如何快速部署 Claw Compactor Proxy：多 Worker 负载均衡 + 实时监控仪表盘完整教程

如何快速部署 Claw Compactor Proxy：多 Worker 负载均衡 + 实时监控仪表盘完整教程

【免费下载链接】claw-compactor14-stage Fusion Pipeline for LLM token compression — reversible compression, AST-aware code analysis, intelligent content routing. Zero LLM inference cost. MIT licensed.项目地址: https://gitcode.com/gh_mirrors/cl/claw-compactor

Claw Compactor Proxy是一个将 Claude Code CLI 包装成 OpenAI 兼容 API 的本地代理网关，属于 LLM Token 压缩工具链 Claw Compactor 的配套设施。它支持多 Worker 轮询负载均衡、会话亲和路由、公平排队、按模型限流，并内置一个实时监控仪表盘，让你随时掌握 Worker 流量、Token 消耗与错误分布。本教程将带你用 5 个步骤完成部署。

一、Claw Compactor Proxy 是什么？

Proxy 位于仓库的 proxy/ 目录，核心能力一览：

• 多 Worker 轮询：多个 Claude Code CLI 实例独立配额，流量自动分摊
• 会话亲和：同一对话 30 分钟内固定路由到同一 Worker，保住速率预算
• 公平队列：多来源请求轮流调度，支持 high / normal / low 优先级
• 实时仪表盘：Token 用量、时序图表、SSE 直播流、Worker 流量分布一屏尽览
• 进程回收器：自动清理超时与僵尸 CLI 进程
• Token 计量：按模型统计输入 / 输出 Token，Redis 持久化
• 失败重试：指数退避 + 抖动，Worker 故障自动切换

架构链路非常简单：

客户端 (OpenAI 格式) → Proxy → 公平队列 → Worker 池 → Claude CLI → 响应

更多细节可参考 proxy/README.md。

二、一键部署：4 步完成搭建

第 1 步：克隆仓库并安装依赖

git clone https://gitcode.com/gh_mirrors/cl/claw-compactor cd claw-compactor/proxy npm install

第 2 步：配置多 Worker 池

通过WORKERS环境变量传入 JSON 数组，每个 Worker 绑定独立的 Claude Code OAuth Token，从而拥有独立的速率配额——这正是多 Worker 负载均衡能翻倍吞吐的关键：

[ {"name": "1", "bin": "/path/to/claude", "token": "oauth-token-1"}, {"name": "2", "bin": "/path/to/claude", "token": "oauth-token-2"} ]

未配置时，服务会使用 proxy/server.mjs 中内置的默认 Worker 池。

第 3 步：设置端口与鉴权

export WORKERS='[{"name":"1","bin":"/path/to/claude","token":"your-token"}]' export CLAUDE_PROXY_PORT=8403 export PROXY_AUTH_TOKEN=local-proxy # 生产环境请换成强密钥

建议同时将 WORKERS 环境变量 写入.env或 shell 配置，避免重启丢失。

第 4 步：启动服务

npm start # 前台运行

也可以直接使用 proxy/start.sh 脚本，它会自动停掉旧进程；加--bg参数可后台运行，日志写入/tmp/claude-proxy.log：

./start.sh --bg

看到[CLIRouter] Pool: 1=... | 2=...的启动日志，说明 Worker 池加载成功 🎉

三、多 Worker 负载均衡是怎么工作的

这是 Proxy 最有价值的部分，由三个模块协同完成：

配合 proxy/rate-limiter.mjs 的 60 秒滑动窗口限流和 proxy/retry.mjs 的指数退避重试，即使某个 Worker 触发 429，请求也会被透明地转发到健康节点，客户端几乎无感。

四、打开实时监控仪表盘

服务启动后，浏览器访问：

http://localhost:8403/dashboard/proxy

仪表盘（proxy/dashboard.html）提供以下实时视图：

• 📊Token 总览条：总量 + Opus / Sonnet / Haiku 分模型统计，含速率窗口
• 📈时序图表：按时间区间的 Token 与请求量曲线
• 🚦Worker 流量分布：每个 Worker 的请求数、错误数、最近活跃时间
• ⚠️错误分类统计：CLI 崩溃、上下文溢出、超时等 7 大类一目了然
• 📡SSE 直播流：请求事件实时滚动，另附活跃进程表与事件日志

除可视化页面外，还有 4 个运维接口方便脚本化监控：

五、常用调优参数速查

按需调整环境变量即可，无需改代码：

进程生命周期由 proxy/process-registry.mjs 守护：每 15 秒巡检一次，超过存活时长或 2 分钟无输出的进程会被自动收割，状态还会持久化到 Redis（见 proxy/redis-client.mjs），重启后指标不丢失。

六、日常运维小贴士 💡

• 查僵尸进程：访问GET /zombies查看巡检结果，POST /kill可手动终止指定 CLI 进程
• 看 Token 账本：proxy/token-tracker.mjs 按模型与请求两级记账，数据落盘data/tokens.json
• 跑测试：cd proxy && npm test可验证队列、限流、亲和等核心模块行为（测试位于 proxy/test/）
• 生产安全：务必修改PROXY_AUTH_TOKEN，默认值local-proxy仅适合本地调试

总结

Claw Compactor Proxy 用不到 10 个环境变量就能搭起一套多 Worker 负载均衡 + 实时监控的 LLM 代理网关：npm install→ 配置WORKERS→ 启动 → 打开仪表盘，全程 5 分钟。无论是想让多个 Claude Code 实例共享额度，还是为团队搭建统一的 OpenAI 兼容入口，它都是开箱即用的选择。更多设计细节可阅读 proxy/README.md 与 ARCHITECTURE.md。

【免费下载链接】claw-compactor14-stage Fusion Pipeline for LLM token compression — reversible compression, AST-aware code analysis, intelligent content routing. Zero LLM inference cost. MIT licensed.项目地址: https://gitcode.com/gh_mirrors/cl/claw-compactor