语聊大模型
YuChat Sub2API Provider 是一个 VS Code 语言模型供应商插件，可将语聊大模型接入 VS Code Chat。插件支持 OpenAI Responses、OpenAI Chat Completions 和 Anthropic Messages 协议，并提供模型管理、连接测试、用量查询、推理强度选择和上下文管理。
功能
- 支持流式文本、图片输入和工具调用
- 支持 OpenAI Responses、Chat Completions 和 Anthropic Messages
- 通过 VS Code 原生模型管理配置网关与 API Key，API Key 由 VS Code 安全存储
- 显示请求用量、缓存命中率和服务端返回的额度信息
- 在模型选择器中直接选择思考强度与上下文长度，支持上下文自动裁剪和下一次请求压缩
- 支持连接、网络和并发限制重试
- 提供中文和英文界面文本
环境要求
- VS Code
1.142.0 或更高版本
- 可访问的
https://sub2api.yuchat.top 服务
- 对应服务的 API Key
快速开始
- 打开模型管理面板，点击右上角的
+，选择 语聊大模型。
- 输入分组名称，按向导填写 API Key（网关地址与协议有默认值，可按需修改）。可添加多个分组接入不同账号或网关。
- 模型列表从网关的
/v1/models 实时获取。用模型行左侧的眼睛图标选择哪些模型显示在 Chat 的模型选择器中。
- 打开 VS Code Chat，从模型选择器中选择语聊大模型提供的模型。
模型行右侧的齿轮菜单可以直接切换该模型的默认思考强度、上下文长度与最大输出，或选择“Configure...”在 VS Code 的语言模型 JSON 配置文件中编辑。在模型选择器的模型卡片上也能随时调整前两项。
运行“模型管理”命令会打开模型管理面板，并对尚未检测过的模型发送一次很小的兼容性检测请求（输出上限 16 token），提前记住网关对推理摘要、缓存字段、思考强度等字段的兼容情况，避免首次聊天时额外等待。检测会产生少量 Token 费用，已检测过的模型会被跳过。
从旧版本升级时，插件会丢弃旧的模型列表缓存、启用模型记录、按模型覆盖设置和旧版存储的 API Key，请在模型管理中重新添加语聊大模型。
常用命令
在命令面板中搜索 YuChat Sub2API：
| 命令 |
作用 |
| 管理 |
打开插件统一管理菜单 |
| 模型管理 |
打开 VS Code 模型管理面板并检测模型兼容性 |
| 测试连接 |
使用选定模型发送测试请求 |
| 查看日志 |
打开 语聊大模型 输出通道 |
| 查看用量 |
查看用量、余额和会话 token 统计 |
| 刷新用量 |
立即刷新服务端用量信息 |
| 管理上下文 |
控制自动裁剪或压缩下一次请求 |
| 重置缓存兼容性 |
重新检测上游提示词缓存能力 |
配置项
在 VS Code 设置中搜索 yuchat.sub2api：
| 配置项 |
默认值 |
说明 |
contextWindowCap |
0 |
上下文窗口上限；0 表示使用插件声明的限制 |
maxOutputTokens |
32768 |
单次请求的最大输出 token 数 |
promptCacheMode |
auto |
提示词缓存策略：auto、explicit 或 off |
promptCacheScope |
family |
缓存键按模型族或模型 ID 隔离 |
promptCacheTtl |
auto |
显式 prompt-cache 条目的存活时间：auto、5m、15m、30m 或 1h；auto 按协议自动选择（Responses 显式模式 30m、Anthropic 稳定前缀 1h） |
requestTimeoutSeconds |
600 |
上游请求超时时间，单位为秒 |
http2 |
false |
网关经 ALPN 支持 HTTPS 时启用 HTTP/2（否则自动回退 HTTP/1.1），附带 PING 保活穿越 NAT/代理空闲超时 |
concurrencyRetryCount |
3 |
上游并发限制的重试次数 |
concurrencyRetryDelaySeconds |
3 |
并发限制重试的基础延迟，单位为秒 |
connectionRetryCount |
3 |
请求到达上游前连接失败的重试次数 |
connectionRetryDelaySeconds |
1 |
连接重试的基础延迟，单位为秒 |
networkRetryCount |
0 |
网络瞬时错误的重试次数 |
networkRetryDelaySeconds |
2 |
网络重试的基础延迟，单位为秒 |
debugLogging |
false |
将请求元数据和 SSE 事件写入输出通道 |
contextSafetyMarginTokens |
8192 |
从上下文窗口中预留的安全 token 数 |
usageRefreshMinutes |
5 |
自动刷新用量的间隔；0 表示禁用 |
requestSafetyRatio |
0.85 |
自适应上下文裁剪使用的安全比例 |
explicitCacheModelFamilies |
[] |
promptCacheMode 为 explicit 时允许使用显式缓存断点的模型 ID 前缀（小写）；gpt-5.6 系列始终包含 |
网关地址、API Key 与协议格式按分组在模型管理中配置，不再是 VS Code 设置项。
思考强度与上下文长度
在模型选择器的模型卡片上选择：
- 思考强度：关闭、低、中、高、超高、最高（档位按网关实际支持的范围显示）
- 上下文长度：128K、256K、512K、1M 与模型上限（超出模型上限的档位不显示）
选择按模型保存在 VS Code 的语言模型 JSON 配置文件中，并用于后续请求。不同协议会转换成各自支持的推理参数。Agents 窗口（Copilot CLI harness）保存的思考档位（thinkingLevel 键，含 Claude 风格的 minimal 档）同样识别并归一到本插件档位。
模型行出现警示图标时，表示网关兼容性检测学到了该模型的某些功能降级（如缓存字段被拒、思考深度受限），悬停可查看具体摘要；运行“模型管理”中的重新检测可清除。
上下文管理
接近安全输入预算时会自动裁剪较旧消息，无需手动开关。“管理上下文”提供以下操作：
- 压缩下一次请求：仅下一次请求移除最旧的 35% 消息项
- 打开上下文设置：调整窗口上限、安全余量和裁剪比例
系统指令消息（宿主 System 角色）不会被裁剪，始终保留在请求最前。
安全说明
- API Key 由 VS Code 模型管理安全存储，不会以明文写入配置文件。
- 日志不会主动输出完整 API Key；模型请求日志只记录用于排障的元数据。
- 插件会将 Chat 内容发送到配置的API服务，请确认该服务的隐私、数据保留和计费政策。
- 请勿在端点 URL 中嵌入用户名、密码或其他凭据。
修改设置后没有生效
在模型管理中检查分组配置与模型可见性，或者执行“Developer: Reload Window”重新加载 VS Code 窗口。
许可证
MIT
