“你的密钥和流量留在你自己的网络里。”这是Foreman项目页面最显眼的一句话。对于每天要跟一堆大模型API打交道的开发者来说，这话直击痛点——你既想把成本打下来，又不想把敏感的密钥和请求内容交给第三方网关。于是有人用Go搓了一个二十几兆的二进制文件，塞在你自己的服务器上，就当起了编程助手和大模型提供商之间的智能调度员。

它不只是一个代理，更像是一个把“省钱逻辑”写进代码的账房先生。每次请求，它会在你允许的模型池里挑最便宜的那个，花掉的每一分钱都记在账本上。更重要的是，它懂得什么时候该用顶尖模型，什么时候用便宜的就够，而且切换模型时不会傻傻地扔掉已经付费的缓存。这个开源项目叫Foreman，周末在Hacker News上亮相后，引来不少同行的共鸣。

我们把它的运作方式拆开看看，一个能帮你把大模型调用费砍下30%以上的网关，到底在哪些环节做了文章。

先看路由分层。Foreman把模型分成三个档次：便宜、中等、前沿。优先级规则很清晰：如果你在请求头里明确标注“高风险”或者“规划”类任务，它直接上顶级模型，这是硬杠杠；其次看任务类型头，比如你通过X-Foreman-Task-Type指定是编码、计划还是快速响应；再往后才是你的编程助手自己选的模型。比方说你的助手要调claude-sonnet-4-5，根据你在目录里的映射，它可能被归到中等层；助手如果喊了一个你不认识的模型，那就按默认的低成本层处理。

整个过程不会看消息内容，只靠请求头和你写的策略，隐私上又加了一层安心。

到了每个层级内部，路由也不含糊。一个层级就是一个模型列表，多个供应商的同类模型互备互竞，Foreman实时挑那个最便宜且健康的。这意味着平时你可以放好几个不同家的模型，谁家今天降价，流量自然就流过去了，不用你手动改配置。如果某家供应商连续报错，断路器就会跳开，冷却一段时间后试探性放行，不行就继续隔离，同时请求自动切换到同层的下一个备选。故障转移这块做得挺工业，阈值、冷却期、半开探测一应俱全，不是简单的try-catch。

真正让人拍大腿的设计是缓存保持。做过大模型应用的人都知道，提示缓存是省钱利器，可一旦换了模型，之前辛辛苦苦喂进去的上下文缓存就失效了。Foreman的做法是：用会话ID把一轮对话钉在一个模型上，只要该供应商的提示缓存还没过期，它就纹丝不动。缓存过期时间是从目录配置的prompt_cache.ttl_seconds来的。只有当客户端主动更换模型选择，或者任务类型头变了，它才会跨层释放这条暖路由。没有标记的普通流量则乖巧地待着，绝不乱切，免得为省几个子儿把缓存烧了，反而得不偿失。

上面这些决策，每一笔都留痕。每个响应都会带上X-Foreman-Trace-ID、X-Foreman-Model、X-Foreman-Provider、X-Foreman-Route-Reason四个头。你可以在命令行敲一句foreman trace <追踪ID>，它会回放完整的决策过程：当时选了哪个模型，哪些备选被拒绝了，为什么拒绝。哪怕是为了定位一次异常的API开销，也能自证清白。

安装流程也维持了Go生态的清爽感。macOS用户可以直接用Homebrew：brew install northwood-systems/tap/foreman。Linux或者想从源码构建的话，一条go install github.com/Northwood-Systems/foreman/cmd/foreman@latest就搞定，当然前提是装有Go 1.26及以上。你也可以从发布页下载预编译包，或者自己go build。启动后用foreman init交互式配置，选定供应商，把模型划到便宜、中等、前沿三档，生成一个Foreman专用密钥。这个密钥只在初始化时显示一次，后续只存哈希值，不存明文。值得特别提一嘴的是，它全程不问你要任何服务商的密钥，要求你把它们放在环境变量里，用${变量名}的方式引用，启动时从变量读取。你的密钥自始至终不会落盘在Foreman的任何配置文件里。

配置好之后，把编程助手的API端点指向它就行。官方已经在文档里给出了Claude Code、Codex、OpenCode和Pi的接入示例。网关启动时，会通过/v1/models端点宣告自己支持foreman-plan、foreman-code、foreman-fast这些虚拟模型名，方便助手切换层级。你也可以直接拿目录里定义的别名或者上游模型名去调，比如请求claude-sonnet-4-5，它会自动解析到对应层。未识别的模型名则安稳地走默认低成本路径，一个请求都不放过，也一个多余的钱都不会浪费。