yumoqing
d2ffd9c6d0
- New llm_api_map table: extract ability-specific fields (apiname, query_apiname, query_period, ppid) from llm table to support one-model-multi-ability without redundancy - Remove uapiset from llmage JOIN chain: upapp.apisetid now directly joins uapi.apisetid - Updated BufferedLLMs.get_llm() to JOIN llm_api_map for query_apiname/query_period/ppid fields - Updated llmcheck.dspy and list_paging_catelog_llms.dspy to remove uapiset references - Added migration script to generate llm_api_map INSERTs from existing llm data
358 lines
14 KiB
Markdown
358 lines
14 KiB
Markdown
# llmage 模块开发文档
|
||
|
||
## 模块概述
|
||
|
||
llmage (LLM Manager & Engine) 是 Hermes Agent 平台的**大语言模型管理与推理模块**，负责 LLM 的全生命周期管理：模型注册、分类展示、推理调度、用量追踪与计费。
|
||
|
||
与 uapi 模块的配合关系：**llmage 负责模型的业务层**（模型目录、展示、推理调度、计费），**uapi 负责配置层的 API 对接**（将第三方 LLM API 配置为可调用的端点）。llmage 中的每个模型（llm 表记录）通过 `upappid` + `apiname` 关联到 uapi 的 API 配置，从而实现零代码接入新模型。
|
||
|
||
核心职责：
|
||
- 模型管理：模型注册、分类（catelog）、供应商（provider）管理
|
||
- 推理引擎：流式/同步/异步三种推理模式，自动路由
|
||
- 用量追踪：每次调用记录 token 用量、响应时间、用户信息
|
||
- 计费系统：按定价程序（pricing program）计算费用，后台异步记账
|
||
- 前端展示：按目录/供应商分类展示模型卡片，点击即推理对话
|
||
- 异步任务：视频生成等长任务的提交、轮询、状态查询
|
||
|
||
---
|
||
|
||
## 目录结构
|
||
|
||
```
|
||
llmage/
|
||
├── pyproject.toml # 构建配置
|
||
├── llmage/ # Python 源码包
|
||
│ ├── __init__.py # 空
|
||
│ ├── init.py # 模块初始化，注册函数到 ServerEnv + 后台记账任务
|
||
│ ├── llmclient.py # 推理引擎核心：uapi_request / sync_uapi_request / async_uapi_request
|
||
│ ├── syncinference.py # 同步推理模式
|
||
│ ├── asyncinference.py # 异步推理模式 + 任务状态轮询
|
||
│ ├── accounting.py # 计费与记账：余额检查、充电、后台异步记账
|
||
│ ├── utils.py # 工具函数：BufferedLLMs 缓存、查询订单、价格计算等
|
||
│ ├── callback.py # 回调处理
|
||
│ ├── messages.py # 消息格式化
|
||
│ ├── keling.py # 可灵（Keling）视频模型 token 管理
|
||
│ └── jimeng.py # 即梦（Jimeng）图像模型认证
|
||
├── models/ # 表定义（xlsx 格式）
|
||
│ ├── llm.xlsx # 模型定义
|
||
│ ├── llmusage.xlsx # 模型调用记录
|
||
│ ├── llmcatelog.xlsx # 模型目录
|
||
│ └── historyformat.xlsx # 历史对话格式
|
||
├── wwwroot/ # Web 前端资源
|
||
│ ├── menu.ui # 菜单
|
||
│ ├── show_llms.ui # 按目录展示模型卡片
|
||
│ ├── show_llms_by_providers.ui # 按供应商展示模型
|
||
│ ├── show_same_catelog_llm.ui # 同目录模型展示
|
||
│ ├── llm_dialog.ui # 模型对话窗口（LlmIO 控件）
|
||
│ ├── llminference.dspy # 推理入口（调用 inference_generator）
|
||
│ ├── list_paging_catelog_llms.dspy # 分页目录模型列表
|
||
│ ├── list_catelog_models.dspy # 目录模型列表
|
||
│ ├── get_type_llms.dspy # 按类型获取模型
|
||
│ ├── model_estimate.dspy # 费用预估
|
||
│ ├── query_price.dspy # 价格查询
|
||
│ ├── llmcost.dspy # 费用统计
|
||
│ ├── llmcheck.dspy # 模型检查
|
||
│ ├── llmaccounting.dspy # 手动记账触发
|
||
│ ├── vidu_inference.dspy # Vidu 视频推理入口
|
||
│ ├── vidu_callback.dspy # Vidu 回调处理
|
||
│ ├── get_asynctask_status.dspy # 异步任务状态查询
|
||
│ ├── get_my_asynctasks.dspy # 我的异步任务列表
|
||
│ ├── grap_task_status.dspy # 抓取任务状态
|
||
│ ├── tasks/index.dspy # 任务管理入口
|
||
