【开源】llm-tap：采集真实 LLM 交互并筛选导出 SFT 训练数据

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签：


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

项目介绍

llm-tap 是一个本地透明代理和 LLM 交互数据采集工具。它把 Claude Code、Codex、CherryStudio 或其他兼容客户端的请求透明转发到真实服务商，同时原样保存完整请求、响应和元数据，帮助你把真实使用轨迹沉淀为可检查、可筛选、可导出的 SFT 训练数据。

项目地址：GitHub - luckfu/llm-tap · GitHub

核心能力

• 零上游配置：Host 从 URL 路径提取，API Key 继续由客户端透传，代理不保存上游凭证。


• 自动识别 Anthropic、OpenAI Chat Completions、OpenAI Responses 等协议，并整合流式响应。


• Web 管理界面支持按 Host、模型、协议、状态和时间范围筛选调用，也支持查看调用详情与质量信息。


• 支持显式选择单条记录、当前页或筛选结果后再导出，不会误把全量数据库直接导出。


• 支持 canonical、ShareGPT、tool_sft、OpenAI 和 OpenAI windowed 等训练数据格式。


• 支持限制每条记录上下文，保留完整工具调用链并按预算压缩过长内容。


• 对 Authorization、x-api-key 等敏感请求头进行脱敏，数据默认保存在本机用户目录。

欢迎反馈使用体验和改进建议。