Press n or j to go to the next uncovered block, b, p or k for the previous block.
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 | /** * 统一的 LLM 服务 - Provider Registry 模式 * * 架构改进: * 1. 供应商级别的 Provider 抽象（ILlmProvider） * 2. 注册表管理（ProviderRegistry），统一调度和熔断 * 3. 公共 API 保持向后兼容（callLLM, callLLMWithMessages, callLLMWithTools, callLLMStream） * * 供应商优先级由 models.json 中的 priority 字段决定。 * 调度策略: 同供应商 Key 轮转 → 跨供应商降级（优先同名/别名模型） */ import { ChatOpenAI } from '@langchain/openai'; import { HumanMessage, SystemMessage, AIMessage, BaseMessage, ToolMessage } from '@langchain/core/messages'; import { tool } from '@langchain/core/tools'; import { z } from 'zod'; import { withAiLog } from '../ai-call-logger'; import { config } from '../../config'; import { getLlmRegistry, findProviderNodeForModel, getToolCapableModels, getNextToolCapableModel as getNextToolCapable, getDefaultModelId, initLlmRegistry, startHealthCheck, } from './provider.registry'; import { ILlmProvider } from './provider.interface'; import { CircuitBreakerOpenError } from '../../common/circuit-breaker'; import { cleanLlmResponse } from './response-cleaner'; /** 检测额度耗尽错误的错误消息模式 */ const EXHAUSTED_PATTERNS = [ 'quota', 'balance', 'insufficient', '额度', '余额', '用量', 'rate limit', 'too many requests', ]; export type ChatMessage = { role: 'system' | 'user' | 'assistant'; content: string; }; export type ToolDefinition = { name: string; description: string; inputSchema: z.ZodObject<any>; execute: (input: any) => Promise<any>; }; export type ToolCallResult = { text: string; toolCalls: Array<{ name: string; input: any; result: any; }>; }; // 模型缓存（按 modelId 缓存 ChatOpenAI 实例） const modelCache: Map<string, ChatOpenAI> = new Map(); // ============ 供应商/模型选择调度 ============ /** * 文本模型选择策略 */ type SelectionStrategy = 'round-robin' | 'random' | 'weighted'; /** * 选择文本模型 * @param preferredModel 用户偏好的模型名（可选） * @param strategy 选择策略，默认 round-robin * @returns 模型ID 或 null */ export function selectTextModel( preferredModel?: string, strategy: SelectionStrategy = 'round-robin' ): string | null { const registry = getLlmRegistry(); const available = registry.listAvailable(); if (available.length === 0) { console.warn('[LLM] 没有可用的文本模型供应商'); return null; } // 按策略选择供应商 let vendorNode = available[0]; if (strategy === 'random') { vendorNode = available[Math.floor(Math.random() * available.length)]; } else if (strategy === 'round-robin') { // 轮转：基于时间戳简单轮转 const idx = Math.floor(Date.now() / 1000) % available.length; vendorNode = available[idx]; } // weighted 暂未实现 // 优先用用户指定的模型 if (preferredModel && vendorNode.provider.hasModel(preferredModel)) { return preferredModel; } // 检查该供应商是否支持工具调用 const toolModels = vendorNode.provider.textModels.filter(id => { const cfg = vendorNode.provider.getModelConfig(id); return cfg?.supportsToolCall; }); // 优先选支持工具调用的模型 if (toolModels.length > 0) { return toolModels[0]; } // 否则选第一个文本模型 const firstModel = vendorNode.provider.textModels[0]; return firstModel || null; } /** * 获取文本模型的供应商节点 */ function findVendorForModel(modelId: string) { const registry = getLlmRegistry(); return registry.listAvailable().find(n => n.provider.hasModel(modelId)); } // ============ 内部辅助 ============ /** * 创建 ChatOpenAI 实例 * @param modelId 模型 ID * @param options 覆盖参数（temperature, maxTokens） */ function createClient(modelId: string, options?: { temperature?: number; maxTokens?: number }): ChatOpenAI { const node = findVendorForModel(modelId); if (!node) throw new Error(`没有找到模型 ${modelId} 所属的供应商`); const provider = node.provider; return provider.createClient(modelId, options); } /** * 获取 ChatOpenAI 实例（带缓存） * - 未指定 maxTokens 时使用缓存实例 * - 指定 maxTokens 时创建新实例（不缓存） */ export function getLLM(modelId?: string, maxTokens?: number): ChatOpenAI { const id = modelId || getDefaultModelId(); if (maxTokens !