subochev
c7e7c7346d
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.
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→ образimages.binom.pw/llm-proxy:<tag>(zot). - Запуск на 76.179 (llm-router):
podman-compose up -dизpodman-compose.yaml(образ тянется изimages.binom.pw, сетьbifrost_default— туда же Bifrost ходит по имениllm-proxy). - Bifrost: в
config_providersпровайдераRouterainetwork_config_json.base_url=http://llm-proxy:8100(после смены — рестарт bifrost_gateway).