│ ├── openai/index.dspy # OpenAI 兼容接口
|
||
│ ├── v1/chat/completions/index.dspy # OpenAI v1 聊天接口
|
||
│ ├── t2t/index.dspy # 文本到文本接口
|
||
│ └── video/index.dspy # 视频生成接口
|
||
└── script/
|
||
└── perms.json # RBAC 权限配置
|
||
```
|
||
|
||
---
|
||
|
||
## 数据库表结构
|
||
|
||
### 表关系
|
||
|
||
```
|
||
llmcatelog (模型目录) ──1:N──> llm (模型)
|
||
llm (模型) ──N:1──> upapp (上位系统, 通过 uapi 模块)
|
||
llm (模型) ──1:N──> llmusage (调用记录)
|
||
```
|
||
|
||
### 核心表说明
|
||
|
||
| 表名 | 说明 | 关键字段 |
|
||
|------|------|----------|
|
||
| **llmcatelog** | 模型目录分类 | id, name |
|
||
| **llm** | 模型定义 | id, name, model, providerid, ownerid, upappid, apiname, llmcatelogid, stream（同步/异步/流式）, ppid（定价程序id）, callbackurl, enabled_date, expired_date, input_fields |
|
||
| **llmusage** | 模型调用记录 | id, llmid, userid, userorgid, usages(token用量), status(SUCCEEDED/FAILED), amount(金额), cost(成本), use_time, accounting_status(created/accounted/failed), taskid(异步任务id) |
|
||
| **historyformat** | 历史对话格式 | id, name, format |
|
||
|
||
---
|
||
|
||
## 架构设计：llmage + uapi 协同
|
||
|
||
```
|
||
用户点击模型卡片
|
||
│
|
||
▼
|
||
llm_dialog.ui ── 显示 LlmIO 对话控件
|
||
│
|
||
▼
|
||
llminference.dspy ── 推理入口
|
||
│
|
||
▼
|
||
inference_generator() ── 推理引擎核心（llmclient.py）
|
||
│
|
||
├── 判断 llm.stream:
|
||
│
|
||
├── 'async' ──→ async_uapi_request() ── 提交任务 + 后台轮询状态
|
||
│ │
|
||
│ └── 通过 uapi 的 UpAppApi 调用远端 API
|
||
│
|
||
├── False ──→ sync_uapi_request() ─── 一次性同步调用
|
||
│ │
|
||
│ └── 通过 uapi 的 UpAppApi 调用远端 API
|
||
│
|
||
└── True ──→ uapi_request() ────── 流式调用（SSE）
|
||
│
|
||
└── 通过 uapi 的 UpAppApi stream_linify()
|
||
```
|
||
|
||
**关键连接点**：llm 表中的 `upappid` + `apiname` 指向 uapi 模块中配置的外部 API。uapi 负责：
|
||
- 管理 upapp（上位系统）的 baseurl、认证密钥
|
||
- 管理 uapi（API 定义）的 httpmethod、path、headers、模板渲染
|
||
- 提供 UpAppApi 类进行实际 HTTP 调用
|
||
|
||
llmage 负责：
|
||
- 模型业务逻辑（分类、展示、选择）
|
||
- 推理调度（选择同步/异步/流式模式）
|
||
- 调用记录追踪（llmusage 表）
|
||
- 计费记账（accounting）
|
||
|
||
---
|
||
|
||
## Python API
|
||
|
||
### 模块初始化
|
||
|
||
```python
|
||
def load_llmage():
|
||
env = ServerEnv()
|
||
env.llm_query_orders = llm_query_orders
|
||
env.read_webpath = read_webpath
|
||
env.get_llm_by_model = get_llm_by_model
|
||
env.llm_charging = llm_charging
|
||
env.get_accounting_llmusages = get_accounting_llmusages
|
||
env.llm_accounting = llm_accounting
|
||
env.get_today_asynctask_list = get_today_asynctask_list
|
||
env.get_asynctask_status = get_asynctask_status
|
||
env.query_task_status = query_task_status
|
||
env.get_llm = get_llm
|
||
env.inference = inference
|
||
env.inference_generator = inference_generator
|
||
env.get_llms_by_catelog = get_llms_by_catelog
|
||
env.get_llmcatelogs = get_llmcatelogs
|
||
env.checkCustomerBalance = checkCustomerBalance
|
||
env.get_llmproviders = get_llmproviders
|
||
env.get_llms_sort_by_provider = get_llms_sort_by_provider
