一个小团队 · 始于 2026

wehuman
发表于 2026-08-20 aweshare · 智能体 · 本地优先

aweshare：我让 AI 智能体帮我共享 token

现在模型越来越贵了，虽然现在有 awerouter：不怕deepseek 涨价，一句话让智能路由给你省钱 ，但能不能再省点？而且，其实还有很多空间：角落里的 4090 闲着，朋友们够不到的订阅 key 买了却用不满，这可怎么办？

aweshare 用本地优先的中继终结这件事。你在自己机器上跑一个轻量 agent；朋友把标准 OpenAI / Anthropic SDK 指向 hub；请求经一条 WebSocket 隧道转回你的机器，由你的 key 在调用时注入。共享出去的从来不是 key，而是按 token 计量的能力——来自闲置 GPU，或你已付费的订阅。有闲置的出力，需要的作为消费者去使用。

它还押了第二个注：中继需要有人配置和维护，而这个人不必是你。aweshare 自带引导协议（README.ai.md）、skill 和 CLI，可以由 AI 智能体端到端操作。于是我对我的智能体说：

“阅读 https://github.com/wehuman01/aweshare/blob/main/README.ai.md 并照做。我有一张 4090，Ollama 跑着 qwen2.5:7b 和 qwen2.5:14b，另有一张 GLM coding plan 的 key——都共享给两个朋友。”

它先问了我的角色（producer），把两个 Ollama 模型注册为 offering、各设 maxConcurrencyPerUser = 1（本地模型，单卡）；把 GLM 订阅挂成 peng/glm-4-flash，配上 dailyTokens 日额度——订阅额度是真金白银；然后铸好两个邀请码，又跑了 producer doctor 验证 配置 → 后端 → hub 整条链路。朋友们自己兑换邀请码：aweshare consumer join 只打印一次 asc_ key，附上可直接粘贴的 SDK 环境变量。

然后它说：“请在你的终端里运行 aweshare producer start。我不会替你启动这个长驻进程。”

这就是安装一个智能体工具的新形态：安装是一项任务，而智能体就是干任务的。于是我把任务交给了智能体。

GitHub：github.com/wehuman01/aweshare

安装：一份智能体照做的引导协议

大多数智能体工具给人类一份 README.md，给智能体另备一份 README.ai.md。这个拆分很诚实：人类要的是产品故事，智能体要的是操作流程。aweshare 把这点做透了——它的 README.ai.md 是一份引导协议（bootstrap protocol）：先确认用户角色（hub 运营者、生产者、消费者），安装 CLI，安装 skill，探测现有安装，再走对应角色的路径。凡是打印一次性令牌或启动长驻服务的步骤，都明确交回你自己的终端。

生产者路径，浓缩版：

  1. npm install -g aweshare（Node ≥ 22），用 aweshare --version 验证
  2. 在 VPS 上 aweshare hub init —— 创建数据目录并打印一次性 admin token，抄下来（Docker 也行：ghcr.io/wehuman01/aweshare，然后 docker exec aweshare-hub aweshare hub init）
  3. aweshare hub serve —— 你的终端，不是智能体的
  4. aweshare hub invite --name <name> 铸造一次性生产者邀请码（asi_...）；消费者用 --role consumer --name <name>。邀请码默认 7 天过期，且过期同样约束它换出的身份——过期 key 认证返回 401 TOKEN_EXPIRED，隧道随之关闭。--expires-in none 铸造永不过期的一对。
  5. 在生产者机器上 aweshare producer join --hub <url> --code asi_...，写入 ~/.aweshare/config.toml 和 secrets.json
  6. 编辑 config.toml 注册后端（openai、anthropic、responses 三种协议）和 offering —— 别名 命名空间/名称，每条恰好一个上游模型；或用 backends = [...] 列表让同一个别名同时讲多种线上协议。上游 key 放进 secrets.json —— 它们不会离开这台机器。
  7. aweshare producer doctor —— 配置 → 后端 → hub，修第一个 FAIL，重跑直到全绿
  8. 告诉用户去运行 aweshare producer start