== undefined) { return createClient(id, { maxTokens }); } if (!modelCache.has(id)) { modelCache.set(id, createClient(id)); } return modelCache.get(id)!; } /** * 获取支持工具调用的模型 */ export function getToolCapableModel(preferredModelId?: string): ChatOpenAI { if (preferredModelId) { const node = findVendorForModel(preferredModelId); const cfg = node?.provider.getModelConfig(preferredModelId); if (cfg?.supportsToolCall) return getLLM(preferredModelId); } const toolModels = getToolCapableModels(); if (toolModels.length === 0) throw new Error('没有可用的支持工具调用的模型'); // 使用轮转策略选择一个支持工具调用的模型 const selectedModelId = selectTextModel(undefined, 'round-robin'); if (!selectedModelId) throw new Error('没有可用的文本模型'); return getLLM(selectedModelId); } /** * 获取下一个支持工具调用的模型（用于自动切换） */ export function getNextToolCapableModel(currentModelId: string): string | null { return getNextToolCapable(currentModelId); } // ============ 消息格式转换 ============ function toBaseMessages(messages: ChatMessage[]): BaseMessage[] { return messages.map((m) => { if (m.role === 'system') return new SystemMessage(m.content); if (m.role === 'assistant') return new AIMessage(m.content); return new HumanMessage(m.content); }); } // ============ 核心调用接口（向后兼容） ============ /** 重试延迟（ms） */ const RETRY_DELAY_MS = 2000; /** * 根据 modelId 解析出实际的供应商 key */ function resolveProviderKey(modelId: string): string { const cfg = (config.models as any).getModel?.(modelId); if (cfg?.vendor) return cfg.vendor; // fallback: 从 registry 查找 const registry = getLlmRegistry(); for (const node of registry.listEnabled()) { if (node.provider.hasModel(modelId)) return node.provider.vendor; } return modelId; } /** * 带重试的调用包装 * 失败后先同模型重试1次（2s延迟），仍失败再切换供应商 */ async function invokeWithRetry<T>( fn: () => Promise<T>, modelId: string, onSwitch: (nextModelId: string) => Promise<T>, callType: string = 'llm_chat', ): Promise<T> { const provider = resolveProviderKey(modelId); // 第1次尝试 try { return await withAiLog(fn, { callType, provider, model: modelId }); } catch (error: any) { // 不可切换的错误，直接抛出 if (!config.models.shouldSwitchModel(error?.message || '')) { throw error; } // 可切换错误：先重试1次（可能是瞬时波动） console.log(`[LLM] ${modelId} 调用失败，2s后重试...`); await new Promise(resolve => setTimeout(resolve, RETRY_DELAY_MS)); try { // 第2次尝试（同模型重试，记录日志） const retryResult = await withAiLog( fn, { callType: `${callType}_retry1`, provider, model: modelId } ); return retryResult; } catch (retryError: any) { // 重试仍失败，切换供应商 const nextModel = trySwitchModel(modelId, retryError); if (nextModel) { return onSwitch(nextModel); } throw retryError; } } } /** * 原始字符串调用（向后兼容） * 内部使用注册表 + 熔断器实现自动降级 */ export async function callLLM(prompt: string, modelId?: string): Promise<string> { const id = modelId || getDefaultModelId(); return invokeWithRetry( async () => { const llm = getLLM(id); const response = await llm.invoke(prompt); return cleanLlmResponse(response.content as string); }, id, (nextModel) => callLLM(prompt, nextModel), ); } /** * 消息格式调用 - 支持 system/user/assistant 角色 */ export async function callLLMWithMessages( messages: ChatMessage[], modelId?: string, maxTokens?: number ): Promise<string> { const id = modelId || getDefaultModelId(); // 请求日志 console.log('[AI请求] ===== 开始 ====='); console.log('[AI请求] 模型:', id, maxTokens !