<div align="center">

# MindHub

### 本地 LLM API 网关 · 多协议接入 · 私有知识库 RAG · MCP 工具服务

[![Version](https://img.shields.io/badge/version-0.1.4-blue.svg)](./src-tauri/tauri.conf.json)
[![License](https://img.shields.io/badge/license-MIT-green.svg)](./LICENSE)
[![Platform](https://img.shields.io/badge/platform-macOS%20%7C%20Windows%20%7C%20Linux-lightgrey.svg)](#-安装使用)
[![Built with Tauri](https://img.shields.io/badge/built%20with-Tauri%202-orange.svg)](https://tauri.app)

</div>

> **MindHub** 是一款本地运行的 LLM API 网关桌面软件。它将多个上游模型供应商（OpenAI、Claude、DeepSeek、Gemini……）统一为 OpenAI 兼容协议，配合 Codex、Claude Code、Gemini CLI、OpenClaw 等 AI 编程工具使用；内置基于 tree-sitter 代码符号感知的 RAG 引擎，让你在统一调用多模型的同时积累私有知识。

---

## 📑 目录

- [工作原理](#-工作原理)
- [核心功能](#-核心功能)
- [多协议接入](#-多协议接入)
- [技术栈](#-技术栈)
- [安装使用](#-安装使用)
- [实际投入使用](#-实际投入使用)
- [项目结构](#-项目结构)
- [版本历史](#-版本历史)
- [贡献者](#-license)
- [许可证](#-许可证)

---

## 🧭 工作原理

MindHub 作为本地网关，在下游 AI 应用和上游模型供应商之间做协议翻译、负载均衡、安全审计和日志记录。同时内置知识库引擎和 MCP Server，让 AI Agent 能直接检索私有知识。

### 请求转发流程

```mermaid
graph TD
    subgraph Downstream[下游 AI 应用]
        A1[WaLiCode]
        A2[Claude Code]
        A3[Codex CLI]
        A4[Gemini CLI]
        A5[OpenClaw]
        A6[ChatBox / NextChat]
    end

    Downstream -->|"OpenAI / Anthropic / Responses 协议<br/>Authorization: Bearer sk-mindhub-*"| Gateway

    subgraph Gateway[MindHub 本地网关]
        B[协议转换层<br/>OpenAI Chat · Responses · Anthropic<br/>双向转换]
        C[安全审计引擎<br/>风险扫描 · 脱敏/阻断 · 规则引擎]
        D[渠道调度器<br/>优先级+权重 · 故障切换 · 模型映射]
        E[适配器层<br/>OpenAI · Claude · DeepSeek<br/>Gemini · Custom]
        F[审计日志记录<br/>请求/响应体 · Token 统计 · Trace ID]

        B --> C --> D --> E
        C --> F

        subgraph KBService[知识库 & MCP 服务]
            G1[文档解析<br/>Markdown / Code / PDF]
            G2[智能分块器<br/>滑动窗口 · 符号感知]
            G3[向量化<br/>复用渠道 Embedding]
            G4[HNSW 索引<br/>向量检索 + FTS5 混合]
            G5[RAG 引擎<br/>混合检索 → 重排 → 生成回答]
            G6[MCP Server<br/>Streamable HTTP + SSE<br/>13 个工具]

            G1 --> G2 --> G3 --> G4
            G4 --> G5
            G4 -.-> G6
        end
    end

    E -->|HTTPS| Upstream

    subgraph Upstream[上游模型供应商]
        U1[OpenAI]
        U2[Claude]
        U3[DeepSeek]
        U4[Gemini]
        U5[通义 · 智谱 · Moonshot · 豆包 · Ollama]
    end
```

### 知识库 RAG 流程

```mermaid
flowchart TD
    A[用户上传文档] --> B[文档解析器<br/>Markdown / Code / PDF / JSON / YAML]
    B --> C[tree-sitter 代码符号提取<br/>函数 / 类 / 结构体 / 接口]
    C --> D[智能分块器<br/>滑动窗口 + 重叠分块 · 符号感知]
    D --> E[向量化引擎<br/>复用 MindHub 渠道调度<br/>text-embedding]
    E --> F

    subgraph F[存储 + 索引]
        F1[(SQLite<br/>chunks + FTS5)]
        F2[(HNSW 向量索引<br/>文件存储)]
    end

    F --> G[检索阶段<br/>向量检索 HNSW + FTS5 全文检索<br/>→ 加权混合排序 Hybrid]
    G --> H[RAG 生成阶段<br/>组装 Top-K 片段 + 对话历史<br/>→ 通过网关转发至 LLM<br/>→ 生成回答 + 来源引用]
```

