TestModelAlive

English

TestModelAlive 是一个 Tauri 桌面应用，用于管理 Codex / Claude / OpenCode / DeepSeek Harness 兼容 API 端点，并通过本机 CLI 工具测试已保存模型是否可用。

应用支持中英双语界面，默认中文。

总体设计思路

1. 主页：填写模型 API 信息，拉取模型列表，保存 API 和对应的模型。
2. 模型测试页：为测活生成临时配置文件，按需替换 Codex / Claude / OpenCode / DeepSeek Harness 配置，再使用替换后的配置进行测活。

测活指测试模型是否可用。测试时会向模型发送指定提示词，并根据命令输出中是否包含成功关键词判断模型是否通过。

主页使用步骤

1. 填写端点名称、类型、URL 和 API Key。
2. 点击“拉取模型”，确认模型列表后勾选需要保存的模型。
3. 点击“保存端点”，在“已保存端点”中选择、加载、复制或删除端点。

模型测试页使用步骤

1. 在主页选择一个已保存端点，点击“测试”进入模型测试页；页面会展示端点类型、URL 和脱敏后的 API Key。
2. 先确认要测试的模型列表，可重新“拉取模型”、保存模型，也可使用全选、全不选、反选快速调整范围。
3. 按需设置超时时间；Claude 端点可勾选“模型后追加 1M 上下文 [1m]”测试长上下文模型名。
4. 点击“测试设置”可修改测试提示词和成功关键词；提示词必须要求模型输出该关键词，系统会用它判断测试是否通过。
5. 点击“开始测试”测试当前端点，或点击“测试当前配置”验证本机 CLI 现有配置；测试过程中可停止，并通过结果区和日志区查看状态、耗时、错误输出。测试通过后再按需应用到 Codex、Claude、OpenCode 或 DeepSeek Harness。

测试模型是否可用：

替换 CLI 配置：

技术栈

• 前端：TypeScript + Vite，源码在 frontend/。
• 桌面运行时：Tauri 2 + Rust，源码在 src-tauri/。
• 旧版 Python/PyQt 文件保留在 lagacy/。

环境要求

• Node.js 和 npm。
• Rust stable toolchain。
• 当前平台所需的 Tauri 系统依赖。
• 根据测试类型安装本机 CLI：
  • Codex 端点需要 codex。
  • Claude 端点需要 claude。
  • OpenCode 端点需要 opencode。
  • DeepSeek Harness 端点需要 dsh，可通过 npm install -g @deepseek-ai/dsh 安装。

应用会在 PATH 和常见安装位置中查找 CLI，包括 Windows 的 npm 全局路径和 macOS 的 Homebrew 路径。

开发

安装依赖：

npm install

启动 Tauri 开发模式：

npm run tauri dev

只构建前端：

npm run build

构建桌面应用：

npm run tauri build

数据目录

运行时数据保存在用户目录下：

~/.TestModelAlive/

Windows 下对应：

%USERPROFILE%\.TestModelAlive\

目录内主要文件包括：

• settings.json：已保存端点、模型列表、测试设置和 CLI 配置还原基线。
• cli-config-apply-history.json：CLI 配置应用历史。
• claude-settings.json：测试 Claude CLI 时生成的临时 settings 文件，每次测试会直接覆盖，保留用于排查问题。
• codex-home/：测试 Codex CLI 时使用的独立 Codex home。
• opencode-home/：测试 OpenCode CLI 时使用的独立 home。
• dsh-home/：测试 DeepSeek Harness 时使用的隔离 DSH_HOME。
• cli-config-backups/：应用或还原真实 CLI 配置前生成的备份。

模型测试

模型测试通过本机 CLI 执行：

• Codex 测试使用独立 CODEX_HOME，路径为 ~/.TestModelAlive/codex-home。
• Claude 测试使用 ~/.TestModelAlive/claude-settings.json 作为 settings 文件。
• OpenCode 测试使用独立 home，路径为 ~/.TestModelAlive/opencode-home。
• DeepSeek Harness 测试使用隔离 DSH_HOME，路径为 ~/.TestModelAlive/dsh-home，通过 dsh --profile headless 运行；API Key 仅作为子进程环境变量注入。

测试弹窗会实时显示 CLI 输出。后端不会再把测试日志镜像输出到终端。

成功判定可配置：

• 设置测试提示词。
• 设置成功匹配关键词。
• 提示词必须明确包含成功关键词，并要求模型输出它。
• 命令输出中包含成功关键词时，模型会被标记为可用。

DeepSeek Harness 配置

• 在 DeepSeek Harness 类型端点中选择一个或多个模型后，可点击“应用到 DeepSeek Harness”，并选择其中一个默认模型。
• 应用会合并 DSH 的 settings.yaml 和 .credentials.yaml，路径为 DSH_HOME（如已设置）或默认的 ~/.dsh/。
• DeepSeek Harness 凭据使用可读的 TMA_DSH_<端点名称>_API_KEY 引用。
• 在 macOS 和 Linux 上，应用会以仅当前用户可读写的 0600 权限写入 .credentials.yaml，以满足 DSH 的凭据安全要求。
• deepseek-v4-flash 和 deepseek-v4-pro 默认与其他模型一起写入 OpenAI 兼容的 tma-<端点名称> provider。llm-pi-ai 尚未适配第三方端点的 DeepSeek 模型；要使用它们作为默认模型，需在应用选项中勾选“拆分 DeepSeek V4 模型到 llm-deepseek”，将它们写入原生 llm-deepseek 配置，并使用 deepseek-official 作为 agent-default-model provider。未勾选时，DeepSeek V4 模型不能作为默认模型。
• 拆分会覆盖 llm-deepseek 中已有的 DeepSeek 官方配置。
• 拆分时可选择最大输出：官方端点默认 384000，第三方端点可选 131072。隔离测活固定使用 131072，不读取已有 DSH 配置。
• 模型测试页提供“恢复官方配置”，会清除顶层 llm-deepseek 和默认模型覆盖项，恢复 DSH 内置官方配置；“删除本 Provider”移除当前端点的 tma-<端点名称> provider、默认模型引用及对应 API Key 凭据。
• 会复用内嵌的模型上下文和最大输出值，llm-pi-ai 模型还会转换 OpenCode 推理档位，未知模型保留 DSH 默认能力。
• 模型元数据内嵌在应用的 src-tauri/src/model_metadata.json，不会写入 ~/.TestModelAlive/settings.json；启动时会自动移除旧的 opencode_model_variants 字段。
• DeepSeek Harness 目前处于开发预览阶段，配置格式可能会有破坏性变更；升级 DSH 后请先执行一次“测试当前配置”。

平台说明

• Windows 支持 .cmd / .bat CLI shim，并通过 taskkill /T /F 终止进程树。
• macOS 和 Linux 会额外查找 /usr/local/bin、/opt/homebrew/bin、~/.local/bin 等常见 CLI 路径。
• Tauri 跨平台打包可能需要对应平台的 SDK、资源编译器或系统依赖，仅安装 Rust target 不一定足够。

友链

• LINUX DO

安全提醒

API Key 会以明文形式保存在 ~/.TestModelAlive/settings.json，应用到本机 CLI 后也会写入对应 CLI 配置。

不要提交或公开运行时数据文件。相关本地数据文件已加入 .gitignore。