GPT88 Skill 完整指南：作用、安装使用方法与适用场景

开发工具2026-08-2914 min readGPT88 SkillAgent SkillGPT88 APIOpenAI SDKCursorCodexClaude CodeAPI Key

如果你使用过 Agent 或 Coding Agent，可能已经见过 SKILL.md 这种文件。它不是普通的产品说明，也不是一个只能执行单条命令的脚本，而是给 Agent 提供的一套可发现、可加载、可复用的工作方法。

GPT88 Skill 就是这样一套面向 GPT88 的接入与运维能力。它帮助 Agent 或开发者完成：

把 OpenAI SDK、Cursor、Codex、Claude Code、Cline 等客户端接入 GPT88；
区分 GPT88 账号控制面和模型推理 API；
安全地创建、验证和使用 API Key；
查询当前可用模型、价格、分组和倍率；
处理 GPT88 TUI、Desktop 或自定义客户端的登录授权；
查询账号、用量、订阅和配额信息；
接入图片、视频等长时间运行的媒体任务；
按状态码和故障类型进行可恢复排障。

本文根据 Osub/sub2api 仓库中的 GPT88 Skill整理，并结合 GPT88 文档站的接入习惯重新编排。具体字段、端点、模型、价格、配额和兼容性可能随版本变化，实际使用时应以当前 GPT88 控制台、模型目录和客户端说明为准。

一、GPT88 Skill 是什么？

可以把 GPT88 Skill 理解为一份“Agent 接入 GPT88 的操作协议”。它告诉 Agent：

GPT88 有哪些服务入口；
不同凭证分别用于什么地方；
如何发现实时模型和价格，而不是硬编码旧值；
如何配置不同客户端；
哪些操作可以直接读取，哪些操作必须先获得确认；
如何在失败后定位问题并安全恢复。

它解决的不是“如何发一条请求”这么简单的问题，而是把完整接入链路标准化：

识别用户目标
  → 选择账号登录或 API Key 路径
  → 确认服务入口
  → 获取并验证凭证
  → 查询实时模型目录
  → 配置目标客户端
  → 先跑最小请求
  → 再启用工具、图片、视频和自动化

二、GPT88 Skill 有哪些作用？

1. 统一 GPT88 服务入口

GPT88 不是只有一个 URL。Skill 将账号控制面和模型推理 API 分开：

服务	默认地址	用途
GPT88 账号与控制面	`https://agent.gpt88.cc`	登录、设备授权、账号、API Key、用量、订阅和目录
GPT88 OpenAI 兼容 API	`https://api.gpt88.cc/v1`	模型列表、聊天、Responses、图片、视频等推理请求
API Origin	`https://api.gpt88.cc`	查询公开模型目录或构造 API 根地址

一个常见错误是把账号控制面地址填到 OpenAI SDK 的 base_url 中，或者把完整的 /chat/completions 路径填成 Base URL。正确做法是让 SDK 或客户端自己追加资源路径：

Base URL: https://api.gpt88.cc/v1
SDK 追加: /models 或 /chat/completions

不要重复写成：

https://api.gpt88.cc/v1/v1/chat/completions

2. 分离账号凭证和推理凭证

GPT88 Skill 最重要的安全设计之一，是明确区分两种凭证：

凭证	用途	不应该做什么
`GPT88_API_KEY`	调用模型网关和 `/v1/*` 推理接口	不用于账号登录、设备授权或支付
`GPT88_ACCESS_TOKEN`	账号、目录、用量、订阅和设备授权	不当作模型 API Key 调用 `/models`

以下内容都不能直接当作 GPT88_API_KEY：

GPT88 网页密码；
OAuth 或会话 JWT；
Refresh Token；
设备授权中的 device_code；
浏览器 Cookie；
其它平台的 API Key。

这一区分很关键。账号 Token 证明“你是谁或你是否登录”，API Key 证明“这个请求是否可以进入模型推理网关”。两者的作用域、生命周期和泄露后果不同。

3. 让模型、价格和可用性保持实时

Skill 不建议把模型列表和价格写死在文档或脚本里，而是要求先查询实时目录，再选择模型：

curl -sS --max-redirs 0 \
  "https://api.gpt88.cc/api/v1/model-square/public"

对于某个具体 API Key 能使用的模型，可以查询：

curl -sS --max-redirs 0 \
  "https://api.gpt88.cc/v1/models" \
  -H "Authorization: Bearer $GPT88_API_KEY"