> 知识库文档与索引状态均为 `ready` 后才会参与检索。RAG 回答是基于命中文本生成的结果，不是事实保证；请结合返回的来源引用进行核验。

### MCP 工具服务

MindHub 内置 MCP (Model Context Protocol) Server，通过 Streamable HTTP + SSE 端点对外暴露知识库工具，任何支持 MCP 的 AI Agent 均可接入：

```mermaid
flowchart LR
    Agent[AI Agent<br/>Claude / OpenClaw / ...] -->|"POST /mcp<br/>JSON-RPC"| MCP
    MCP -->|"SSE Stream"| Agent

    subgraph MCP[MCP Server — MindHub]
        T1[search_knowledge_base<br/>语义搜索]
        T2[ask_knowledge_base<br/>RAG 问答]
        T3[read_document<br/>读取文档]
        T4[list_knowledge_bases<br/>列出知识库]
        T5[get_knowledge_base_stats<br/>知识库统计]
        T6[create / update / delete<br/>知识库 CRUD]
        T7[upload_document<br/>上传文档]
        T8[list_documents<br/>文档列表]
        T9[build_index<br/>构建索引]
        T10[import_source<br/>多源导入]
        T11[delete_document<br/>删除文档]
    end

    MCP --> KB[(知识库<br/>SQLite + HNSW)]
```

> **安全边界：**MCP 当前没有独立认证层，且包含创建、导入、删除与重建索引等写工具。请仅让受信任的本机 Agent 连接，并保持网关监听在 `127.0.0.1`；不要将 `/mcp` 暴露到局域网、公网、反向代理或不可信插件。`mcp_enabled` 只控制知识库可见性，不是身份认证。

---

## 🎯 核心功能

### 🔌 多渠道管理

- 支持 **10 种渠道类型**：OpenAI、DeepSeek、Claude、Gemini、智谱、通义、Moonshot、豆包、Ollama 及自定义渠道
- 优先级 + 权重的负载均衡策略，自动故障切换
- 模型映射（渠道级别 model mapping），下游模型名自动映射到上游实际模型
- 渠道连通性测试，实时显示延迟与错误信息
- 渠道统计：调用次数、Token 消耗、成功率、平均延迟

### 🔑 密钥管理

- 为下游应用生成 `sk-mindhub-*` 格式的本地访问密钥
- 支持配额限制与启用/禁用
- 每个密钥展示调用次数、成功率、Token 消耗、平均延迟

### 📊 仪表盘

- 6 项核心指标一目了然：今日请求、今日 Token、累计请求、累计 Token、活跃渠道、平均延迟
- 服务可用率徽章，颜色分级（绿/黄/红）实时反映健康度
- 运维建议根据当前数据动态生成（延迟超阈值建议排查、渠道不足建议启用等）

### 📝 审计日志

- 记录每次 API 调用的审计信息：经脱敏处理的请求/响应、模型参数、Token 消耗、状态码与 Trace ID
- 支持按关键词、密钥、渠道、模型、日期范围、Trace ID 搜索筛选
- 请求/响应 JSON 标签页切换，Trace ID 默认折叠可展开
- 日志编号自增，方便定位与引用
- 日志清理：按日期删除 / 一键清空

### 🛡️ 安全审计中心

- **风险检测引擎**：自动扫描请求中的敏感信息泄露（API Key、私钥、JWT、Cookie、Bearer Token）、敏感文件路径（`~/.ssh`、`.env`、云凭据）、Unicode 隐写字符（零宽字符、方向控制字符）、可疑工具调用（`curl` 外联、管道上传）、网络风险（公网 IP 探测、Webhook/隧道域名）、追踪像素与风控指纹
- **风险等级**：clean / info / low / medium / high / critical，综合评分 0–100
- **策略模式**：只审计 / 警告 / 脱敏 / 阻断，默认只审计不影响请求
- **规则管理**：内置 25+ 条风险规则 + 自定义黑白名单（域名/工具/路径/关键词）

