Tau连接多模型指南OpenAI、Claude、Codex、Hugging Face与本地模型一键切换【免费下载链接】tauA Python port of Pi’s minimalist coding agent.项目地址: https://gitcode.com/gh_mirrors/tau16/tauTau 是一款运行在终端里的 Python 编码智能体coding agent它内置了对 OpenAI、AnthropicClaude、OpenAI Codex 订阅、Hugging Face 以及任意 OpenAI 兼容本地模型的支持。你只需一条/login命令完成登录再用/model一键切换模型即可在同一个会话里自由更换大脑——这篇文章就是 Tau 连接多模型的完整教程。为什么 Tau 的多模型切换如此省心很多工具换模型等于重开会话而 Tau 的设计目标是让换大脑无感会话可跨提供商续写切换时 Tau 会自动把已有的工具调用历史编译成目标提供商的格式工具调用 ID 被确定性翻译成可移植格式历史记录不会被打乱。模型清单内置且可刷新内置目录在 src/tau_coding/data/catalog.toml打开/model时会后台刷新新模型无需升级 Tau 就能出现。本地模型零门槛Ollama、llama.cpp 等本地服务通过自定义提供商或直接走内置 llama.cpp 后端接入。安装与首次启动Tau 需要 Python 3.12推荐用包管理器直接安装uv tool install tau-ai # 或 pipx install tau-ai tau --version # 验证安装然后进入你的项目目录启动交互式界面cd my-project tau一键连接/login 支持的全部方式在 Tau 里输入/login会弹出带搜索框的提供商选择器也可以直接指定/login # 交互式选择登录方式 /login openai # 保存 OpenAI API 密钥 /login anthropic-api # 保存 Anthropic API 密钥 /login anthropic-subscription # Claude Pro/Max 订阅走 OAuth 浏览器授权 /login openai-codex # 用 ChatGPT/Codex 订阅通过 OAuth 认证 /login huggingface # 保存 HF Token或设置 HF_TOKEN 环境变量 /login github-copilot # GitHub Copilot 设备码登录支持 SSH 无头环境 /login custom # 添加 OpenAI 兼容的自定义/本地提供商各提供商的定位一目了然提供商认证方式适合场景openaiAPI Key日常编码、脚本调用anthropicAPI Key / OAuth 订阅Claude 系列模型openai-codexOAuth 订阅复用 ChatGPT/Codex 订阅额度huggingfaceHF Token一个入口用 DeepSeek、Gemma、Qwen、Kimi 等多家开源模型llama.cpp/ 自定义本地服务离线、私有数据、零成本推理 凭据保存在~/.tau/credentials.json权限 0600、原子写入。OAuth 令牌会自动刷新/logout可随时移除本地凭据。快速切换模型三种方式连接好提供商后切换模型有三种操作按使用频率排序/model选择器—— 列出所有已配置提供商的模型选中即切换跨提供商也没问题。启动时指定——tau -m 模型名或tau --provider openai -m gpt-5.4适合写进脚本。收藏模型快捷键—— 用/scoped-models或在选择器中按Space收藏模型之后按CtrlP可在收藏的 Tau 多模型之间快速循环切换不用打开选择器。切换时 Tau 会先校验所选模型是否属于当前提供商的模型清单避免把 API 专属模型误发给订阅端点这类常见错误。Hugging Face一个入口多家开源模型/login huggingface之后Tau 的 HF 模型列表由 models.dev 数据在构建时生成请求经 HF 路由网关转发涵盖 DeepSeek、Gemma、GLM、Kimi、Llama、MiniMax、Qwen 等支持工具调用的模型家族。它还有一个聪明的默认行为粘性自动路由。第一次成功响应后Tau 会记住背后实际提供推理的厂商并粘住该路线只有当该路线重试耗尽仍失败时才会自动切回自动路由重试一次。想要固定某家推理后端可以在~/.tau/providers.json里给模型加inference_providers偏好固定路由会跨会话保留。本地模型接入llama.cpp 内置后端 任意 OpenAI 兼容服务方式一内置 llama.cpp 后端推荐先独立启动 llama.cpp 的 router 模式服务Tau 不负责启动/停止它llama-server --models-max 1 --parallel 1 --flash-attn auto然后在 Tau 中运行/local确认推荐的llama.cpp后端即可。Tau 会自动探测http://127.0.0.1:8080端点通过/v1/models发现真实加载的模型 ID还支持在界面里搜索、下载 HF 上的 GGUF 模型、加载/卸载模型。配置完成后tau --provider llama.cpp --model 服务器报告的模型ID方式二Ollama 等任意 OpenAI 兼容服务用/login custom交互式填写名称、Base URL如 Ollama 的http://localhost:11434/v1、默认模型和 API Key或直接用tau setup一条命令完成tau --provider local \ --base-url http://localhost:11434/v1 \ --api-key-env LOCAL_API_KEY \ --model qwen setup定义会写入~/.tau/catalog.toml与内置目录叠加加载无需改任何代码。出于安全设计Tau只加载用户级~/.tau/catalog.toml故意不支持项目级目录——这样 clone 别人仓库不会偷偷把你的请求重定向到陌生服务。多账号与配置文件速查多账号隔离给不同账户设置不同的TAU_HOME如TAU_HOME$HOME/.tau-work tau凭据、会话、偏好完全隔离。配置总览凭据在~/.tau/credentials.json提供商偏好在~/.tau/providers.json模型清单缓存在~/.tau/models-store.json离线时设置TAU_OFFLINE1使用内置快照。检查当前配置运行tau providers可查看所有提供商及各自的认证状态。总结Tau 的多模型策略可以概括为一句话/login管认证/model管切换/local管本地。无论你是 OpenAI、Claude 订阅用户还是 Hugging Face 玩家、本地推理爱好者都能在同一个终端工作流里自由组合而会话历史和工具调用记录在切换后依然完整可用。更多细节可参考仓库内的提供商指南 website/content/guides/providers-and-models.md、模型文档 src/tau_coding/data/docs/models.md 与本地推理文档 src/tau_coding/data/docs/local-inference.md。【免费下载链接】tauA Python port of Pi’s minimalist coding agent.项目地址: https://gitcode.com/gh_mirrors/tau16/tau创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考