cc-proxy-detector

Imported from zxc123aa/cc-proxy-detector (SKILL.md). Install upstream with npx skills add zxc123aa/cc-proxy-detector. Copyright stays with the author.

CC Proxy Detector

检测 Claude Code 中转站后端来源，支持混合渠道检测和防伪装识别。

检测流程

1. 确定目标中转站地址和 API Key
2. 选择检测模式（单模型 / 多模型扫描）
3. 运行 scripts/detect.py
4. 分析报告，结合指纹矩阵人工复核

使用方式

# 单模型自动检测
python3 scripts/detect.py

# 多模型扫描（推荐，检测混合渠道）
python3 scripts/detect.py --scan-all --rounds 2

# 指定模型列表
python3 scripts/detect.py --scan-models "claude-opus-4-6,claude-sonnet-4-5-20250929"

# 指定地址和密钥
python3 scripts/detect.py --base-url https://your-proxy.com --api-key sk-xxx

# JSON 输出 + 保存
python3 scripts/detect.py --scan-all --json --output report.json

环境变量：ANTHROPIC_BASE_URL（中转站地址）、ANTHROPIC_AUTH_TOKEN 或 FACTORY_API_KEY（密钥）。

依赖：pip install requests

后端来源全景

所有 Claude 访问最终落到三个后端之一，各种工具逆向这些后端：

检测维度

脚本对每个模型发送 tool_use 探测 + thinking 探测 + ratelimit 动态验证，采集以下指纹：

判读报告

脚本自动评分并给出判定，但自动评分可被中转站伪装骗过。人工复核要点：

确认真 Anthropic 的铁证组合：

• inference_geo 存在 + ratelimit remaining 动态递减 + toolu_ 前缀

识别伪装的关键：

• ratelimit remaining 固定不变（如始终 299000）→ 伪造 headers
• inference_geo 缺失 → 中转站未伪造此字段
• 所有正面指纹通过但必有字段缺失 → 高度可疑

已知可被伪造的字段：toolu_ 前缀、service_tier、ratelimit headers（静态值）、cache_creation 嵌套对象

最难伪造：ratelimit remaining 动态递减（需中转站维护配额计数系统）

行为异常（逆向渠道线索）

除指纹字段外，逆向渠道常出现运行时异常，可作为辅助判据：

• tool_use 配对错误：Each tool_use block must have a corresponding tool_result block — 中转站重写 tool ID 但破坏了配对链
• 间歇性 HTTP 500：中转站格式转换管道在特定模型/功能组合上失败
• 模型可用性缺口：部分模型可用、部分不可用 — 中转站只映射了部分模型 ID
• 延迟偏高且波动大：多一跳中转增加 1-3s，P99 尾延迟明显
• thinking/streaming 异常：中转站未正确转发 SSE 事件或 thinking 块
• 多模态/读图失败：图片数据在中转时丢失或后端不支持，Read 图片返回空内容
• Write 大段内容报错：中转站对请求/响应体大小有限制，写入超过一定行数时失败
• WebFetch 被拦截：中转站网络策略限制外部域名访问
• 工具参数校验异常：部分工具（如 TaskList）出现参数校验错误，中转站格式转换不完整

参考资料

• 三源指纹矩阵与已知渠道检测案例：见 references/fingerprint-matrix.md
• 历史检测报告 JSON：references/*.json