这样可以避免三个问题：

复制旧文章中的失效模型名；
把官方模型名称错误地推断成 GPT88 模型 ID；
误以为模型存在就代表当前账号一定有权限。

模型列表、价格、分组倍率、配额和可用能力都可能变化。看到模型 ID 后，仍需要通过一次最小请求验证聊天、工具、视觉、流式或媒体能力是否真的开放。

4. 适配不同客户端

GPT88 Skill 将客户端分成两类：

外部客户端和 SDK

包括：

OpenAI Python / Node.js SDK；
Cursor；
Codex；
Cline；
Claude Code；
其它 OpenAI 或 Anthropic 兼容客户端。

这些客户端通常需要真实的推理 API Key：

export OPENAI_BASE_URL="https://api.gpt88.cc/v1"
export OPENAI_API_KEY="$GPT88_API_KEY"
export GPT88_MODEL="从实时模型列表复制的模型 ID"

GPT88 原生产品

GPT88 TUI、Desktop 或 Harness 如果支持原生登录，优先使用产品内置的登录流程，不要让用户手动复制云端密钥。

原生 GPT88 产品 → 账号登录
通用 SDK / 第三方客户端 → GPT88_API_KEY

这种区分可以减少云端密钥暴露，也避免把“登录态”和“BYOK 自带 Key”混成一套配置。

5. 提供安全的账号和密钥管理流程

GPT88 Skill 不仅描述如何读取 Key，还规定了修改操作的确认边界：

查询账号、模型、用量和订阅等只读操作，可以在凭证已提供时执行；
创建、更新、删除、撤销、限额调整和兑换等操作，需要在执行前确认；
创建 Key 后只显示掩码，不能把包含完整密钥的原始 JSON 打印到终端或日志；
充值、支付、提现等操作由用户在浏览器中完成，不通过 Agent 处理卡片或钱包秘密。

这是把“能调用 API”提升为“可以安全运维 API”。

三、如何使用 GPT88 Skill？

GPT88 Skill 适合被支持 Skill 的 Agent、Coding Harness 或内部自动化工作流加载。使用时可以按下面的顺序操作。

第一步：明确你要接入的对象

先回答三个问题：

你要接入的是 GPT88 原生 TUI/Desktop，还是外部客户端？
你需要账号登录，还是已经有 GPT88 API Key？
你只需要文本请求，还是需要工具、视觉、图片、视频或长任务？

不同答案对应的路径不同：

目标	推荐起点
使用 GPT88 原生 TUI/Desktop	产品内置登录
OpenAI SDK / Cursor / Cline / Codex	GPT88 API Key + OpenAI 兼容 Base URL
Claude Code	按当前版本使用 Anthropic 兼容环境变量
自动化或自定义客户端登录	设备授权流程
图片或视频	先验证文本，再查实时媒体能力

第二步：准备凭证

通常的 API Key 路径是：

登录 GPT88 控制台；
进入 API Keys 页面；
为目标应用创建独立 Key；
将 Key 保存到环境变量或 Secret Manager；
不在聊天、截图、日志或代码仓库中暴露完整值。

示例：

export GPT88_API_KEY="YOUR_GPT88_API_KEY"

不要在文章或脚本里猜测 API Key 前缀。不同部署的生成前缀可能不同，应该把它当作不透明的秘密值处理。

第三步：先验证 API Key

配置客户端前，先用模型列表验证 Key：

curl -sS --fail-with-body --max-redirs 0 \
  "https://api.gpt88.cc/v1/models" \
  -H "Authorization: Bearer $GPT88_API_KEY"

这里使用 --max-redirs 0，是为了避免凭证被意外转发到非预期的重定向目标。除本地开发外，API 请求应使用 HTTPS。

如果模型列表请求正常，再从返回数据中复制准确的 id，不要自己拼模型别名。

第四步：配置 OpenAI 兼容客户端

以 OpenAI SDK 为例：

export OPENAI_BASE_URL="https://api.gpt88.cc/v1"
export OPENAI_API_KEY="$GPT88_API_KEY"
export GPT88_MODEL="YOUR_AVAILABLE_MODEL_ID"

先发一条短文本请求：

curl -sS --max-redirs 0 \
  "$OPENAI_BASE_URL/chat/completions" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "'"$GPT88_MODEL"'",
    "messages": [{
      "role": "user",
      "content": "Reply with: connection ok"
    }],
    "max_tokens": 16
  }'

文本请求成功后，再逐步增加：

流式输出；
工具调用；
图片输入；
长上下文；
异步图片或视频任务。

一次只增加一个变量，出现问题时才知道是哪一层不兼容。

第五步：配置 Claude Code、Codex 和 Cline

不同客户端的环境变量名称可能随版本变化，不要默认同时设置所有变量。

Claude Code 常见配置形态是：

export ANTHROPIC_BASE_URL="https://api.gpt88.cc/v1"
export ANTHROPIC_AUTH_TOKEN="$GPT88_API_KEY"