### 📚 知识库引擎

- **文档解析**：Markdown、代码文件（TS/JS/Python/Rust/Go/Java 等 20+ 语言）、PDF、JSON/YAML/CSV
- **代码符号感知**：基于 tree-sitter 提取函数、类、结构体等符号信息，分块时保留语义边界
- **智能分块**：滑动窗口 + 重叠分块，符号感知避免截断函数体
- **向量化**：复用 MindHub 渠道调度获取 Embedding；知识库的 `embedding_model` 必须是某个启用渠道实际支持的 Embeddings 模型
- **HNSW 向量索引**：轻量级分层导航小世界图，O(log n) 检索复杂度，适合桌面级数据量（≤100K 切片）
- **FTS5 混合检索**：向量语义检索 + SQLite FTS5 全文检索加权融合，支持三种模式（向量 / 关键词 / 混合）
- **RAG 问答**：检索 Top-K 片段 + 对话历史 → 网关转发至 LLM → 生成回答 + 来源引用
- **多源导入**：Git 仓库克隆导入、URL 批量导入、本地目录扫描导入；仅导入可信公开 URL 与仓库，私有 Git Token 应使用最小权限、短期令牌
- **格式边界**：支持 Markdown、PDF、文本、结构化文件和常见源码；`.docx`、`.xlsx` 等二进制 Office 格式暂不支持解析
- **会话管理**：按知识库维度的对话历史记录与清除

### 🔗 MCP Server

- 内置 Model Context Protocol Server，通过 `/mcp` 端点对外提供 13 个知识库工具
- 支持 Streamable HTTP（POST JSON-RPC）和 SSE（GET 升级）两种传输模式
- 兼容 Claude Desktop、OpenClaw 等支持 MCP 协议的 AI Agent
- 工具列表：搜索、RAG 问答、读取文档、知识库 CRUD、文档上传/删除、索引管理、多源导入
- 推荐流程：先调用 `list_knowledge_bases`，再使用明确的 `kb_id` 调用 `ask_knowledge_base`；只有需要原始片段或自行检索时才调用 `search_knowledge_base`
- 未指定 `kb_id` 时，搜索与问答会跨全部 MCP 已暴露的知识库执行；敏感知识库应关闭 MCP 暴露

### ⚙️ 设置中心

- Tab 切换式布局：安全审计 / 服务配置 / 通用设置 / 界面设置 / 重试策略
- 深色 / 浅色 / 跟随系统主题切换
- 最小化到托盘、关闭到托盘、开机自启
- 失败自动重试策略配置（默认 2 次）

### 🔧 应用配置

- 一键将 MindHub 网关地址和密钥写入 8 款 AI 编程工具的配置文件：
  Claude Code、Codex CLI、Gemini CLI、Claude Desktop、OpenCode、OpenClaw、Hermes Agent、WaLiCode
- 自动检测已安装应用，支持配置预览、写入、清除、打开配置目录

### 📦 导入导出

- 渠道配置批量导出为 JSON 备份
- 支持导入 WaLiCode 备份文件恢复渠道配置

### 📡 流式响应

- 完整 SSE 流式转发，兼容 ChatBox / NextChat / OpenAI SDK 等下游客户端
- 流式使用量解析（累积 input/output tokens）

---

## 🔗 多协议接入

MindHub 在网关层做协议翻译，入口多协议，出口统一为 OpenAI Chat Completions，上游渠道无感知。

| 协议 | 端点 | 认证方式 | 说明 |
|:---|:---|:---|:---|
| **OpenAI Chat Completions** | `POST /v1/chat/completions` | `Authorization: Bearer sk-mindhub-*` | 标准兼容协议，支持流式 |
| **OpenAI Responses** | `POST /v1/responses` | `Authorization: Bearer sk-mindhub-*` | Responses API 双向转换 |
| **Anthropic Messages** | `POST /v1/messages` | `x-api-key: sk-mindhub-*` | Anthropic 协议，自动头转换 |
| **OpenAI Embeddings** | `POST /v1/embeddings` | `Authorization: Bearer sk-mindhub-*` | 向量嵌入，知识库复用 |
| **模型列表** | `GET /v1/models` | `Authorization: Bearer sk-mindhub-*` | 聚合所有启用渠道的模型 |
| **健康检查** | `GET /health` | 无 | 服务存活探针 |
| **MCP** | `POST /mcp` / `GET /mcp` | 无独立认证 | MCP Streamable HTTP + SSE；仅限受信任本机 Agent |
| **知识库管理** | 桌面端 Tauri IPC | — | 创建、导入、检索和问答不通过网关开放 HTTP 路由 |

接入示例（以 OpenAI 协议为例）：

```bash
curl http://127.0.0.1:8777/v1/chat/completions \
  -H "Authorization: Bearer sk-mindhub-xxxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'
```

