【声明】本博客所有内容均为个人业余时间创作，所述技术案例均来自公开开源项目（如Github，Apache基金会），不涉及任何企业机密或未公开技术，如有侵权请联系删除
背景
上篇 blog
【Agent】【OpenCode】本地代理（脚本实现）
分析提到了代理的位置决定协议的类型，比如如果选择的是本地代理，则可以用 HTTP 协议进行代理，这意味着 OpenCode 和本地代理之间用的是 HTTP 明文，虽然最终本地代理到 DashScope 是 HTTPS（加密），但至少 OpenCode 到本地代理这一段是明文，而如果是远程代理，可以使用 HTTPS 代理，代理需要持有 HTTPS 证书私钥，得先解密请求，处理后再加密发给 DashScope，比较麻烦，最后给出了一版本地代理的脚本，下面继续分析
OpenCode
上篇 blog 分析到了这里选择 JavaScirpt 脚本是基于开发效率，生态适配和使用场景的综合考虑，下面详细分析下其中原因
- JavaScript 与前端，IDE 插件生态天然契合：VSCode 本身就是用 Electron（JavaScript/TypeScript）构建的，很多 AI 插件的开发者都很熟悉 JS/TS，比如用户如果已经在写 VSCode 插件，那么顺手写个配套代理也是非常自然的
- JSON 处理极其简单 ：AI 的 API 请求和响应全是 JSON，而 JavaScript 的
JSON.parse()，JSON.stringify()是原生支持 JSON 解析，代码极简，比如在 Node.js 的代理中修改请求体，只需要 3 行就能搞定
javascript
const body = JSON.parse(rawBody);
body.model = 'qwen-plus';
const newBody = JSON.stringify(body);注意，这里有个细节，前两行已经完成了修改 request body 的逻辑，body 这个 JavaScript 对象到这里已经是改好的状态，但是 HTTP 请求的 body 必须是字符串（或 Buffer），不能直接发送 JS 对象，所以第三行这里需要先把 JSON 对象先转成字符串，才能发送 HTTP 请求，举个例子，假设 OpenCode 发来
javascript
{ "model": "gpt-3.5-turbo", "messages": [...] }代码执行的时候，变量转换如下
| 步骤 | 变量 | 值 |
|---|---|---|
| rawBody | 字符串 | '{"model":"gpt-3.5-turbo",...}' |
| body | JS 对象 | { model: "qwen-plus", messages: [...] } |
| newBody | 字符串 | '{"model":"qwen-plus",...}' |
只有 newBody 才能作为合法的 HTTP body 发送给 DashScope，其实也可以省略变量名，直接使用 JSON.stringify(body)，无需存到 newBody，这样写成两行即可
javascript
let body = JSON.parse(rawBody);
body.model = 'qwen-plus';
proxyReq.write(JSON.stringify(body));OK，继续分析本地代理使用 JavaScript 的好处
- 异步 IO 高效处理流式响应 ：大模型 API 通常支持流式输出（streaming），而 Node.js 的
stream和pip()可以轻松透传流数据，这些虽然 Go 和 Python 也能做，但 Node.js 在这类 IO 密集型任务上启动快，内存轻 - 零依赖快速启动 ：一个 20 行的 Proxy.js 脚本不需要编译，只需要
node proxy.js，无外部依赖（用内置的http/https模块），对比其他语言
| 编程语言 | 依赖表现 |
|---|---|
| Go | 需要编译，生成单文件执行 |
| Python | 需确保环境有 requests 等库 |
| Rust | 编译慢，适合高性能场景 |
对于临时调试，快速原型，JS 是最轻量的选择
上面介绍了本地代理使用 JavaScript 的优势，下面再介绍一些不适合用 JavaScript 的场景
| 场景 | 推荐语言 | 原因 |
|---|---|---|
| 高并发生产环境 | Go，Rust | Node.js 单线程，CPU 密集型任务会发生阻塞 |
| 资源受限设备（比如树莓派） | C，Rust | Node.js 内存炸弄较高（~50MB+） |
| 需要复杂计算（比如 token 统计，加密等） | Python，Rust | JS 数值，科学计算生态弱 |
| 企业级部署（比如监控，日志，熔断等场景） | Java，Go | Spring Cloud 等微服务框架成熟 |
可以看到，所有主流语言都能实现本地代理，选择取决于开发者的熟悉度和需求，没有最好的语言，只有最合适当前场景的工具，如果更熟悉 Python，就用 Python，如果追求极致性能，就用 Go，Rust，如果只是临时调试，JS 是最轻量的选择
OK，本篇先到这里，如有疑问，欢迎评论区留言讨论，祝各位功力大涨，技术更上一层楼！！！更多内容见下篇 blog