|
||
env.keling_token = keling_token
|
||
env.llm_query_price = llm_query_price
|
||
env.jimeng_auth_headers = jimeng_auth_headers
|
||
|
||
# 启动后台记账任务
|
||
add_cleanupctx(start_backend) # backend_accounting() 每10秒轮询
|
||
```
|
||
|
||
其他模块的 `.dspy` 文件可通过 `globals()` 直接使用这些函数。
|
||
|
||
### 推理引擎（llmclient.py）
|
||
|
||
三种推理模式：
|
||
|
||
#### 1. 流式推理（uapi_request）
|
||
|
||
适用于支持 SSE 流式返回的 LLM API（如 GPT-4、Claude）。
|
||
|
||
```python
|
||
async for line in uapi_request(request, llm, callerid, callerorgid, params_kw):
|
||
yield line # 每行是一个 JSON，包含 content/reasoning_content/usage
|
||
```
|
||
|
||
**输出格式**：
|
||
```json
|
||
{"content": "你好", "llmusageid": "xxx"}
|
||
{"reasoning_content": "让我想想...", "llmusageid": "xxx"}
|
||
{"usage": {"prompt_tokens": 10, "completion_tokens": 20}, "llmusageid": "xxx"}
|
||
```
|
||
|
||
#### 2. 同步推理（sync_uapi_request）
|
||
|
||
适用于一次性返回完整结果的 API。
|
||
|
||
```python
|
||
result = await sync_uapi_request(request, llm, callerid, callerorgid, params_kw)
|
||
# result 是 JSON 字符串
|
||
```
|
||
|
||
#### 3. 异步推理（async_uapi_request）
|
||
|
||
适用于视频生成等耗时任务。提交后立即返回 taskid，后台轮询状态。
|
||
|
||
```python
|
||
result = await async_uapi_request(request, llm, callerid, callerorgid, params_kw)
|
||
# result: {"taskid": "xxx", "status": "PENDING"}
|
||
# 后台自动通过 query_task_status() 轮询，更新 llmusage 表
|
||
```
|
||
|
||
### inference / inference_generator 入口
|
||
|
||
```python
|
||
# 在 .dspy 中使用（流式）
|
||
async def handle(request, params_kw=None):
|
||
async for line in inference_generator(request, params_kw=params_kw):
|
||
yield line
|
||
|
||
# 或者直接使用 inference（自动包装为流式响应）
|
||
result = await inference(request, params_kw=params_kw)
|
||
```
|
||
|
||
**参数要求**：
|
||
- `params_kw.llmid`: 模型 ID（必填）
|
||
- `params_kw.model`: 模型名称（可选，自动从 llm 表填充）
|
||
- `params_kw.transno`: 交易号（可选，自动生成）
|
||
- `params_kw.stream`: 是否流式（可选）
|
||
|
||
### 模型查询
|
||
|
||
```python
|
||
# 通过 llmid 获取模型信息（带内存缓存）
|
||
llm = await get_llm(llmid)
|
||
|
||
# 按目录获取模型列表
|
||
llms_by_catelog = await get_llms_by_catelog()
|
||
# 返回: [{'catelogid': 'x', 'catelogname': '文本', 'llms': [...]}]
|
||
|
||
# 按供应商获取模型列表
|
||
llms_by_provider = await get_llms_sort_by_provider()
|
||
|
||
# 获取所有目录
|
||
catelogs = await get_llmcatelogs()
|
||
|
||
# 获取所有供应商
|
||
providers = await get_llmproviders()
|
||
```
|
||
|
||
### 计费与记账（accounting.py）
|
||
|
||
```python
|
||
# 检查用户余额是否足够使用某模型
|
||
has_balance = await checkCustomerBalance(llmid, userorgid)
|
||
|
||
# 计算费用（通过定价程序）
|
||
chargings = await llm_charging(ppid, llmusage)
|
||
# 返回: DictObject(original_amount, amount, cost)
|
||
|
||
# 价格查询
|
||
prices = await llm_query_price(llmid, config_data)
|
||
|
||
# 后台记账（由 start_backend 自动启动，每10秒轮询）
|
||
# 处理 llmusage 中 accounting_status='created' 的记录
|
||
await backend_accounting()
|
||
|
||
# 手动记账
|
||