旧版本可能使用 ANTHROPIC_API_KEY，应以已安装版本的说明为准。

Codex、Cursor、Cline 等 OpenAI 兼容客户端通常使用：

export OPENAI_BASE_URL="https://api.gpt88.cc/v1"
export OPENAI_API_KEY="$GPT88_API_KEY"

如果 Codex 使用自己的 Provider 配置，则重点检查 model_provider、Provider 定义、Base URL、协议字段和模型 ID 是否互相匹配。出现 CLI 找不到、配置未生效或桌面端与终端表现不一致时，可参考 Codex 工具恢复指南和 Codex 国内接入指南。

四、设备授权流程适合什么场景？

设备授权适合需要自定义客户端、自动化登录或不方便直接把账号登录逻辑嵌入应用的场景。

基本流程是：

客户端请求设备授权
  → 服务端返回 user_code 和 device_code
  → 用户在浏览器打开验证地址并批准
  → 客户端轮询授权状态
  → approved 后安全保存账号 Token

启动设备流程的示例：

curl -sS --max-redirs 0 -X POST \
  "https://agent.gpt88.cc/api/v1/auth/device/start" \
  -H 'Content-Type: application/json' \
  -d '{}'

响应通常包含：

{
  "device_code": "<private>",
  "user_code": "ABCD2345",
  "verification_uri": "https://agent.gpt88.cc/auth/device",
  "verification_uri_complete": "https://agent.gpt88.cc/auth/device?code=ABCD2345",
  "expires_in": 600,
  "interval": 2
}

对用户只展示验证地址和 user_code，不要展示或记录 device_code。轮询必须遵守服务端返回的 interval，不要高频请求。

设备授权可能返回账号 Token、Base URL 或模型信息，但不保证一定返回推理 API Key。如果没有 api_key，仍需要从 GPT88 控制台创建 Key，不能把账号 JWT 直接发给模型网关。

如果设备码过期、已经消费或收到无效码错误，应重新开始一轮授权，不要重复使用旧 device_code。

五、如何查询账号、用量和订阅？

账号相关接口使用账号控制面和 GPT88_ACCESS_TOKEN：

export GPT88_ACCOUNT_BASE="https://agent.gpt88.cc"
export GPT88_ACCESS_TOKEN="YOUR_GPT88_ACCESS_TOKEN"
export AUTH_HEADER="Authorization: Bearer $GPT88_ACCESS_TOKEN"

curl -sS --max-redirs 0 "$GPT88_ACCOUNT_BASE/api/v1/auth/me" -H "$AUTH_HEADER"
curl -sS --max-redirs 0 "$GPT88_ACCOUNT_BASE/api/v1/user/profile" -H "$AUTH_HEADER"
curl -sS --max-redirs 0 "$GPT88_ACCOUNT_BASE/api/v1/usage/stats" -H "$AUTH_HEADER"
curl -sS --max-redirs 0 "$GPT88_ACCOUNT_BASE/api/v1/subscriptions/summary" -H "$AUTH_HEADER"

常见的只读资源包括：

GET /api/v1/keys：查看用户 Key 列表，响应可能包含敏感字段；
GET /api/v1/groups/available：查看可用分组；
GET /api/v1/groups/rates：查看分组倍率；
GET /api/v1/key-catalog：查看 Key 可见模型，不返回 Key 秘密；
GET /api/v1/usage：查看用量；
GET /api/v1/usage/errors：定位失败请求；
GET /api/v1/usage/stats：查看用量统计；
GET /api/v1/subscriptions/summary：查看订阅概览。

创建、删除、撤销 Key、调整配额、兑换或转移等属于写操作。执行前应明确目标、参数和影响，获得确认后只执行一次，并进行只读验证。

六、图片、视频和异步任务怎么接入？

GPT88 Skill 建议遵循“文本优先”的顺序：

文本请求成功
  → 确认模型目录中的媒体能力
  → 选择精确的媒体端点和参数
  → 保存任务 ID
  → 轮询状态或下载结果
  → 查询用量并避免重复提交

可能出现的 OpenAI 兼容媒体路由包括：

POST /v1/images/generations；
POST /v1/images/edits；
异步图片任务创建接口；
GET /v1/images/tasks/{task_id}；
视频创建、状态和内容接口。

