项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 932
技术标签
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- Go 编译环境(README 使用 go build 构建后端二进制)
- 多机部署需要 MySQL(SQLite 不适用,需用 SQL_DSN 共用同一数据库)
- 多机部署的从机需各自安装独立的 Redis 实例
- 可访问 localhost 的浏览器用于登录管理后台
安装与启动步骤
-
1获取源码
克隆仓库并进入项目目录,后续前端与后端构建、启动都在该目录下进行。
git clone https://github.com/modelbus/one-api-pro.git cd one-api-pro -
2构建后端二进制
README 明确要求后端构建必须在前端构建之后执行,以便嵌入最新前端资源,在项目根目录生成 one-api-pro。
go build -ldflags "-s -w" -o one-api-pro -
3赋权并启动服务
给二进制加可执行权限后启动,默认监听 3000 端口,日志输出到 ./logs 目录。
chmod u+x one-api-pro ./one-api-pro --port 3000 --log-dir ./logs -
4登录管理后台
浏览器打开 http://localhost:3000,用默认账号 root / 123456 登录,再在控制台内继续配置。
-
5按需自定义配置
One Api Pro 开箱即用,可通过环境变量或命令行参数进一步定制;不确定含义时可先删掉该项取值查看应用内提示。
-
6多机与集群部署
多机部署需各主机同一 SESSION_SECRET、同一 MySQL;从机设 NODE_TYPE=slave 并配置独立 Redis。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
SESSION_SECRET | 是 | 多机部署时每台主机必须设置为相同的值 | your-session-secret-xxxxxxxx |
SQL_DSN | 是 | 所有主机共用同一个 MySQL 数据库,SQLite 不可用 | root:123456@tcp(127.0.0.1:3306)/one-api-pro |
NODE_TYPE | 否 | 从机设为 slave,主机默认 master | slave |
SYNC_FREQUENCY | 否 | 各主机定期从数据库同步配置的频率 | 60 |
FRONTEND_BASE_URL | 否 | 从机可将页面请求重定向到主机 | http://master.one-api.pro |
REDIS_CONN_STRING | 否 | 从机各自独立的 Redis 连接串,支持 Sentinel/集群 | redis://127.0.0.1:6379 |
如何确认成功
浏览器访问 http://localhost:3000 能打开管理后台,并用 root / 123456 成功登录。
常见问题
Q:默认账号密码是多少?
A:默认账号 root、密码 123456,登录地址 http://localhost:3000,生产环境请登录后立即修改。
Q:多台机器能共用一个 MySQL 实例吗?
A:去中心化集群模式不行,每个节点必须使用独立 MySQL 实例,因为 auto_increment_offset 是实例级变量。
Q:多机部署可以用 SQLite 吗?
A:不可以,多机部署需设置 SQL_DSN 让所有主机共享同一个 MySQL 数据库。
Q:不知道某个配置项的含义怎么办?
A:可临时删除该配置的值,应用内会给出对应提示;也可查阅官方文档 http://doc.one-api.pro/。
注意事项
- 后端构建必须在在前端构建之后执行,否则二进制中嵌入的前端资源不是最新的。
- root / 123456 仅为初始默认账号,正式使用前务必修改密码并设置 SESSION_SECRET。
- 从机建议安装独立 Redis 并设置 REDIS_CONN_STRING,缓存命中时可不访问数据库以降低延迟。
- 更完整的生产部署与 API 说明请参考官方文档与在线 Demo:http://doc.one-api.pro/ 、http://demo.one-api.pro
核心亮点
- 深度重构 one-api,继承成熟生态,同时优化架构与体验
- 全新 Vue 3 + Arco Design 管理后台,仪表盘可视化直观
- 支持按 Token / 按次计费与周期限频,成本核算精细到 Prompt/Completion/Cached
不足之处
- 早期项目(212 星),文档与社区生态待观察
- 多活集群的运维复杂度较高,需额外投入部署与监控成本
适用场景
- 企业内部统一接入多个 AI 模型供应商,简化开发与密钥管理
- 需要精细计量与计费,面向内部团队或外部客户提供 AI 服务
- 对服务可用性要求高,需多节点容灾部署的生产环境
替代项目
one-api、LiteLLM、Kong AI Gateway
同类项目推荐
clawmetry
开源
看清智能体每一步思考,调试不再靠猜。
See your agent think. Zero-config observability & governance for 30 AI agent runtime···
hummingbird
开源
消费级硬件上跑超大 MoE 模型,统一内存调度
hummingbird is a lightweight, zero dependency runtime for massive open source Mixtur···
temps
开源
一个 Rust 二进制,搞定部署、监控、分析和 AI 代理集成
AI-native open-source alternative to Vercel + Sentry + PostHog + Pingdom + Resend + ···
automem
开源
给 AI 装上跨会话的长期记忆,让对话更连贯
Long-term memory for AI assistants. Graph + vector store that recalls decisions, rel···
sagemaker-python-sdk
开源
几行 Python 把模型训练部署到 AWS 云端
A library for training and deploying machine learning models on Amazon SageMaker
PolyStrata
开源
一键在个人电脑跑多种大模型,本地开放兼容 API
Run large AI models on your own PC: Qwen3.8-Flash-Next on Strata's engine, and GLM 5···
raft
开源
GPU 加速的检索与机器学习算子库,开箱即用
RAFT contains fundamental widely-used algorithms and primitives for machine learning···
GPTRouter
开源
一个接口管所有大模型,自动切换保稳定,响应提速不宕机。
Smoothly Manage Multiple LLMs (OpenAI, Anthropic, Azure) and Image Models (Dall-E, S···
clearml-agent
开源
一键排队运行ML任务,自动调度GPU,省心省力
ClearML Agent - MLOps/LLMOps made easy. MLOps/LLMOps scheduler & orchestration solut···
