experientiallabs/experiential

如果你已经在为多个模型供应商做路由，并且希望把流量沉淀成自己的路由或模型，这个项目值得花半天试试；只想要一个模型代理的话，有更轻的选择。

解决什么问题

智能体项目通常先直连一家模型，为了质量或成本再加第二家、第三家 key。很快就没有人说得清哪个用户、哪个智能体、哪个功能在花多少预算，换模型还得逐个改应用。Experiential 在托管模型、自带 key 和本地模型前面放了一个 OpenAI 兼容入口，把身份和花费控制收到网关一层。请求路径不变，模型选择从应用代码里挪出来。

有什么不同

真正有区别的是路由之后那一步：网关收集 OpenTelemetry trace，提供 exp build 把 trace 变成项目模拟环境和拟合好的路由器，另有 exp optimize model 通过 Tinker 微调开源模型。流量因此成为调优输入，而不只是看板上的数字。README 还提供了一个终端任务 trace 的公开样例数据集，没有自己的流量也能先试 build 流程。代价是推荐和优化依赖有代表性的流量：刚装上只发过几次请求，基本学不到东西；走微调路径则意味着把 trace 交给第三方微调服务。

安装方式很灵活，这一点有利也有弊。pip install experiential 后运行 exp，会在本机回环地址起一个带向导的网关，自动配好别名并生成 key；不想自己运维也可以直接用托管平台，API 一致。SETUP.md 里的提示词可以把整套配置交给编程助手。本地试用门槛低，但自建网关的升级和各家供应商连接维护是长期活。

另外还有一个独立的 exp capture 模式，用你已有的订阅从 Codex 和 Claude Code 桌面端记录 trace。README 明确标注它是实验性的，并说明 macOS 网络可靠性仍在排查，不适合把工作流建在这上面。

谁值得试

适合：同时在用多家供应商跑智能体、需要统一的预算和身份控制，并且愿意后续拿 trace 做路由实验的团队。只想要本地代理和一个 key 的个人开发者，可以只用本地 exp，先忽略优化功能。不适合：现在就需要稳定抓取 trace 的人，因为 README 自己说 capture 是实验性的且限于 macOS；以及不愿意把 trace 导出到自有基础设施之外的团队。

使用条件与边界

本地路径需要 Python，会安装一个命令行工具；托管路径需要账号和 xpl_ key。限制最多的是 capture：需要 macOS、Python 3.13+，还要批准浏览器扩展和证书。匿名聚合遥测默认开启，在意的话需要手动关闭。

还有两点要留意。优化流程需要 trace 文件，价值取决于你能提供多少真实流量，微调那一步依赖 Tinker 这个外部服务。README 节选覆盖了路由、抓取和调优，但没有讲清按用户限制花费的执行细节，以及某个供应商故障时的行为；把这些放到真实用户面前之前，最好先在项目文档里读一遍。

HotRepo 点评

仓库创建于 2026 年 6 月下旬，到 2026-10-25 已有 12,389 star。HotRepo 只有这一天的新项目榜记录：当天新增 1,224 star，位列新项目榜第 12。这只是年轻项目的一个快照，不是趋势线，暂时无法判断热度能否持续。Show HN 讨论有 222 分、47 条评论；有评论者在2026-08-28指出，用量看板截图似乎只存在于托管平台、不在仓库里。如果你打算自建，这点值得先确认。另外要核实路由拟合流程能否完全基于自己导出的 trace 运行。