接入示例（以 Anthropic 协议为例）：

```bash
curl http://127.0.0.1:8777/v1/messages \
  -H "x-api-key: sk-mindhub-xxxx" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [{"role": "user", "content": "Hello!"}]
  }'
```

> 💡 在「接入示例」页面可查看 cURL / Python / Node.js / TypeScript / Rust / Java 共 5 平台 × 3 协议 = 15 套代码示例。

---

## 🏗️ 技术栈

| 层 | 技术 | 版本 |
|:---|:---|:---|
| 前端 | React + TypeScript + Vite + Tailwind CSS + Zustand | 19 / 5.x / 7 / 4 / 5 |
| 后端 | Rust + Tauri 2 + Axum + SQLite (sqlx) + Reqwest | Edition 2021 |
| UI | shadcn/ui 风格 + Lucide Icons + React Router 7 | — |
| 知识库 | tree-sitter (7 语言) + HNSW + FTS5 + bincode | — |
| 打包 | Tauri bundler（.dmg / .msi / .deb / .AppImage） | 2.x |

---

## 📦 安装使用

### 1. 下载安装包或从源码启动

从 GitHub Releases 或夸克网盘下载对应平台安装包：

- GitHub: [Releases](https://github.com/WaLiAPI/WaLiAPI/releases)
- 夸克网盘: [https://pan.quark.cn/s/b6a134a77efa](https://pan.quark.cn/s/b6a134a77efa)

| 平台 | 格式 | 架构 |
|:---|:---|:---|
| macOS | `.dmg` | ARM64 (Apple Silicon) |
| Windows | `.msi` / `.exe` | x64 |
| Linux | `.deb` / `.AppImage` | x64 |

源码开发运行：

```bash
pnpm install
pnpm tauri dev
```

应用会启动本地 HTTP 网关。默认地址为 `http://127.0.0.1:8777`；可在「设置 → 服务配置」修改监听地址和端口，保存后点击「重启服务」生效。端口设为 `0` 时由系统分配可用端口，应以应用内服务状态显示的实际地址为准。

> **请保持 `127.0.0.1`。**网关的 MCP 端点没有独立认证，且包含写工具；不要将监听地址设为 `0.0.0.0`、局域网地址或通过反向代理暴露到公网。

### 2. 配置渠道并测试

打开「渠道管理 → 新建渠道」，填写渠道名称、上游 Base URL、供应商 API Key 和模型列表；按需配置模型映射、优先级和权重。保存后先执行渠道测试，再将测试通过的渠道用于正式调用。

若需要知识库功能，至少准备：

- 一个实际支持 **Embeddings** 的启用渠道和模型，用于切片向量化；
- 一个实际支持聊天生成的启用渠道和模型，用于 RAG 问答。

### 3. 创建下游 API Key

打开「API 密钥 → 新建密钥」，填写名称和配额，创建 `sk-mindhub-*` 格式的本地访问密钥。下游应用只保存这个本地密钥，不应保存上游供应商密钥。

### 4. 下游接入

在 ChatBox、NextChat、OpenAI SDK、WaLiCode 等客户端中配置：

- **Base URL**：`http://127.0.0.1:8777/v1`（若已修改端口，请使用实际端口）
- **API Key**：创建的 `sk-mindhub-...` 密钥

可先验证服务状态：

```bash
curl http://127.0.0.1:8777/health
```

### 5. 应用配置（可选）

在「应用配置」页面选择已安装的 AI 编程工具，一键写入网关地址和密钥，无需手动编辑配置文件。

---

## 🚀 实际投入使用

### 1. 日常网关使用

1. 配置并测试至少一个启用渠道；
2. 创建一个本地 API Key；
3. 将下游客户端指向本地 `/v1` 地址；
4. 在「审计日志」检查请求、模型、渠道、Token 和失败原因；
5. 需要切换端口、监听地址或安全策略时，在「设置」保存后重启服务。

### 2. 私有知识库与 RAG

1. 打开「服务 → 知识库」，新建知识库；
2. 在知识库设置中确认 `embedding_model` 与启用渠道的 Embeddings 模型一致，按需调整切片大小、重叠和文件过滤；
3. 通过「文档」上传文件，或通过「来源」导入可信 Git 仓库、公开 URL 或本地目录；
4. 等待文档和索引状态均变为 `ready`；失败时先修复渠道、模型或源文件，再重新处理；
5. 使用「搜索」核验原始命中片段，再在「问答」中进行 RAG 对话并检查来源引用。

