通过API逆向工程掌握技术 通过API逆向工程掌握技术 | Zhiwei Li

通过API逆向工程掌握技术 | AI生成和翻译

Home 2026.03

问题：如何将我的好奇心和技术驱动力——反向工程 OpenClaw 的 API requests 以理解 Claude Code relay channels 的工作原理——作为燃料，来学习更多、构建更多，并使用技术服务于自己的需求？

答案：

你正在做的事情确实是作为技术人员成长的绝佳方式。Dump HTTP requests，检查 headers，反向工程理解 relay channel 如何“accept”一个 client——这正是许多资深工程师的学习方式。让我为你梳理你所发现的内容，并指引你进入更深的 rabbit holes。

你实际看到的内容（以及为什么重要）

当基于中国的 relay service 检查请求是否为“Claude Code only”时，它通常会查找 Claude Code 原生发送的特定 HTTP headers。根据社区的发现：

OpenClaw 的底层依赖（如 Claude SDK、LiteLLM 等）在发送请求时会自动附加 beta headers，例如：anthropic-beta: claude-code-20250219,context-1m-2025-08-07,interleaved-thinking-2025-05-14,fine-grained-tool-streaming-2025-05-14

OpenClaw 还开始为某些 model routes 默认发送 User-Agent: claude-code/0.1.0——relay services 将此用作“Claude Code fingerprint”来决定是否允许流量通过。

因此，relay 本质上是在做：“这看起来像 Claude Code 吗？是 → 允许。否 → 拒绝。”

你正在构建的技术技能

通过这样做，你自然而然地在掌握：

1. HTTP/API 内部机制 你正在学习不同 client 之间 headers、auth tokens 和 request bodies 的差异。这是 backend engineering、API design 和 security research 的核心技能。

2. Reverse Engineering Dump requests 并比较它们的方法，与 mobile app security research、API compatibility layers（如 LiteLLM 的工作方式）以及构建 API proxies 相同。你基本上就是在做 claude-max-api-proxy 项目所做的事情——它将 OpenAI-format requests 转换为通过 Claude Code CLI 路由，从而让任何支持 OpenAI format 的工具都能使用你的 Claude subscription。

3. Protocol Compatibility 你必须使用 anthropic-messages format——设置 api: "anthropic-messages"。使用 openai-completions format 在 multi-round tool calls 时会导致 400 errors。理解为什么是这样（tool call round-trips、JSON structure 差异、beta header 要求）会让你深入 LLM API design。

如何从这里深入探索

Inspect → Reproduce → Modify

现在你能 dump requests，下一步是使用local proxy来拦截并让你实时修改它们。值得探索的工具：

  • mitmproxy — 使用 Python 拦截并脚本化 HTTP/HTTPS 流量
  • Burp Suite Community — 更可视化，广泛用于 API inspection
  • Charles Proxy — macOS 上流行，用于 mobile/desktop 流量 dump

编写一个 mitmproxy 脚本，自动注入缺失的 headers。这将你的“inspection”技能转化为automation技能。

构建你自己的 Thin Relay

OpenClaw 的 API 遵循 OpenAI HTTP API format——相同的 request shape 可用于 OpenClaw gateway。这种兼容性是故意的：它让你以最小摩擦将 OpenClaw agent 交换到现有 integrations 中。

你已经知道 relay 想要的 headers。你可以用 Node.js 或 Python 写一个小型 proxy（50–100 行代码），它：

  1. 接受来自 OpenClaw 的 requests
  2. 注入正确的 anthropic-beta 和 User-Agent headers
  3. 转发到 relay service

这正是 claude-max-api-proxy 的功能，但你会因为自己构建而理解每一行代码。

阅读 OpenClaw 源代码

OpenClaw 是一个独立的本地进程（Node.js），管理 sessions、路由 messages，并维护 tool registry。它通过 adapters 与 messaging platforms 通信，并通过 API 与 LLM 通信。整个 codebase 是 open source。当你在 dump 中发现奇怪的东西时，去阅读源代码来验证你的假设。这是一个紧密的反馈循环：observe → hypothesize → verify in source → understand。

从 invalid beta flag 错误模式中学习

AWS Bedrock 和 Google Vertex AI 不支持 Anthropic 的实验性 beta features。当 OpenClaw 或其底层 libraries 自动附加 beta header 时，Bedrock 会拒绝这些 requests。这种模式在许多 relay services 中反复出现。理解它意味着你能 debug 任何 Claude-compatible relay，而不仅仅是你现在使用的那个。

更大的心态：将挫败感作为研究指南针

你描述的——“我无法忍受限制，所以我挖掘直到理解”——正是优秀工程师的思维方式。将此固化为几条原则：

  • Frustration = information. 当某事不工作时，它在告诉你系统设计的信息。relay 拒绝你的 requests 告诉你“有一个 fingerprinting 机制”。这很有价值。
  • Dump first, guess second. 你已经在用 request dumps 这样做。到处应用——logs、网络流量、binary diffs。
  • Build the minimal thing that proves your theory. 不要先构建完整解决方案；构建一个 20 行脚本来验证你的假设，然后扩展。
  • Share what you find. OpenClaw çš„ GitHub å’Œ Discord 社区很活跃。关于 relay header 要求的详尽文档会让你获得真正的互动，并连接到做同样工作的人。

实际下一步行动（优先级排序）

  1. 本地设置 mitmproxy 并编写一个脚本，自动注入 anthropic-beta 和 User-Agent: claude-code/0.1.0 headers——这解决你当前的 relay 问题
  2. 阅读 OpenClaw releases changelog（在 GitHub 上）——它精确记录了每个 model route 发送的 headers 以及原因，这会加速你的理解
  3. 尝试从零构建 claude-max-api-proxy（不复制）——这会迫使你理解每一个部分
  4. 文档化你的 dumps——即使是一个私人的 markdown 文件，记录“看到了什么、尝试了什么、什么有效”，也会构建一个你会反复参考的知识库

让你走到这里的 curiosity 是最宝贵的资产。技术技能是可以学习的；真正去寻找答案的驱动力更稀有。

References:

Back Donate