准入完全走邀请码，这就是全部的权限模型：每个被准入的消费者都可以调用 hub 上全部 offering。没有授权要接线，没有市场。护栏是限额——稀疏的按消费者覆盖（hub limits 的 --rps、--tpm、--max-total-tokens；未设置的键沿用全局默认）和按 offering 的限额（maxConcurrencyPerUser、maxConcurrentUsers、dailyTokens）——全部由 hub 强制执行。

30 秒版本

在 Claude Code、Codex、OpenCode，或 aweskill 支持的 47+ 个智能体里的任何一个，提示词都一样：

“帮我装 aweshare。阅读 https://github.com/wehuman01/aweshare/blob/main/README.ai.md 并照做。我有一张闲置 GPU，Ollama 跑着 qwen2.5:7b 和 qwen2.5:14b，另有一张 GLM coding plan 的 key，我的 hub 在 hub.example.com。”

剩下的智能体全包：安装 npm 包和 skill、初始化 hub、铸造邀请码、写配置、注册 offering、跑 doctor。哪一步失败——Node 太旧、Ollama 没在跑、hub 连不上——它会停下来问你，而不是默默把东西弄坏。

智能体不会做的事

这是最重要的边界。aweshare 有两个长驻进程：hub（aweshare hub serve）和 producer（aweshare producer start）。智能体永远不会运行其中任何一个——也不会运行 producer stop，更不会用 Docker 部署 hub。它永远不会启动、停止或重启服务器或隧道。

README 里写明了。skill 里也写明了。安全规则毫无歧义：长驻守护进程属于用户的终端。智能体的工作是配置——init、invite、producer join、producer doctor、hub limits、hub usage、编辑 config.toml。连上游 key 都不进聊天：智能体写好配置骨架，让你自己填 secrets.json。智能体活在文本文件的世界，守护进程活在 socket 的世界，两者不相交。

这条边界不牺牲任何便利，因为改配置已经不需要重启：两个进程都会在两秒内热应用有效的修改，aweshare producer reload 在既有隧道上重新注册 offering，不断连。日常的中继管理——列消费者、查用量、加 offering、设限额、发邀请码——全部可以由智能体执行。只有真正的 hub 和 producer 进程要你自己在自己的终端里启动。（想要进程脱离终端时可以用 producer start --background —— 依然是你的决定、你的终端。）

日常一天

这是周二。hub 跑在一台 6 美元的 VPS 上。你的 agent 从台式机连着。两个朋友有消费者令牌。

早上 7:42。 新的一天开始。aweshare producer start 从昨天起一直在跑。你想看看昨晚中继得怎么样：

aweshare hub usage

默认视图是聚合，不是日志：一行一个 消费者 × 模型，同一个人的行聚在一起，最忙的人和最忙的模型排前面——请求数、错误数、尽力提取的 token 总量、平均耗时——表头打印着默认的 7 天窗口。昨晚：peng/qwen2.5.7b 847 次请求，peng/qwen2.5.14b 312 次，订阅端的 peng/glm-4-flash 也记了一整晚；7B 平均延迟 1.2 秒、14B 2.8 秒，零错误、零限流。想看逐请求日志？--details。只想看某个人？--consumer bob。你记下一笔：查查 14B 是不是超卖了。

上午 9:15。 朋友发消息：“能试试你的模型吗？“你对智能体说：

“邀请 alice 作为消费者。”

智能体运行 aweshare hub invite --role consumer --name alice，把一次性邀请码（asi_...）交给你转发——它 7 天后过期，让她尽快兑换。Alice 自己兑换——aweshare consumer join 只打印一次她的 asc_ key，附上可直接粘贴的 SDK 环境变量；没装 aweshare 的朋友一条 curl 也能兑换。她发了个测试请求，拿到响应。你没碰任何配置文件，没重启任何东西。准入即权限：她一进来，就能调用 hub 上全部 offering。

上午 11:30。 你想再共享一张订阅。你对智能体说：

“把我的 Anthropic 订阅也共享出去。key 在 secrets 里。”

