subochev
c7e7c7346d
Build LLM Proxy / Build and push (release) Successful in 24s
Некоторые провайдеры (minimax) отдают рассуждения модели текстом внутри content, обернув их тегами think. Новое опциональное поле think_tags у providers[] и upstreams[] (приоритет: апстрим -> провайдер -> off, толерантный разбор true/false, неизвестное = off). - off: поведение не меняется (сырой байтовый passthrough в стриме); - split: блоки think вырезаются из content, текст уходит в reasoning_content; - strip: вырезаются и выбрасываются. Стрим разбирается построчно: отдельный ThinkTagSplitter на каждый choices[].index, хвост, который может оказаться началом разрезанного тега, не отдаётся до разрешения, на конце потока — finish(). Non-stream: тот же трансформ для message.content (и для результата rebuildFromChunks), уже существующий reasoning_content дописывается, а не теряется. Тесты: ThinkTagSplitterTest (7), разбор конфига и эффективный режим в ConfigLogicTest (2) — всего 42 теста, 0 падений. CONFIG.md + README.
49 lines
3.0 KiB
Markdown
49 lines
3.0 KiB
Markdown
# llm-proxy
|
||
|
||
Прозрачная прослойка/роутер OpenAI API. Принимает `/v1/chat/completions` и
|
||
`/v1/models`, маршрутизирует между объявленными в YAML апстримами по внутреннему
|
||
учёту конкурентности и мержит `patch`-слои (`provider` → `upstream` → `model`) в
|
||
тело запроса. Подробная спецификация конфига — в `CONFIG.md`.
|
||
|
||
## Конфиг
|
||
|
||
Конфигурация — в YAML-файле (по умолчанию `config.yaml` в каталоге проекта,
|
||
CWD; переопределяется env `CONFIG_PATH`). Блоки: `server` (интерфейс биндинга
|
||
`host` + `port`, дефолты `0.0.0.0` / `8100`), `providers`, `upstreams`,
|
||
`models`. Старый механизм env-переменных (`UPSTREAM_URL`, `ROUTER_API_KEY`,
|
||
`EXCLUDED_PROVIDERS`, `THINKING_MODELS`, `PORT`) удалён — его поведение теперь
|
||
в декларативном `patch` и блоке `upstreams`, а порт/интерфейс — в блоке
|
||
`server`.
|
||
|
||
Лимит конкурентности `max_concurrency` можно задать и на провайдере (лимит по
|
||
умолчанию для его апстримов), и на апстриме (перекрывает провайдерский); без
|
||
обоих — безлимит.
|
||
|
||
Обработку think-тегов включает опциональный флажок `think_tags` у провайдера или
|
||
апстрима (`off` по умолчанию, `split` — рассуждения из `<think>…</think>` уходят
|
||
в `reasoning_content`, `strip` — выбрасываются); работает и в стриме, и в
|
||
non-stream.
|
||
|
||
| Переменная | Default | Описание |
|
||
|---|---|---|
|
||
| `CONFIG_PATH` | `config.yaml` (CWD) | Путь к YAML-конфигу |
|
||
|
||
| Ключ конфига | Default | Описание |
|
||
|---|---|---|
|
||
| `server.host` | `0.0.0.0` | Интерфейс/адрес биндинга |
|
||
| `server.port` | `8100` | Порт сервера |
|
||
|
||
Таймаут на запрос к нейронке (весь ответ, включая стриминг) — константа
|
||
`UPSTREAM_REQUEST_TIMEOUT_MS` = 5 минут; без неё дефолт CIO-движка Ktor — 15 секунд,
|
||
и длинные генерации обрываются. Значение логируется при старте.
|
||
|
||
## Сборка и деплой
|
||
|
||
- CI (Gitea Actions, на release): `./gradlew fatJar` → образ
|
||
`images.binom.pw/llm-proxy:<tag>` (zot).
|
||
- Запуск на 76.179 (llm-router): `podman-compose up -d` из `podman-compose.yaml`
|
||
(образ тянется из `images.binom.pw`, сеть `bifrost_default` — туда же Bifrost
|
||
ходит по имени `llm-proxy`).
|
||
- Bifrost: в `config_providers` провайдера `Routerai` `network_config_json.base_url`
|
||
= `http://llm-proxy:8100` (после смены — рестарт bifrost_gateway).
|