Spaces:

li2895
/

ima2api

Paused

App Files Files Community

ima2api / README.md

li2895

fix: 思考内容 + 流式协议修复 + README元数据

5ade401 about 1 month ago

preview code

Raw

History Blame Contribute Delete

11.5 kB

metadata

title: ima2api
emoji: 🚀
colorFrom: blue
colorTo: indigo
sdk: docker
sdk_version: 1.0.0
app_port: 7860
pinned: false

ima2api

逆向 IMA App 的 AI API，封装为 OpenAI Chat Completions 和 Anthropic Messages 兼容格式，支持 tool calling（prompt 注入方式）。

一次抓包即可，之后都会自动刷新cookie。

快速开始

cd ima2api
npm install
python3 ima_runner.py

配置

编辑 config.json：

{
  "server": { "port": 8080, "host": "0.0.0.0" },
  "auth": {
    // 从 IMA App 抓包获取的完整 Cookie
    "cookie": "IMA-GUID=...;IMA-TOKEN=...;...",
    "refresh_token": "抓包https://ima.qq.com/auth_login/refresh请求获取",
    "registration_id": "抓包https://ima.qq.com/auth_login/refresh请求获取"
  },
  "api_keys": ["sk-ima-demo-key-change-me"],
  "default_model": "glm-5.2"
}

获取 Cookie

手机安装 IMA App，QQ/微信登录
配置 HTTPS 代理（mitmproxy / Charles / Fiddler）
发送任意消息，复制请求中的 x-ima-cookie 值
填入 config.json → auth.cookie
将 https://ima.qq.com/auth_login/refresh 这条请求里的refresh_token和registration_id也填入config.json (用于自动刷新cookie)

API 端点

OpenAI 兼容 (`/v1`)

# 模型列表
curl http://localhost:8080/v1/models -H "Authorization: Bearer YOUR_KEY"

# 普通对话
curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"glm-5.2","messages":[{"role":"user","content":"你好"}]}'

# 流式
curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -d '{"model":"glm-5.2","messages":[{"role":"user","content":"你好"}],"stream":true}'

# Tool calling
curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -d '{
    "model":"glm-5.2",
    "messages":[{"role":"user","content":"执行 uname -a"}],
    "tools":[{
      "type":"function",
      "function":{"name":"Bash","description":"执行命令","parameters":{"type":"object","properties":{"command":{"type":"string"}},"required":["command"]}}
    }],
    "tool_choice":"auto"
  }'

# Tool 结果回传 (多轮)
curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -d '{
    "model":"glm-5.2",
    "messages":[
      {"role":"user","content":"执行 uname -a"},
      {"role":"assistant","tool_calls":[{"id":"call_1","type":"function","function":{"name":"Bash","arguments":"{\"command\":\"uname -a\"}"}}]},
      {"role":"tool","tool_call_id":"call_1","content":"Linux ..."}
    ]
  }'

Anthropic 兼容 (`/v1`)

# 流式对话
curl http://localhost:8080/v1/messages \
  -H "Authorization: Bearer YOUR_KEY" \
  -d '{"model":"glm-5.2","max_tokens":1024,"messages":[{"role":"user","content":"你好"}],"stream":true}'

# Tool use
curl http://localhost:8080/v1/messages \
  -H "Authorization: Bearer YOUR_KEY" \
  -d '{
    "model":"glm-5.2",
    "max_tokens":1024,
    "messages":[{"role":"user","content":"执行 pwd"}],
    "tools":[{"name":"Bash","description":"执行命令","input_schema":{"type":"object","properties":{"command":{"type":"string"}},"required":["command"]}}]
  }'

Tool Calling 机制

采用 prompt 注入 方式实现 function calling：

## CRITICAL — YOU MUST USE FUNCTION CALLING

<function name="Bash">
<description>执行 bash 命令</description>
<parameters>{"type":"object","properties":{"command":{"type":"string"}},"required":["command"]}</parameters>
</function>