智能体读取 ~/.aweshare/config.toml，添加 protocol = "anthropic" 的后端，注册 peng/claude-sonnet 作为 offering，把 key 引用指向 secrets.json，再配一个 dailyTokens 日额度护住订阅配额。然后 aweshare producer reload 在既有隧道上应用新的 offering——不重启、不断连，消费者毫无感知。没有复制粘贴，没有”我先找找文档”。

下午 1:00。 Bob 跑了个批处理任务，GPU 和订阅额度一起吃紧。你想设个限制：

aweshare hub limits bob --rps 2 --tpm 60000

智能体应用这个稀疏覆盖——每秒 2 个请求、每分钟 6 万 token。未设置的键沿用全局默认；覆盖会合并进已有的设置。你不需要记 CLI 参数，智能体记得。

下午 3:00。 想确认一切健康：

aweshare producer doctor
aweshare hub status

doctor 探测后台实例、配置、后端和 hub 连接——全绿，4/4 offerings registered。hub status 给出运营者总览：按别名的健康状态（一个别名讲多种协议只给一个结论、取最差）、实时占用 IN USE 1/3、当日剩余 token，以及最近 5 分钟一行——请求数、成功率、错误数。14B 模型已经连续跑了 6 个小时，没有一次 AUTH 或 QUOTA 失败。

晚上 6:00。 收工。三个后端——一张闲置 GPU 加两张订阅——四个 offering、四个消费者、两个带按消费者限额。智能体处理了每一次配置变更，hub 处理了每一个请求，producer 处理了每一次中继。你从头到尾没手动打开过 ~/.aweshare/config.toml。

技能可以触达的命令栈

aweshare skill 刻意做得很小。它不试图成为通用智能体框架，只是 aweshare CLI 上面薄薄一层过程化封装，加上一个把自然语言映射到命令的意图路由。

你说技能执行
“这周谁用了我的模型？”aweshare hub usage —— 按消费者 × 模型聚合，最忙在前
“邀请 alice 作为消费者。”aweshare hub invite --role consumer --name alice
“把我的 Anthropic 订阅也共享出去。”编辑 config.toml + secrets.json，注册 offering
“应用我的配置修改。”aweshare producer reload —— 不重启、不断连
“给 bob 限到每秒 2 个请求、每分钟 6 万 token。”aweshare hub limits bob --rps 2 --tpm 60000
“hub 现在怎么样？”aweshare hub status —— 别名健康、实时占用、最近 5 分钟
“我的 producer 健康吗？”aweshare producer doctor
“现在谁在 hub 上？”aweshare hub list producers / hub list consumers —— producers 显示实时 ONLINE 状态
“我能调哪些模型？”aweshare consumer list --hub <url> --token asc_...

最后一行最让人惊讶。大多数人早忘了自己几周前加入的 hub 上共享了什么。发现视图列出每个生产者、别名、协议、按别名的限额、实时占用（IN USE n/max —— 此刻有请求在途的不同消费者数）和当日剩余 token。Offline 的 offering 默认隐藏——离线生产者的别名本来就调不通，只是噪音——加 --all 才显示；degraded 的仍然列出，因为生产者还在线，只是上游短暂失败。有人捣乱的话，挂起只需一条命令且可逆：hub revoke --id N 把邀请码和它换出的身份一起挂起（撤销已兑换的生产者码会连带关闭其隧道），hub restore --id N 把两者一起救回。挂起不删除任何数据——offering 和用量记录完整保留。

生产者、消费者、hub：三种角色，一条隧道

架构是三个角色，中间一条隧道：

生产者。 你在自己的机器上运行 aweshare producer start。agent 向 hub 打开一条出站 WebSocket 连接。不需要公网 IP，不需要端口映射，不需要防火墙规则。它注册你的 offering、在转发时注入上游 key，并自动处理健康降级：后端连续两次 AUTH 或 QUOTA 失败即标记 degraded（该别名停止派发），每 30 秒一次的探测让它静默恢复。配置修改热应用——进程两秒内重读 config.toml 和 secrets.json，不断开隧道就重新注册 offering；只有 hubUrl/token 需要重启。同一令牌的重连会替换旧隧道（latest-wins），退避带抖动，hub 重启时不会让所有生产者同时扑上来。

