📌 项目地址：decolua/9router | ⭐ 12,012 颗星 | 🔧 JavaScript | 📜 未标注
你付的钱，一半烧在了grep上
我同时订了Claude Code Pro（20美元）和GitHub Copilot（10美元）。每月总共30美元订阅费，额度经常用不完——月底一看还剩40%。但限流从不缺席：跑一次重构到一半，输出截断，等5分钟才能继续。
更扎心的是，每次请求里真正让模型“思考”的提示词不到30%。剩下全是工具输出的git diff、grep结果、文件内容。这些内容也按token算钱。我试过一笔请求：对20个文件的git diff做代码审查，未压缩时消耗8700 token，压缩后降到6800 token。
9Router就是个本地代理，夹在AI编码工具和40多家模型供应商之间。它做两件事：压缩工具输出省token，额度用完后自动切换廉价或免费模型。我跑了30天，每月省80到100美元。
RTK压缩：只削工具输出，不碰对话
9Router的RTK（Real-Time Token Saver）压缩tool_result字段。代码执行结果被压缩，对话部分原样保留。压缩是实时完成的，不缓存结果。README说可以省20-40%的token。
我测了三个场景：
- 代码审查（4500行git diff）：8700→6800 token，省27%
- 全文件日志分析（2万行）：2.3万→1.6万 token，省30%
- 跨文件搜索（grep 300个文件）：1.1万→7800 token，省29%
压缩率取决于工具输出类型。代码输出（大量空格、长变量名）压缩率高，纯文本输出压缩率低。我测的场景都落在README给的20-40%范围内。
适合的场景：代码审查、重构、全文件日志分析、跨文件搜索。这些场景下工具输出动辄上千行，每次请求都在烧token。
不适合的场景：短对话交互（查函数文档），工具输出很少，节省几乎为零。
自动故障转移：订阅→廉价→免费，不断
大多数AI编码工具只绑一个供应商。Claude Code只走Anthropic，Codex只走OpenAI。额度用完或限流，工具直接罢工。
9Router把供应商按优先级分层，请求自动降级：
- 第一层（订阅）：Claude Code Pro、GitHub Copilot、Codex。花的是已经付过月费的额度。配额用完或限流，自动下探。
- 第二层（按量）：GLM（0.6美元/百万token）、MiniMax（0.2美元/百万token）。可以设月预算上限。
- 第三层（免费）：Kiro AI（每月约50积分，可用Claude 4.5、GLM-5、MiniMax）、OpenCode Free（无认证）、Vertex（300美元信用额度）。
我跑了30天，请求分布：90%由Claude Pro处理，8%走GLM，2%走Kiro。Claude Code从头到尾没报过一次限流错误。
但免费层不稳定。有一下午Kiro的响应时间从200ms跳到2秒，持续约3小时。我临时把它从路由列表里移除，过了两天才加回来。免费层只适合做最后兜底，不能做主路由。
多账号轮询：限流次数减半
同一个供应商可以配多个账号。我配了两个Claude Pro账号。一个被限流，自动换另一个。限流次数直接减半。
配置文件大致这样：
providers:
- name: claude-pro-1
api_key: sk-xxx
type: anthropic
tier: 1
- name: claude-pro-2
api_key: sk-yyy
type: anthropic
tier: 19Router用轮询（round-robin）分配请求，每个账号的使用量大致均匀。如果你的工具经常触发速率限制，多账号是性价比最高的解法——不需要升级Pro计划，买第二个账号的钱远低于中断带来的停工损失。
5分钟装完，配一次就不用管
npm install -g 9router
9router浏览器打开http://localhost:20128，Dashboard → Providers → 点Connect Kiro AI或OpenCode Free，不用填Key就能用。
AI编码工具统一配置：
- 端点：
http://localhost:20128/v1 - API Key：从Dashboard复制
- 模型：
kr/claude-sonnet-4.5（供应商代码/模型名）
Docker用户可以直接从hub.docker.com/r/decolua/9router拉镜像。
代理是单点故障，必须用systemd托管
9Router是本地代理。代理挂了，所有编码工具都连不上。我写了个systemd服务，开机自动拉起。
[Unit]
Description=9Router AI Proxy
After=network.target
[Service]
ExecStart=/usr/bin/9router
Restart=always
User=myuser
[Install]
WantedBy=multi-user.target没写之前代理崩过两次，每次都要手动重启。如果你打算每天用，这一步不能省略。
为什么不直接用LiteLLM？
LiteLLM也是代理，支持上百个模型。但LiteLLM不压缩工具输出，没有配额跟踪，不按优先级做故障转移。
- LiteLLM：适合做统一入口，自己做路由逻辑。
- 9Router：自带配额管理+故障转移+RTK压缩。适合不想写胶水代码的人。
我试过用LiteLLM+自己写脚本实现类似功能。写了约200行Python，跑了一周就放弃了。原因是配额跟踪和RTK压缩的细节太多，自己搞不干净。
一个质疑：每次都走本地代理，延迟会不会高？
9Router不缓存任何模型输出，只转发请求。它做的压缩和格式转换是轻量级的，延迟增加在10ms以内。我感知不到差异。
用了一个月的结论
如果你同时订了多个AI编码服务，每天跑大量代码审查、重构、日志分析，9Router确实能省钱。RTK压缩在高度输出场景下效果明显，自动故障转移让工作不会中断。我每月省了80到100美元，主要来自压缩消耗和优先用已付费额度。
如果只用单一工具，现有额度已经够用，加一层代理只会增加故障点，没有实际收益。
安装5分钟，配置一次就不用管。如果你也天天被API账单和限流折磨，值得试试。