开发者文档

macOS 命令行安装

brew tap clofuture/lokospace
brew install lokospace
lokospace --version

安装步骤

• 访问下载页获取对应系统的安装包
• 运行安装包并按提示完成本地环境初始化
• 首次启动时允许系统权限（辅助功能、文件夹访问等）
• 登录或创建 LokoSpace 账号，开始免费体验

环境要求

macOS 需要 14.0 或更高版本，建议 Apple Silicon 芯片；Windows 需要 Windows 11 22H2 或更高版本。首次启动将自动下载约 800MB 的本地模型与运行时依赖。

插件与 MCP 的区别

插件更适合封装复杂的业务逻辑和 UI 组件，而 MCP 更适合连接外部服务。插件可以声明技能、工具、自定义面板等多种能力，并通过 Loko Mart 市场分发。

插件入口示例

import { definePlugin, registerSkill } from '@lokospace/sdk';

export default definePlugin({
  async setup(ctx) {
    registerSkill('summarize-document', async ({ path }) => {
      const file = await ctx.fs.readFile(path);
      const result = await ctx.llm.chat('请总结以下文档', file);
      return { summary: result.text };
    });
  },
});

开发流程

• 使用 @lokospace/cli 初始化插件模板
• 在 manifest.json 中声明能力、权限与入口
• 使用 TypeScript SDK 实现业务逻辑
• 本地调试通过后打包为 .fbplugin 文件
• 提交到 Loko Mart 市场审核

获取密钥

• 打开 LokoSpace 客户端，进入「个人中心 → API 接入」
• 接口地址固定为 https://sheverai.com/8811c8/api/llm/v1
• 密钥分两种：跟随账号（默认，随登录状态生效与失效）与长期（有效期一年，可单独撤销）
• 长期密钥的完整明文只在创建时显示一次，请立即保存；撤销也在同一处

读取模型列表

curl https://sheverai.com/8811c8/api/llm/v1/models \
  -H "Authorization: Bearer <你的密钥>"

发起一次对话（OpenAI 协议）

curl https://sheverai.com/8811c8/api/llm/v1/chat/completions \
  -H "Authorization: Bearer <你的密钥>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<上面列表里的模型 id>",
    "messages": [{ "role": "user", "content": "你好" }]
  }'

第三方客户端怎么填

• 接口地址 / Base URL：https://sheverai.com/8811c8/api/llm/v1
• API Key：个人中心创建的密钥
• 模型：从「获取模型列表」里选，不要手写

模型 id 规则

• id 区分大小写，必须与列表返回的完全一致（例如 Claude-Sonnet5.5，不是 claude-sonnet5.5）
• 不要在 id 后自行添加 [1m] 之类的上下文后缀，网关只认列表里的原始 id
• 模型可用性与计费以模型列表返回为准

Claude Code 等 Anthropic 协议客户端

这类客户端走 Anthropic Messages 协议。当目录中的模型未声明支持该协议时，网关会返回 MODEL_PROTOCOL_MISMATCH。可行做法是在本地运行一个转换代理，把 Anthropic 请求转成 OpenAI 协议再转发到网关，由代理负责剥离 [1m] 之类的上下文后缀。

Claude Code 接通示例（本地代理）

{
  "env": {
    "ANTHROPIC_BASE_URL": "http://127.0.0.1:3456/proxy",
    "ANTHROPIC_API_KEY": "proxy-managed",
    "ANTHROPIC_MODEL": "Claude-Sonnet5.5[1m]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "qwen3.5-flash[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "deepseek-v4-pro[1m]",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "deepseek-v4-flash-vision-exp[1m]"
  }
}

提示词缓存（省积分的关键）

当请求开头有一段稳定、较长的内容（系统提示、技能清单、长文档、多轮对话历史）时，上游可以把它缓存下来：后续请求只要开头逐字一致，重复部分就按「缓存命中价」计费，通常远低于正常输入价。长对话和 Agent 场景一般能省下大部分输入成本。

怎么用

• 无需配置：网关会对 Claude 系模型自动注入缓存断点，未自带断点的请求同样生效，第三方客户端直接用即可
• 想自己控制：把要缓存的内容写成内容块数组，在最后一个文本块上打 cache_control（见下方示例）；最多 4 个断点，一般 1–2 个够用
• 被缓存的前缀必须逐字一致：不要在开头放时间戳、随机 ID 或每次变化的字段
• 缓存默认存活 5 分钟，命中后重新计时；Claude 系模型要求前缀至少约 512 tokens

OpenAI 协议：给稳定前缀打断点

curl https://sheverai.com/8811c8/api/llm/v1/chat/completions \
  -H "Authorization: Bearer <你的密钥>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Claude-Sonnet5.5",
    "messages": [
      {
        "role": "system",
        "content": [
          { "type": "text", "text": "（很长且固定的系统提示……）", "cache_control": { "type": "ephemeral" } }
        ]
      },
      { "role": "user", "content": "你好" }
    ]
  }'
# 注意：content 必须写成数组才能携带 cache_control；content 是普通字符串时无法打断点。

怎么看有没有命中

• OpenAI 协议：看响应 usage.prompt_tokens_details.cached_tokens（命中量）和 cached_creation_tokens（写入量）
• Anthropic 协议：看 usage.cache_read_input_tokens（命中量）和 cache_creation_input_tokens（写入量）
• prompt_tokens 是总输入、命中量包含在内；命中部分按缓存价计费，写入部分按写入价（通常略高于输入价）

常见报错

• 401 LOGIN_REQUIRED / TOKEN_INVALID：没带密钥或已失效，重新在个人中心创建
• 403 MODEL_ACCESS_DENIED：请求的模型 id 不在你的可用列表里，改用列表返回的 id
• 400 MODEL_PROTOCOL_MISMATCH：协议不匹配，OpenAI 客户端走 /chat/completions，Anthropic 客户端需要转换代理
• 402 INSUFFICIENT_CREDITS：账号积分不足

使用场景

• 本地模型无法胜任的复杂推理任务
• 需要大量 Agent 并行处理的批量任务
• 团队共享的云端计算池
• 长周期运行的定时任务与监控

计费方式

Fleet 按实际使用的算力时长计费，支持积分抵扣与包月套餐。任务完成后资源立即释放，不会产生闲置费用。你可以在设置中设置月度预算上限，避免超支。

数据安全

上传到 Fleet 的任务数据会经过端到端加密，传输链路使用 TLS 1.3。任务完成后，云端不会保留任何中间数据，所有交付物会直接写回本地。