消费者。 你的朋友把标准 SDK 指向 hub。Claude Code、Codex、OpenCode、任何 OpenAI 兼容工具——零改动全部可用。模型名是 命名空间/别名（如 peng/qwen2.5.7b），API key 是他们的消费者令牌（asc_...）。他们看不到你的上游 key，也不知道你的后端地址。而且一个别名可以同时讲多种线上协议——把同一个名字注册到 openai、anthropic、responses 多个后端上，无论朋友用哪个 SDK 调，hub 都路由到对应的线上协议。永远不做协议转换。

hub。 一个带 SQLite 的 Node 单进程，跑在 6 美元的 VPS 上——npm 或 Docker 镜像皆可。它认证令牌、执行限流和按别名的限额、改写模型别名、经 WebSocket 隧道中继请求。每请求一行用量，内容零落库。hub 甚至可以自己挂模型：config.produce.toml 里的 [[backends]]/[[offerings]] 段加上 aweshare hub produce，进程内直接服务 hub/… offering——不需要生产者机器，限额与计量完全一致。只有 hub 需要公网端点——生产者和消费者都可以待在 NAT 后面。

信任边界是明示的：消费者的提示词与模型响应以明文经过 hub。hub 不存储任何内容，但 hub 运维者技术上看得见。这也是 hub 开源、可自建的原因——跑你自己的 hub，信你自己的 hub。而上游 key 永不离开生产者的设备——它由本地 agent 注入，也只有本地 agent 能注入。

Claude Code、Codex、OpenCode 与其他agents

同一套消费者配置在各个客户端通用。

Claude Code 是最常见的消费者。把 ANTHROPIC_BASE_URL 指向 hub，ANTHROPIC_API_KEY 填消费者令牌。--model 参数直接用别名：claude --model peng/sonnet。如果 Claude Code 残留旧 OAuth 登录态，它会覆盖环境变量配置——用 /login 切换或清理已存的凭证。

Codex 默认走 Responses 线协议。responses 协议的 offering 开箱即用；chat 协议的 offering 在 Codex 配置里加 wire_api = "chat" 即可。模型别名写进 provider 配置，Codex 把它当普通模型对待。

OpenCode 用同样的方式走 openai-chat 或 openai-responses。把 OPENAI_BASE_URL 指到 hub 的 /v1 端点，按别名开始调用。OpenCode 的 @-agent 调用可以把子任务路由到不同模型——aweshare 负责上游中继，OpenCode 负责智能体选择。

Cursor、Gemini CLI、Windsurf —— 任何会说 OpenAI Chat Completions、Anthropic Messages 或 OpenAI Responses 的客户端都可以。GET /v1/models 返回 hub 上注册的全部别名及在线状态。协议层会检测不匹配并返回清晰的 400 PROTOCOL_MISMATCH，而不是悄悄把响应体搅乱。

用量分析：谁用了什么

中继只是一半问题。另一半是知道中继用得公不公平。

aweshare 每个请求往 hub 的 SQLite 里写一行——别名、真实模型、状态、耗时、尽力提取的 token 数——内容零落库。usage 系列命令默认回答”谁用了多少”，而不是”翻日志”：

  • hub usage —— 服务端聚合，一行一个 消费者 × 模型：同一个人的行聚在一起，最忙的人和最忙的模型排前面。请求数、错误数、尽力提取的 token 总量、明确的未知 token 行数、平均耗时。窗口默认 7 天并随表头打印（--since 30m|12h|7d|all）；--group-by consumer 收粗到每人一行，--group-by alias 收粗到每模型一行。
  • hub usage --consumer bob —— 看 Bob 到底在干什么，聚合视图和 --details（逐请求日志，新在前，每行标明消费者）都行。他是不是凌晨 3 点在跑批处理？是不是一小时打了 200 次 14B？数据都在。
  • producer usage —— 生产者机器上的同款视图，自动限定在自己模型那份。
  • hub list consumers —— 名册，带状态和最近活跃。有人捣乱？hub limits bob 限流，hub revoke 挂起——可逆。