具体端点和参数必须以当前模型能力为准。异步任务即使轮询失败，也可能已经产生费用，因此应保存 task_id，先查询任务状态和用量记录，不要直接重复提交。

七、GPT88 Skill 适合哪些场景？

场景一：团队统一接入多个 AI 客户端

如果团队同时使用 OpenAI SDK、Cursor、Codex、Claude Code 和 Cline，可以用 GPT88 Skill 统一约定：

API Base URL；
API Key 保存方式；
模型发现方式；
最小请求验收；
错误码处理；
密钥轮换和撤销流程。

这样每个开发者不必从旧文章里复制一套可能失效的配置。

场景二：Coding Agent 的自动化接入

Coding Harness 可以调用 GPT88 Skill，让 Agent 在修改项目配置前先完成：

判断用户要的是官方登录还是 BYOK；
检查 API Host 和 Base URL；
从实时目录选择模型；
运行只读模型列表请求；
发一条短文本 smoke test；
只有验证通过后，才继续工具调用或代码任务。

场景三：企业内部模型目录和成本控制

企业可以使用账号控制面查询模型、分组、倍率、配额和用量，再根据任务的质量、延迟和成本偏好选择模型。这样模型选型不会停留在静态表格，而是基于当前账号实际可见能力。

场景四：自定义客户端设备授权

需要做内部 TUI、桌面客户端或自动化工具时，设备授权可以把“用户在浏览器登录”和“客户端获得授权结果”分离开。客户端只保存必要的账号凭证，不要求用户把密码交给脚本。

场景五：图片、视频和长任务工作流

当 Agent 需要发起图片或视频任务时，Skill 提供了更稳妥的顺序：先验证文本链路，再确认实时媒体能力，保存任务 ID，处理轮询失败和重复提交风险，并把最终费用核对纳入流程。

八、常见错误与排查方法

错误	优先检查
`401` / `API_KEY_REQUIRED`	API Host、`/v1` 位置、Bearer 语法，确认使用的是推理 API Key
`403`	Key 是否激活、过期、分组受限，或账号 Token 权限不足
`404`	是否将账号地址误用为 API 地址，是否重复添加 `/v1` 或完整 endpoint
`400` / `model_not_found`	查询实时模型列表，复制准确的 `id`，检查模型参数和工具能力
`402` / 余额或配额错误	查看账号余额、Key 限额和分组；支付流程在浏览器完成
`429`	降低并发，使用有限次数的指数退避，不要循环创建新 Key
`5xx` / 超时	记录时间、状态码、模型和 request ID；按客户端策略有限重试
设备授权过期	重新开始授权，不重复使用旧设备码
桌面端与终端表现不一致	检查进程环境、PATH、配置文件位置和客户端登录态

排障时应保留这些非敏感证据：

请求时间和时区；
客户端与 Skill 版本；
API Host；
模型 ID；
HTTP 状态码；
request ID；
重试次数；
是否使用账号登录或 API Key。

不要记录完整的 API Key、Access Token、Refresh Token、密码、设备码或包含密钥字段的原始 JSON。

九、安全使用清单

使用 GPT88 Skill 或把它交给 Agent 前，建议完成以下检查：

十、最后的最短成功路径

如果你只想把 GPT88 接入一个外部客户端，可以按这个顺序：

1. 登录 GPT88 控制台并创建 API Key
2. 设置 GPT88_API_KEY
3. 使用 https://api.gpt88.cc/v1
4. 调用 GET /models 验证 Key
5. 从返回结果复制模型 ID
6. 发一条短文本请求
7. 再配置 Cursor、Codex、Claude Code 或 Cline
8. 最后才启用工具、图片、视频和自动化

如果你是在 GPT88 原生 TUI/Desktop 中使用，则优先走内置账号登录，不要为了测试而创建新的 API Key。

总结

GPT88 Skill 的核心价值，是把“接入 GPT88”从一组零散环境变量和命令，提升为一套有边界、有验证、有恢复路径的 Agent 工作流：

服务入口分离
  + 账号凭证与推理 Key 分离
  + 实时模型和价格发现
  + 客户端配置适配
  + 安全写操作确认
  + 可观察的错误排查

对个人用户，它可以减少复制旧配置和猜模型名的问题；对团队，它可以统一 SDK、Coding Agent 和自定义客户端的接入方式；对 Agent Harness，它可以把账号、模型、计费、权限、媒体任务和故障恢复纳入同一条可审计链路。

真正稳定的 GPT88 接入，不是把更多工具一次性装上，而是先确认 Host、凭证、模型和最小请求都正确，再逐层增加工具调用、视觉、长上下文、图片、视频和自动化能力。

本文整理自 Osub/sub2api 的 GPT88 Skill。Skill 中的端点、字段、产品名称、模型、价格、配额和兼容性可能随仓库与服务版本更新；使用前请以 GPT88 控制台、GPT88 文档站和当前客户端说明为准。本文不代表 GPT88 对第三方客户端或 Package 的官方背书。

Related guide

GPT88 快速开始