本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 在AI应用或者Agent开发时，如果初期测试时每次都请求真实模型，会消耗大量的Token，受成本、网络、请求时间等影响。 传统 HTTP Mock 能返回 JSON，但很难同时模拟 OpenAI Responses SSE、Anthropic Messages 等 LLM 协议细节。 于是我们开发并开源了LMMOCK，专业的模拟大模型响应的轻量级、可视化的本地 Mock LLM Provider 开源地址如下： github.com GitHub - lewismosciski/LMMOCK: A lightweight local mock LLM provider —... A lightweight local mock LLM provider — deterministic OpenAI and Anthropic responses, with no API calls, no tokens, and no code changes. 前端页面如下，支持切换中文使用： 亮点： 同时支持 OpenAI 与 Anthropic 协议 覆盖 Chat Completions、Completions、Responses 和 Anthropic Messages，包括流式输出与 Tool Call。验证了 Codex 和 Claude Code。 轻量、友好、跨平台 简洁清晰的前端页面，方便配置和使用，支持源码启动、Docker，以及 Linux、macOS、Windows 发布包。 为多 Agent、多个模型后端而设计 可以使用 gpt- 、 deepseek-chat 、 glm- 、 claude-* 等任意模型名，并为每个模型分配不同的接口、API Key 和响应行为。 不只能返回固定文本 支持正则表达式，支持响应文本、JSON、Tool Call、HTTP 错误、响应延迟，以及指定大小的随机数据。 浏览器中可视化配置 Mock 行为 无需手写复杂配置文件，可以直接管理模型、规则、匹配条件、优先级和行为组。 项目处于开发初期，欢迎佬们提出issue和pr。爱佬们。 3 个帖子 - 2 位参与者 阅读完整话题

  • 情报分类：开源项目与落地
  • 分类依据：内容涉及项目实践、创业、副业或变现
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/9/21 14:59:14