Openrouter Chat

OpenRouter 通用调用工具

将 OpenRouter API 封装为 Claude Code 可调用的本地 skill，用于 Nanobanana 作图、Gemini、GPT 模型的调用等场景。

快速开始

环境配置

设置 OpenRouter API key：

export OPENROUTER_API_KEY="sk-or-..."

或创建 .env 文件（放在 skill 根目录）：

OPENROUTER_API_KEY=sk-or-...
OPENROUTER_MODEL=google/gemini-3-pro-preview
OPENROUTER_SITE_URL=https://your-site.example
OPENROUTER_APP_NAME=openrouter-chat

可选配置：

export OPENROUTER_MODEL="google/gemini-3-pro-preview"
export OPENROUTER_BASE_URL="https://openrouter.ai/api/v1/chat/completions"
export OPENROUTER_SITE_URL="https://your-site.example"
export OPENROUTER_APP_NAME="openrouter-chat"

基础使用

python scripts/openrouter_chat.py --prompt "用三句话解释向量数据库"

冒烟测试

python scripts/smoke_test.py

多轮消息

python scripts/openrouter_chat.py --messages messages.json

指定系统提示词与模型

python scripts/openrouter_chat.py \
  --system "你是资深产品经理" \
  --prompt "总结这段需求" \
  --model "anthropic/claude-sonnet-4.5"

常用模型（个人偏好）

• google/gemini-3-pro-image-preview (Nanobanana)
• google/gemini-3-pro-preview
• anthropic/claude-sonnet-4.5

工作流建议

当用户请求调用 OpenRouter 时，遵循以下流程：

Step 1: 明确调用目标

与用户确认：

• 目标任务（总结/翻译/写作/代码生成等）
• 期望模型（可选）
• 输出格式（自然语言或 JSON）
• 是否需要系统提示词或上下文消息

Step 2: 组织输入

根据场景选择输入方式：

• 单轮：--prompt 或管道输入
• 多轮：准备 messages.json 并使用 --messages
• 结构化输出：准备 --extra JSON 载荷（如 response_format）

Step 3: 调用脚本

cd .claude/skills/openrouter-chat
python scripts/openrouter_chat.py --prompt "..."

Step 4: 返回结果

输出模型回复，并按用户要求整理或格式化。

输出格式

• 默认：仅输出模型回复文本
• --print-json：输出完整 JSON
• --output result.json：保存完整响应

依赖安装

cd .claude/skills/openrouter-chat
pip install -r scripts/requirements.txt

开始使用

在 Claude Code 中直接说：

用 OpenRouter 生成一段产品介绍
用 Claude 3.5 Sonnet 翻译这段话
把这段需求整理成 JSON 结构

Claude 会调用该 skill 完成请求。