Token 计数是诚实的：只统计上游报告的用量。Ollama 流式响应不带 usage，这些行计入未知 token；OpenAI 和 Anthropic 流会报告 usage，数字如实记录。终身 token 预算（maxTotalTokens）是精确的，因为它对已落库的行求和——没有滑动窗口，没有尽力而为。

为什么这很重要

第一波共享工具假设操作者是人。共享意味着”这是我的 API key，放进你的环境变量”。授权意味着”我把你加进我的 OpenAI 账号”。多数用户忍了，因为要共享的对象只有一个人。

第二波假设操作者是智能体。共享是一项任务，准入是一项任务。上游 key 永不暴露——不暴露给消费者，不暴露给 hub，甚至不暴露给配置工具的智能体。被委托出去的东西不是 key，而是一份智能体能执行的、可读的规格。

aweshare 还有第二条让它区别于多数中继工具的设计约束：隧道是单向出站的。生产者的 agent 通过 WebSocket 主动外连 hub，hub 永远不回拨。这意味着生产者可以待在任何 NAT、任何防火墙、任何放行出站 HTTPS 的公司代理后面。没有端口映射，没有动态 DNS，没有静态 IP。agent 一连上，中继就通了。

这是我现在评估每一个共享工具的三连问：

  1. 智能体能凭一句提示词装起来吗？
  2. 装好之后，智能体能用自然语言管理邀请和限额吗？
  3. 中继要求生产者暴露公网端点吗？

aweshare 三项全过。第一问的答案是引导协议，第二问是 skill，第三问根本不成立：agent 打开一条出站 WebSocket，生产者的机器留在 NAT 后面，公网那一面由 hub 扛。

智能体工具的未来不是”能和智能体好好配合的工具”，而是”智能体能替你安装、配置、操作的工具”。aweshare 是第一批把这条路径当作主安装方式（而不是权宜之计）的中继工具。

试用

告诉你的智能体：

“帮我装 aweshare。阅读 https://github.com/wehuman01/aweshare/blob/main/README.ai.md 并照做。”

然后在你自己的终端里启动 producer：

aweshare producer start

再把朋友们指向 hub：

export ANTHROPIC_BASE_URL=https://hub.example.com
export ANTHROPIC_API_KEY=asc_...
claude --model peng/qwen2.5.7b

没有常开的机器？项目开发者运营着一个邀请制的社区 hub：https://aweshare.wehuman.top —— 向 peng@wehuman.top 申请邀请码，以生产者或消费者身份加入。

接下来，问题都会变得很日常：

  • “邀请 alice 作为消费者。”
  • “bob 这周用了什么？”
  • “把我的 Claude 订阅也共享出去。”
  • “给 alice 限到每分钟 6 万 token。”
  • “我的 producer 为什么掉线了？”

智能体本来就懂这些命令，只是你还没把 README 给它。

mugpeng 的其他项目

awewarm 是 aweteam 生态的一部分：

  • aweskill — CLI 优先的技能包管理器，支持 47+ AI 编程 agent
  • aweswitch — Claude Code、Codex、OpenCode 的 agent 配置切换器
  • awerouter — 智能路由器，用结构信号把请求分给 Flash 或 Pro 模型，减少不必要的模型开销
  • aweshelf — 收藏、分类、恢复 AI 编程会话，还能搭配aweswitch 实现保存配置，一键启动
  • aweshare — 通过自建 Hub 共享本地 Ollama/vLLM 或已授权的 OpenAI/Anthropic 后端，实现token 的共享经济
  • awewarm — 订阅窗口保持器，让 AI 编程套餐的窗口持续激活，无论是本地设置，还是通过远程连接的服务器