要实现 GitHub Copilot CLI 的“自带密钥”（Bring Your Own Key, BYOK）功能，即使用自建代理或本地模型替代官方云端模型，主要可以通过配置环境变量和使用兼容 OpenAI 接口的本地服务来完成。以下是具体的实现步骤和配置方法。

核心原理

GitHub Copilot CLI 支持通过环境变量指定 LLM 提供商类型、API 基础 URL 和 API 密钥。只要目标模型服务兼容 OpenAI 的 Chat Completions API 格式（如 Ollama、vLLM、Azure OpenAI、Anthropic 等），即可通过修改配置将请求路由到自建服务或第三方 API，从而绕过 GitHub 默认的模型限制，实现数据本地化或成本可控。

实现步骤

1. 准备模型服务

首先，你需要有一个正在运行的模型服务。常见的选择包括：

本地运行‌：安装 Ollama 或 vLLM，并在本地启动模型（如 Llama 3, Qwen 等）。确保服务监听在本地端口（例如 http://localhost:11434/v1）。

私有云/自建代理‌：部署兼容 OpenAI 接口的代理服务，获取其 API Base URL 和 API Key。

2. 配置环境变量

Copilot CLI 通过读取环境变量来确定使用哪个提供商。你需要设置以下关键变量：

COPILOT_PROVIDER_TYPE: 指定提供商类型。

对于 OpenAI 兼容接口（包括 Ollama、vLLM、Azure OpenAI 的兼容模式），设置为 openai。

对于 Azure OpenAI 专用接口，设置为 azure。

对于 Anthropic (Claude)，设置为 anthropic。

COPILOT_PROVIDER_BASE_URL: 模型的 API 端点地址。

例如 Ollama 本地服务通常为 http://localhost:11434/v1。

例如 Azure OpenAI 为 https://<your-resource>.openai.azure.com/openai/deployments/<deployment-name>/chat/completions?api-version=2023-05-15 (注意具体路径可能因版本而异，通常只需填到 base url)。

COPILOT_PROVIDER_API_KEY: 你的 API 密钥。

如果是本地 Ollama 且未设置密钥，可以留空或填写任意字符串。

如果是其他服务，填写对应的 API Key。

COPILOT_MODEL: 指定要使用的模型名称。

例如 llama3, qwen2.5-coder, gpt-4o 等，需与你服务端部署的模型名称一致。

3. 设置离线模式（可选但推荐）

为了确保数据完全不经过 GitHub 服务器，可以启用离线模式：

设置 COPILOT_OFFLINE=true。这将禁用遥测数据发送，并强制 CLI 仅与配置的本地/自定义端点通信。

4. 应用配置

你可以通过以下方式应用这些配置：

方法 A：临时会话（测试用）‌

在终端中直接导出变量：

bash

# Linux/macOS

export COPILOT_PROVIDER_TYPE=openai

export COPILOT_PROVIDER_BASE_URL=http://localhost:11434/v1

export COPILOT_PROVIDER_API_KEY=your-api-key-if-needed

export COPILOT_MODEL=llama3

export COPILOT_OFFLINE=true

# Windows PowerShell

$env:COPILOT_PROVIDER_TYPE="openai"

$env:COPILOT_PROVIDER_BASE_URL="http://localhost:11434/v1"

$env:COPILOT_PROVIDER_API_KEY="your-api-key-if-needed"

$env:COPILOT_MODEL="llama3"

$env:COPILOT_OFFLINE="true"

方法 B：永久配置（推荐）‌

将上述变量添加到你的 shell 配置文件（如 ~/.bashrc, ~/.zshrc 或 Windows 的系统环境变量）中，以便每次启动终端时自动生效。

方法 C：使用封装脚本（如 copilot-local）‌

社区中存在如 copilot-local 这样的开源工具，它本质上是一个包装脚本，自动处理环境变量的设置和 Copilot CLI 的调用。你可以克隆此类项目，编辑其提供的 config.env 文件，填入你的 API 信息，然后通过脚本启动 Copilot CLI。这种方式更加便捷，且支持通过命令行参数快速切换模型。

验证配置

配置完成后，在终端中运行 Copilot CLI 命令（如 gh copilot explain "print('hello')" 或进入交互模式 gh copilot chat）。如果配置正确，CLI 将向你指定的端点发送请求。你可以通过观察本地模型服务（如 Ollama）的日志来确认请求是否到达。

注意事项

模型能力要求‌：自建的模型需要支持工具调用（Tool Calling）和流式传输（Streaming），以确保 Copilot CLI 的功能（如代码执行、文件操作）能正常工作。建议使用上下文窗口较大（至少 128K）且经过代码训练的模型。

兼容性‌：确保你的自建服务严格遵循 OpenAI Chat Completions API 规范。如果使用的是非标准接口，可能需要中间件进行转换。

错误处理‌：在离线模式下，如果配置的端点不可用，Copilot CLI 不会回退到官方模型，而是直接报错。请确保网络连接和服务状态正常。

安全性‌：API Key 包含敏感信息，请勿硬编码在公开分享的脚本中。建议使用环境变量或加密的配置文件管理。

通过以上步骤，你可以成功自建 Copilot CLI 代理，实现真正的“Bring Your Own Key”，从而获得更高的数据隐私保护、更灵活的模型选择以及潜在的成本优化。