await llm_accounting(llmusage)
|
||
```
|
||
|
||
### 异步任务管理（asyncinference.py）
|
||
|
||
```python
|
||
# 查询异步任务状态
|
||
status = await get_asynctask_status(request, taskid)
|
||
# 返回: {'taskid': 'xxx', 'status': 'SUCCEEDED'|'FAILED'|'PENDING', ...}
|
||
|
||
# 获取今天的异步任务列表
|
||
tasks = await get_today_asynctask_list(userid)
|
||
|
||
# 手动轮询任务状态（onetime=True 只查一次）
|
||
await query_task_status(request, luid, onetime=False)
|
||
```
|
||
|
||
---
|
||
|
||
## 前端页面
|
||
|
||
### show_llms.ui — 模型展示
|
||
|
||
按目录（catelog）分组展示模型卡片，点击卡片弹出 llm_dialog.ui 对话窗口。
|
||
|
||
```jinja2
|
||
{% for cate in get_llms_by_catelog() %}
|
||
{% for llm in cate.llms %}
|
||
模型卡片 → click → urlwidget → llm_dialog.ui?id={{llm.id}}
|
||
{% endfor %}
|
||
{% endfor %}
|
||
```
|
||
|
||
### llm_dialog.ui — 模型对话窗口
|
||
|
||
LlmIO 控件，支持流式输出、多模型切换、知识库选择等。
|
||
|
||
```jinja2
|
||
{% if checkCustomerBalance(params_kw.id, userorgid) %}
|
||
{% set llm = get_llm(params_kw.id) %}
|
||
LlmIO 控件 → 推理地址: /llmage/llminference.dspy
|
||
{% endif %}
|
||
```
|
||
|
||
### llminference.dspy — 推理入口
|
||
|
||
```python
|
||
# 接收 params_kw（包含 llmid、prompt 等参数）
|
||
# 调用 inference_generator 进行推理
|
||
async for line in inference_generator(request, params_kw=params_kw):
|
||
yield line
|
||
```
|
||
|
||
### OpenAI 兼容接口
|
||
|
||
- `/llmage/openai/` — OpenAI 兼容的接口入口
|
||
- `/llmage/v1/chat/completions/` — 标准 OpenAI chat completions 接口
|
||
|
||
---
|
||
|
||
## 关键设计要点
|
||
|
||
1. **llm ↔ uapi 桥接**：llm 表通过 `upappid` + `apiname` 关联到 uapi 的 API 配置，实现零代码接入新模型
|
||
2. **BufferedLLMs 缓存**：模型定义按日期缓存，避免每次查询数据库；跨天自动失效
|
||
3. **三种推理模式**：流式（SSE）、同步（一次性返回）、异步（提交+轮询），根据 `llm.stream` 字段自动选择
|
||
4. **异步任务轮询**：后台自动轮询任务状态（`query_task_status`），支持多 API 名称轮询（`query_apiname` 逗号分隔）
|
||
5. **IO 持久化**：每次调用的输入输出以 JSON 文件存储（通过 FileStorage），llmusage 表只存 webpath
|
||
6. **计费延迟**：联机不调账，标记 `accounting_status='created'`，后台记账任务每10秒批量处理
|
||
7. **API Key 保护**：异常信息中的 Bearer token 会被 `erase_apikey()` 替换为 XXXXXXXX
|
||
8. **供应商认证**：可灵（keling_token）和即梦（jimeng_auth_headers）有专用的认证函数
|
||
|
||
---
|
||
|
||
## 依赖关系
|
||
|
||
```
|
||
llmage
|
||
├── sqlor # 数据库 ORM
|
||
├── apppublic # 工具库（日志、唯一ID、时间工具等）
|
||
├── ahserver # Web 服务器框架
|
||
├── uapi # 外部 API 网关（推理调用依赖 UpAppApi）
|
||
└── accounting # 计费模块（consume_accounting, getCustomerBalance）
|
||
```
|
||
|
||
---
|
||
|
||
## 开发注意事项
|
||
|
||
1. **llm.stream 字段**：控制推理模式 — `'async'` 为异步任务、`False` 为同步、`True` 为流式
|
||
2. **llm 表关联链**：llm → upapp → uapi + uapiio，新增模型需在 uapi 模块中先配置好 API 定义。模型能力字段（apiname, query_apiname, query_period, ppid）已拆分到 llm_api_map 表。
|
||
3. **input_fields**：模型的输入字段定义存储在 uapiio 表中，BufferedLLMs 加载时自动关联
|
||
4. **计费开关**：目前联机不调账（代码中已注释），所有 amount/cost 为 0，由后台任务统一处理
|
||
5. **异步任务 query_apiname**：支持多个 API 名称逗号分隔，逐个轮询直到状态变为 SUCCEEDED/FAILED
|
||
6. **query_period**：轮询间隔（秒），默认 30 秒，在 llm 表中配置
|