## HOW TO CALL A FUNCTION
输出 <function_call>{"name":"...","arguments":{...}}</function_call>，然后立即停止。

工作流：

客户端发送 tools 参数 → 服务器将工具定义注入 prompt
IMA 模型输出 <function_call>…</function_call> → 服务器解析为 tool_calls / tool_use 返回
客户端本地执行工具 → 将结果回传
服务器检测到 tool_use + tool_result → 用 ⚠️ 系统通知 格式告知模型结果
模型基于结果直接回答用户

特性：

最多展示 8 个工具（截断保护）
Schema 自动压缩（去掉 $schema/$defs/$ref 等元数据）
自动检测中文用户 → 要求中文回复
会话自动复用（基于首条消息 hash）

可用模型

模型 ID	底座	说明
`glm-5.2`	GLM-5.2	默认
`glm-5.2-think`	GLM-5.2	思考模式
`deepseek-v4-flash`	DeepSeek V4	快速
`deepseek-v4-flash-think`	DeepSeek V4	思考模式
`hy3-preview`	混元 Hy3	预览
`hy3-preview-think`	混元 Hy3	思考模式

认证

Authorization: Bearer <key> 或 x-api-key: <key>
支持配置多个 API Key

客户端集成

OpenAI SDK (Python)

from openai import OpenAI
client = OpenAI(base_url="http://localhost:8080/v1", api_key="your-key")
response = client.chat.completions.create(
    model="glm-5.2",
    messages=[{"role": "user", "content": "你好"}],
    tools=[{"type":"function","function":{"name":"Bash","description":"执行命令","parameters":{"type":"object","properties":{"command":{"type":"string"}},"required":["command"]}}}],
    stream=True
)
for chunk in response:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

Anthropic SDK (Python)

from anthropic import Anthropic
client = Anthropic(base_url="http://localhost:8080/v1", api_key="your-key")
with client.messages.stream(
    model="glm-5.2",
    max_tokens=1024,
    messages=[{"role": "user", "content": "你好"}]
) as stream:
    for text in stream.text_stream:
        print(text, end="")

局限性

IMA 模型需要 prompt 注入才能触发 tool calling（非原生支持）
流式输出中的 <function_call> 块会被服务器端过滤（客户端不可见）
IMA 会话限制约 20 轮，超出后需重新建立

保姆级部署教程（零基础上手）

本教程不需要编程基础，不需要安装任何软件，全程在手机和网页上完成。总耗时约 15 分钟。

准备工作：获取 IMA 的 Cookie

这一步是唯一需要花点时间的。你需要从手机上的 IMA App 抓取请求数据。

你需要： 一部安装了 IMA App 的手机（已用 QQ/微信登录）+ 一台电脑。

1.1 安装抓包工具

在电脑上安装 mitmproxy（免费、开源）：

打开 mitmproxy.org，点击下载 Windows 安装包，一路「下一步」安装完成。

1.2 配置手机代理

确保手机和电脑在同一个 WiFi 下
电脑上：Win+R → 输入 cmd → 回车，输入 ipconfig，找到 IPv4 地址（形如 192.168.x.x）
手机上：设置 → WiFi → 点击当前连接的 WiFi → 代理 → 手动
- 服务器：填入电脑的 IPv4 地址，端口：8080
手机浏览器打开 mitm.it，按提示安装 mitmproxy 的 CA 证书
- Android：选「用于 VPN 和应用」
- iOS：还需在设置→通用→关于→证书信任设置中开启信任

1.3 抓取 Cookie

电脑上 Win+R → cmd → 输入 mitmweb 回车（浏览器会自动打开 http://127.0.0.1:8081）
手机上打开 IMA App，随便发一条消息（比如「你好」）
回到电脑浏览器，在 mitmweb 界面找 ima.qq.com 开头的请求
点开任意一条，在 Request Headers 中找到 **x-ima-cookie**，完整复制它的值

这个值很长，类似 IMA-GUID=xxx;APP-VERSION=xxx;IMA-Q36=xxx;...;IMA-TOKEN=xxx;...