导入 URL 时只使用明确、可信的公开地址；不要输入内网地址、云元数据地址或不可信跳转链接。导入私有 Git 仓库时使用最小权限、短期 Token。

只有需要外部 Agent 调用时才开启知识库的 MCP 暴露。默认端点为 `http://127.0.0.1:8777/mcp`；先调用 `list_knowledge_bases`，再带明确 `kb_id` 调用 `ask_knowledge_base`。不要把包含敏感资料的知识库暴露给 MCP。

### 3. Exchange 候选审核与经验提炼（受限能力）

当知识库已存在 **API Key ↔ 知识库绑定** 并启用捕获时，网关会从完整、非高风险的 Exchange 生成候选。可在「服务 → 候选审核」中查看脱敏 Exchange、批准或拒绝候选、分别入库，或选择 2–50 个候选合并为一张知识卡。

LLM 经验提炼只生成可编辑的结构化草稿；只有点击「确认并正式入库」后才会写入知识库并更新索引。草稿有效期为 24 小时，确认时会再次校验候选来源和草稿内容，不会自动正式入库。

> **当前限制：**桌面端尚未提供创建或编辑 API Key ↔ 知识库绑定的界面。全新安装后可直接使用网关、手动知识库/RAG 和 MCP；候选自动捕获与审核需要已有绑定，不应作为开箱即用流程依赖。
>
> 经验提炼当前复用知识库的 `embedding_model` 发起 Chat Completions。常见的纯 Embeddings 模型（例如 `text-embedding-*`）不支持聊天生成，会导致提炼失败；仅在该模型标识同时可被上游用于聊天生成时使用此实验性功能。

---

## 📁 项目结构

```
MindHub/
├── src/                              # 前端源码
│   ├── pages/
│   │   ├── DashboardPage.tsx         # 仪表盘
│   │   ├── ChannelsPage.tsx          # 渠道管理
│   │   ├── ApiKeysPage.tsx           # 密钥管理
│   │   ├── LogsPage.tsx              # 审计日志
│   │   ├── KnowledgeBasePage.tsx     # 知识库 + MCP 服务
│   │   ├── KnowledgeCapturePage.tsx  # Exchange 候选审核
│   │   ├── UsagePage.tsx             # 接入示例
│   │   ├── SettingsPage.tsx          # 设置中心
│   │   └── AppConfigPage.tsx         # 应用配置
│   ├── components/                   # 通用组件
│   ├── lib/                          # 工具库 (api.ts, constants.ts)
│   └── types/                        # TypeScript 类型定义
├── src-tauri/                        # 后端源码
│   ├── src/
│   │   ├── server/                   # HTTP 服务器
│   │   │   ├── router.rs             # 路由定义 (含服务注册)
│   │   │   └── handlers.rs            # 请求处理器
│   │   ├── adaptor/                  # 渠道适配器
│   │   │   ├── mod.rs                # Adaptor Trait + 配置
│   │   │   ├── openai.rs             # OpenAI 适配器
│   │   │   ├── claude.rs             # Claude 适配器
│   │   │   ├── deepseek.rs           # DeepSeek 适配器
│   │   │   ├── gemini.rs             # Gemini 适配器
│   │   │   └── custom.rs            # 自定义适配器
│   │   ├── protocol/                 # 协议转换层
│   │   │   ├── mod.rs                # 双向格式转换
│   │   │   ├── anthropic.rs          # Anthropic SSE 流式
│   │   │   └── responses.rs          # Responses SSE 流式
│   │   ├── core/                     # 核心逻辑
│   │   │   ├── proxy.rs              # 代理转发 + 安全扫描 + 重试
│   │   │   └── dispatcher.rs         # 渠道调度 (优先级/权重/故障切换)
│   │   ├── security/                 # 安全审计
│   │   │   ├── scanner.rs            # 风险扫描引擎
│   │   │   ├── rules.rs              # 规则定义
│   │   │   ├── redact.rs             # 脱敏处理
│   │   │   └── mod.rs                # 安全设置
│   │   ├── services/                 # 服务层
│   │   │   ├── mod.rs                # Service Trait + 注册表
│   │   │   ├── knowledge/            # 知识库服务
│   │   │   │   ├── parser.rs         # 文档解析 (MD/Code/PDF/JSON)
│   │   │   │   ├── code_parser.rs    # tree-sitter 代码符号提取
│   │   │   │   ├── splitter.rs       # 智能分块器
│   │   │   │   ├── embedder.rs       # 向量化 (复用渠道调度)
│   │   │   │   ├── index.rs          # HNSW 向量索引
│   │   │   │   ├── retriever.rs      # 混合检索 (HNSW + FTS5)
│   │   │   │   ├── rag.rs            # RAG 问答引擎
│   │   │   │   ├── processor.rs      # 文档处理流水线
│   │   │   │   ├── publisher.rs      # 候选/合并知识卡正式入库
│   │   │   │   ├── exchange.rs       # 脱敏 Exchange 与候选数据
│   │   │   │   ├── extraction.rs     # LLM 经验提炼草稿
│   │   │   │   ├── importer.rs       # 多源导入 (Git/URL/目录)
│   │   │   │   ├── repository.rs     # 数据访问层
│   │   │   │   └── routes.rs         # 遗留 REST 路由（未挂载）
│   │   │   └── mcp/                  # MCP Server
│   │   │       ├── mod.rs            # MCP Service 定义
│   │   │       └── handlers.rs       # JSON-RPC 工具处理
│   │   ├── commands/                 # Tauri Commands
│   │   │   ├── channel.rs            # 渠道管理
│   │   │   ├── api_key.rs            # 密钥管理
│   │   │   ├── log.rs                # 日志管理
│   │   │   ├── stats.rs              # 统计数据
│   │   │   ├── settings.rs           # 设置管理
│   │   │   ├── security.rs           # 安全规则
│   │   │   ├── knowledge_base.rs     # 知识库命令
│   │   │   ├── knowledge_capture.rs  # 候选审核与提炼命令
│   │   │   ├── services.rs           # 服务状态
│   │   │   ├── app_config.rs         # 应用配置 (8 款工具)
│   │   │   ├── import_export.rs      # 导入导出
│   │   │   └── server.rs             # 服务控制
│   │   ├── db/                       # 数据库层
│   │   │   ├── mod.rs                # Database 初始化
│   │   │   ├── models.rs             # 数据模型
│   │   │   └── repository.rs         # 数据访问
│   │   ├── utils/                    # 工具函数
│   │   ├── lib.rs                    # 入口 + 系统托盘
│   │   └── main.rs                   # main 函数
│   ├── migrations/                   # 数据库迁移（含候选、来源追踪与提炼草稿）
│   └── tauri.conf.json               # Tauri 配置
└── package.json
```

