True, ) for chunk in stream: delta = chunk.choices[0].delta if getattr(delta, "content", None): print(delta.content, end="") ### 7.4 OpenAI Responses API 示例 from openai import OpenAI client = OpenAI( base_url="http://127.0.0.1:8000/v1", api_key="dummy", ) resp = client.responses.create( model="glm-4", input=[ {"role": "user", "content": "你好，介绍一下你自己"} ], ) print(resp.output_text) ## 8. 图片生成接口 ### 8.1 Curl 示例 curl http://127.0.0.1:8000/v1/images/generations \ -H "Content-Type: application/json" \ -d "{\"model\":\"glm-image-1\",\"prompt\":\"画个枫叶\",\"size\":\"1024x1024\"}" ### 8.2 Python OpenAI SDK 示例 from openai import OpenAI client = OpenAI( base_url="http://127.0.0.1:8000/v1", api_key="dummy", ) image = client.images.generate( model="glm-image-1", prompt="画个枫叶", size="1024x1024", ) print(image.data[0].url) ### 8.3 当前支持的图片参数 - `prompt` - `model` - `n` - `size` - `response_format` - `style` - `scene` 说明： - 默认返回图片 URL - 如果 `response_format=b64_json`，会返回 base64 图片数据 - `size` 会自动映射到 GLM 所需的宽高比例 ## 9. 鉴权方式 如果 `.env` 中 `SERVER_API_KEYS` 为空，则本地接口默认不校验 Bearer Token。 如果你配置了： SERVER_API_KEYS=sk-local-1,sk-local-2 那么请求时需要带： Authorization: Bearer sk-local-1 ## 10. 日志说明 程序默认输出彩色日志，常见内容包括： - 服务启动 - 请求进入队列 - 并发槽位获取/释放 - 上游请求转发 - 会话删除结果 - 错误原因 如果你想查看更多细节，可以把 `.env` 中的： LOG_LEVEL=DEBUG ## 11. 常见问题 ### 11.1 启动时报 `GLM_REFRESH_TOKEN` 缺失 新版本默认会自动退回游客模式；如果你仍想固定使用账号，请检查 `.env` 或 `token.txt` 里的 `refresh_token` 是否填写正确。 ### 11.2 返回“请等待其他对话生成完毕” 说明同一账号在 GLM 侧存在并发限制。程序已经内置串行队列和自动等待重试。 ### 11.3 返回“请登录后继续使用” 说明当前账号状态无效，或者 token 已失效，需要重新登录并更新 `refresh_token`

标签：API代理, AV绕过, ChatGLM, Docker, FastAPI, OpenAI兼容接口, 大语言模型(LLM), 安全防御评估, 请求拦截, 运行时操纵, 逆向工具