1.4 获取 refresh_token 和 registration_id

在 mitmweb 页面的搜索框输入 /auth_login/refresh
点开这个请求 → 点击 Request 标签 → 在内容区找：
- refresh_token：一串很长的字符串
- registration_id：另一串字符串
分别复制保存

把这三个值记在手边备用： x-ima-cookie、refresh_token、registration_id。

抓完后记得把手机代理关掉（WiFi 设置里改回「无」），否则断开电脑后手机没法上网。

第一步：注册 Hugging Face

打开 huggingface.co/join
输入邮箱和密码 → Next → 完成人机验证
去邮箱点击确认链接激活账号

第二步：创建 Space

打开 huggingface.co/new-space
填写：
- Space name：随便取，比如 my-ima-api（只能用英文字母、数字、短横线）
- License：选 mit
- Space SDK：选 Docker
- Space Template：选 Blank
- Space Visibility：选 Private（关键！不选这个别人能看见你的 API 地址）
点 Create Space 按钮

第三步：上传文件

你现在在 Space 页面了。用网页拖拽上传，不需要装 Git。

点击顶部 Files 标签页
点击 Add file → Upload files
把以下 4 个文件拖进去：server.js、config.json、package.json、Dockerfile
往下滚，Commit message 随便填，点 Commit to main

不用上传 ima_runner.py，HF 上不需要它。

第四步：设置 Secrets（密码）

在 Space 页面顶部点 Settings 标签页
往下滚找到 Repository Secrets
点 New secret，逐个添加：

Name	Value
`IMA_COOKIE`	粘贴完整 x-ima-cookie
`IMA_REFRESH_TOKEN`	粘贴 refresh_token
`IMA_REGISTRATION_ID`	粘贴 registration_id
`IMA_API_KEYS`	自己编一个密码，如 `sk-my-secret-key-2024`

IMA_API_KEYS 是你调用 API 用的「密码」。多个 key 用逗号分隔：sk-key1,sk-key2。

第五步：等待启动

回到顶部点 App 标签页
看到 "Building..." 等待 1-2 分钟，变成绿色 "Running" 即成功
如果卡住，点右上角 → Factory reboot

第六步：测试

浏览器打开 https://你的用户名-你的空间名.hf.space/，看到 JSON 数据含 "service": "ima2api" 就说明成功。

第七步：接入 Claude Code / Codex

Claude Code（终端）：

set ANTHROPIC_BASE_URL=https://你的用户名-你的空间名.hf.space/v1
set ANTHROPIC_API_KEY=sk-my-secret-key-2024
claude

Codex（桌面版设置页）：

Provider: Anthropic 或 OpenAI Compatible
Base URL: https://你的用户名-你的空间名.hf.space/v1
API Key: sk-my-secret-key-2024
Model: glm-5.2

Cherry Studio / ChatGPT-Next-Web： 创建自定义 Provider，填入相同的 Base URL 和 API Key。

常见问题

Q: 显示 "Running" 但访问报错？ 等 30 秒再试，启动后首次 token 刷新需要十几秒。

Q: API 返回 401 Unauthorized？ 检查 Secrets 里的 IMA_API_KEYS 和请求里用的 key 是否完全一致。

Q: 回复是乱码或空内容？ Cookie 可能过期了，重新抓一次 IMA Cookie，更新 Secret 后点 Factory reboot。

Q: Token 会自动刷新吗？ 会。server.js 内置定时刷新，无需额外操作。

Q: 免费层够用吗？ 完全够。16GB 内存 + 2 CPU，个人使用远达不到限制。长时间不活动会休眠，下次访问自动唤醒（等几秒就好）。

本地开发仍可用

# 方式1：Python watchdog（token 刷新会重启 npm）
python ima_runner.py

# 方式2：纯 Node（HF 同款，token 热更新不重启）
npm start