典型工作流

本文档介绍 tmf（TokenMofang）在日常开发中的典型工作流程，涵盖浏览、切换、直接配置自定义端点、保存可复用模板、测试与回滚操作。

工作流一：浏览 Provider 并切换

先查看可用的 Provider 列表，然后为指定应用切换 Provider。

# 列出所有可用 Provider
tmf list

# 输出示例：
# Available providers:
#   deepseek    (models: deepseek-chat, deepseek-reasoner)
#   openai      (models: gpt-4o, gpt-4o-mini)
#   claude      (models: claude-sonnet-4-20250514)

# 切换到选中的 Provider
tmf use deepseek --app claude-code

工作流二：直接配置（set）

tmf set 无需 Provider API，即可将任意支持的应用直接指向自定义 API 端点。适用于自部署模型、自定义代理或尚未纳入注册表的提供商。

# 将 Claude Code 指向自部署的 Ollama 实例
tmf set claude-code --baseUrl https://ollama.local/v1 --key ollama

# 配置并保存为可复用模板
tmf set opencode --baseUrl https://proxy.example.com/v1 --key sk-xxx \
  --model gpt-4o --save-as myproxy

命令会自动备份当前配置（.bak），可随时通过 tmf rollback 还原。

工作流三：保存并复用模板（save）

tmf save 创建可复用的参数模板。保存后，tmf use <name> 会自动匹配模板——无需每次重新输入地址、密钥或模型。

# 保存自部署 Ollama 的模板
tmf save ollama --baseUrl http://localhost:11434/v1 --key ollama --model llama3

# 保存 DeepSeek 模板，配置角色模型
tmf save deepseek --app claude-code --baseUrl https://api.deepseek.com/v1 --key sk-xxx \
  --models opus=deepseek-v4-pro,sonnet=deepseek-v4-pro,haiku=deepseek-v4-flash

# 使用已保存的模板——无需重复指定参数
tmf use deepseek

模板存储在 ~/.tmf/templates/ 目录下。使用时的 CLI 选项（--key、--model 等）优先级高于模板值。

工作流四：切换并测试

更换 Provider 或模型后，建议立即测试连通性，确保配置生效。

# 切换到 deepseek 的 deepseek-chat 模型，并指定应用为 codex
tmf use deepseek --app codex --model deepseek-chat

# 测试连通性
tmf test deepseek

测试通过表示新配置已生效，可以正常使用。

工作流五：出问题后回滚

如果切换后出现异常，可以快速恢复到上一次的稳定配置。

# 回滚指定应用的配置到上一个版本
tmf rollback --app claude-code

回滚操作会自动从备份文件恢复，无需手动编辑配置。

配置文件位置

tmf 的配置和备份存放在以下位置：

• 全局设置：~/.tmf/config.json — 包含 API 地址等全局配置
• Provider 记录：~/.tmf/store/used.json — 各应用当前使用的 Provider
• 应用配置备份：每个应用配置文件的同级目录下，自动生成 .bak 后缀的备份文件

调试建议

在命令后添加 --debug 标志可以输出详细的调试信息，便于排查问题：

# 查看切换过程的详细日志
tmf use deepseek --app claude-code --debug

# 查看测试全过程的请求与响应
tmf test deepseek --debug

--debug 会打印请求地址、请求头、响应数据等关键信息，是定位配置问题的首选工具。