你可能每天都在用 Claude Code、Codex、Cursor。
但你有没有想过——它每次发给模型的，到底是个什么样的请求？
系统提示词长什么样？工具是怎么定义的？多轮对话上下文是怎么累积的？token 都花在哪了？不同模型之间，请求结构有啥差别？
一问三不知。
这就是现在 AI 编程助手的现状——好用是好用了，但它是个黑盒。
你看不见它发给模型什么，就只能在结果上猜：这次回答不好，是 Prompt 没写好？是上下文太长？还是模型本身不行？没有数据，全是玄学。
最近我发现一个开源项目，把这个黑盒撬开了。
一句话介绍：本地代理 + 追踪查看器，专门用来拦截 AI 编程 CLI 的 API 流量。
MIT 开源，2.9k star，作者是一个叫 liaohch3 的兄弟。
它干的事情其实就两件：
听起来简单，但解决了一个真实痛点——终于能看见 AI 编程助手到底在干什么了。
这是我觉得最离谱的地方。
claude-tap 不只能拦截 Claude Code，它还能拦截：
数一下，16 种。
国外主流的、国内大厂的、新锐开源的，全覆盖。
装一个工具，所有 AI 编程 CLI 的请求都能看。这个覆盖度，目前我没见到第二个项目能做到。
光看请求还不够。claude-tap 真正让我眼前一亮的，是这个功能——结构化 diff。
什么意思？
AI 编程助手是多轮对话——你发一句、它回一句、你再发一句。每次请求，上下文都在累积变化。
但每两次请求之间，到底多了什么、改了什么、删了什么？
claude-tap 的 diff 视图会给你字符级的高亮对比：
这对调试 Prompt 的人来说，是核武器。
以前调 Prompt 全靠感觉——"好像这次更差了，但不知道为啥"。现在能直接看到上下文变化，差在哪、改了什么，一目了然。
它的实现原理也很简单，核心思路就两条：
1、对于支持自定义 base URL 的工具，比如 Claude Code、Codex CLI，它用反向代理模式：把客户端的请求地址指向本地代理，代理再转发到真实 API。对客户端来说完全透明。
2、对于不支持改地址的客户端，比如 Gemini CLI、OpenCode、Pi，它用正向代理模式：通过 HTTPS_PROXY 环境变量把流量导到本地，配合自签名的 CA 证书完成 TLS 解密。装好证书之后也是透明的。
所有流量经过代理的时候，会被实时记录成 JSONL 格式的 trace 文件。
实时模式则通过 SSE 把记录推送到浏览器。退出的时候把 trace 打包成自包含 HTML。
就这么简单。没有花里胡哨的东西，就是把流量拦下来、记下来、展示出来。
第一，认证头自动脱敏。
API Key 这种敏感信息，存下来之前会自动打码。你可以放心地把追踪文件分享出去，不会泄露密钥。
第二，自包含 HTML 查看器。
导出的追踪文件是单文件 HTML，零外部依赖。发给同事、丢到 issue 里、嵌入网页都行——对方不用装任何东西，打开就能看。
第三，macOS 菜单栏 app。
可以一键构建一个 Claude Tap.app，住在状态栏里，点开就是控制面板。macOS 用户狂喜。
第四，实时模式。
默认开启。你边跟 AI 聊，浏览器里边实时刷新请求——不用等会话结束才看。
第五，token 用量分解。
输入 token、输出 token、缓存读、缓存创建——分得清清楚楚。优化成本的时候，这是最基础也最重要的数据。
第六，AWS Bedrock 智能适配。
Bedrock 有三种接入方式（Anthropic 网关、企业代理、原生 SigV4），claude-tap 能自动识别，分别用不同策略捕获。这种细节做得到位，说明作者真的在用。
安装：
# Recommended
uv tool install claude-tap
# Or with pip
pip install claude-tap
启动（默认是 Claude Code）：
claude-tap
就这样。它会自动起代理、起查看器、启动 Claude Code，一条龙。
用其他 CLI 的话，加个参数：
# Codex CLI
claude-tap --tap-client codex
# Gemini CLI
claude-tap --tap-client gemini -- -p "hello"
# Kimi Code
claude-tap --tap-client kimi
claude-tap --tap-client kimi-code
# Cursor CLI
claude-tap --tap-client cursor -- -p --trust --model auto "hello"
# 腾讯 CodeBuddy
claude-tap --tap-client codebuddy
以Claude Code为例
# Pass flags through to Claude Code
claude-tap -- --model claude-opus-4-6
claude-tap -c # continue last conversation
# Skip all permission prompts (auto-accept tool calls)
claude-tap -- --dangerously-skip-permissions
# Live viewer is on by default; pass Claude flags after --
claude-tap -- --dangerously-skip-permissions --model claude-sonnet-4-6
完整参数表 GitHub README 里都有，不啰嗦了。
场景一：研究 Claude Code 的系统提示词。
很多人好奇——Claude Code 到底靠什么指令把一个 CLI 整得这么能干？系统提示词怎么组织的？工具怎么定义的？跑一遍 claude-tap，所有底牌都摆在你面前。
场景二：调试 Agent 的 Prompt。
你在做自己的 Agent，调了半天效果不对。用 claude-tap 把请求抓下来，对比相邻两次的 diff，立刻能看到上下文是怎么累积的、哪一步出了问题。比你瞎猜快十倍。
场景三：Claude Code 接 DeepSeek，对比原生 Claude 的差异。
很多人在用 DeepSeek/GLM 接 Claude Code 省钱。但你想过没有——同一个 Prompt，发到 DeepSeek 和发到 Claude，请求结构有没有被网关改？工具定义有没有丢？用 claude-tap 跑一遍，立刻清楚。
说点我自己的看法。
claude-tap 这种工具的出现，说明 AI 编程助手生态真的在成熟。
一年前，大家还在讨论"AI 编程助手好不好用"。现在，大家已经开始关心"它具体怎么工作的"——系统提示词怎么写的、工具怎么定义的、上下文怎么管理的、token 怎么花掉的。
从"凭感觉用"，到"看清楚用"——这是一个生态走向成熟的标志。
对几类人，这个工具几乎是必备：
但我也想说一句——工具只是工具，看请求是为了理解，不是为了逆向。
Claude Code 的系统提示词、工具定义，是 Anthropic 工程师精心设计的成果。看可以，学可以，但直接抄去自己产品里，就不太体面了。
如果你自己在做 AI 编程、AI Agent相关的开发、Prompt 工程，想调试 API 调用、排查问题，claude-tap 就相当于 AI Agent 领域的 Wireshark，强烈建议去 GitHub 看看，跑一遍 Demo。
别等所有同行都在用了，你才反应过来。
GitHub 项目地址：github.com/liaohch3/claude-tap
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。