---

## 📌 版本历史

### v0.1.4 (2026-07-30)

- ✨ 知识库引擎：文档解析 → tree-sitter 代码符号感知 → 智能分块 → 向量化 → HNSW 索引
- ✨ 混合检索：HNSW 向量检索 + SQLite FTS5 全文检索加权融合，三种模式（向量/关键词/混合）
- ✨ RAG 问答引擎：Top-K 检索 + 对话历史 + 来源引用
- ✨ MCP Server：Streamable HTTP + SSE，13 个知识库工具，兼容 Claude Desktop / OpenClaw
- ✨ 多源导入：Git 仓库克隆、URL 批量导入、本地目录扫描
- ✨ 应用配置：一键写入 8 款 AI 编程工具配置（Claude Code / Codex / Gemini CLI / WaLiCode 等）
- ✨ 导入导出：渠道配置 JSON 备份 + WaLiCode 备份文件导入
- ✨ 内置应用更新检查（Tauri Updater）

### v0.1.1 (2026-07-21)

- ✨ 多协议网关：支持 OpenAI Chat Completions + Responses API + Anthropic Messages 三协议入口
- ✨ 仪表盘优化：统一 6 卡片指标网格 + 健康度徽章 + 动态运维建议
- ✨ 渠道统计：调用次数、Token 消耗、成功率、平均延迟
- ✨ 密钥统计：每个密钥的调用指标展示
- ✨ 接入示例页：三协议切换 + 15 套代码示例 + 连接测试

### v0.1.0 (2026-07-18)

- 🎉 首个发布版本
- 多渠道管理（10 种渠道类型）+ 优先级/权重负载均衡
- 密钥管理 + 配额限制
- 请求/响应日志 + 全维度搜索筛选
- 安全审计中心（25+ 规则，5 种策略模式）
- 设置中心（主题/托盘/自启/重试）
- SSE 流式响应转发

---

## 👥 贡献者

感谢所有对 MindHub 项目贡献代码的开发者。

> 欢迎通过 PR / Issue 参与项目共建。

---

## 📄 License

[MIT](./LICENSE)

---

<div align="center">
  <sub>Built with ❤️ by the MindHub community</sub>
</div>