== undefined ? `(maxTokens=${maxTokens})` : ''); console.log('[AI请求] 消息数:', messages.length); const systemMsg = messages.find(m => m.role === 'system'); if (systemMsg) { console.log('[AI请求] System提示词 (前200字):', systemMsg.content.substring(0, 200)); } // 解析 provider const provider = resolveProviderKey(id); try { const llm = getLLM(id, maxTokens); const baseMessages = toBaseMessages(messages); const prompt = messages.map(m => `${m.role}: ${m.content}`).join('\n'); const response = await withAiLog( () => llm.invoke(baseMessages as any), { callType: 'llm_chat', provider, model: id, textLen: messages.reduce((s, m) => s + (m.content?.length || 0), 0), prompt } ); const responseContent = cleanLlmResponse(response.content as string); console.log('[AI响应] 内容 (前1000字):', responseContent.substring(0, 1000)); if (responseContent.length > 1000) { console.log('[AI响应] ... (总长度:', responseContent.length, '字)'); } console.log('[AI响应] ===== 结束 ====='); return responseContent; } catch (error: any) { // 不可切换的错误，直接抛出 if (!config.models.shouldSwitchModel(error?.message || '')) { throw error; } // 可切换错误：先重试1次 console.log(`[LLM] ${id} 消息调用失败，2s后重试...`); await new Promise(resolve => setTimeout(resolve, RETRY_DELAY_MS)); try { const llm = getLLM(id, maxTokens); const baseMessages = toBaseMessages(messages); const prompt = messages.map(m => `${m.role}: ${m.content}`).join('\n'); const response = await withAiLog( () => llm.invoke(baseMessages as any), { callType: 'llm_chat_retry', provider, model: id, textLen: messages.reduce((s, m) => s + (m.content?.length || 0), 0), prompt } ); const responseContent = cleanLlmResponse(response.content as string); console.log('[AI响应] 重试成功 (前1000字):', responseContent.substring(0, 1000)); console.log('[AI响应] ===== 结束 ====='); return responseContent; } catch (retryError: any) { const nextModel = trySwitchModel(id, retryError); if (nextModel) { console.log(`[LLM] ${id} 重试仍失败，切换到 ${nextModel}`); return callLLMWithMessages(messages, nextModel, maxTokens); } throw retryError; } } } /** * 工具调用 - 让 LLM 能调用外部工具 * 支持模型自动切换 */ export async function callLLMWithTools( messages: ChatMessage[], tools: ToolDefinition[], modelId?: string, maxRounds = 5, maxTokens?: number ): Promise<ToolCallResult> { const effectiveModelId = modelId || getDefaultModelId(); if (!effectiveModelId) { throw new Error('没有可用的支持工具调用的模型'); } return callLLMWithToolsImpl(messages, tools, effectiveModelId, maxRounds, undefined, maxTokens); } async function callLLMWithToolsImpl( messages: ChatMessage[], tools: ToolDefinition[], modelId: string, maxRounds: number, attemptedModels: Set<string> = new Set(), maxTokens?: number ): Promise<ToolCallResult> { if (attemptedModels.has(modelId)) { const nextModel = getNextToolCapableModel(modelId); if (nextModel && !attemptedModels.has(nextModel)) { return callLLMWithToolsImpl(messages, tools, nextModel, maxRounds, attemptedModels, maxTokens); } throw new Error('所有支持工具调用的模型都不可用'); } attemptedModels.add(modelId); let llm: ChatOpenAI; try { llm = getLLM(modelId, maxTokens); } catch (err) { const nextModel = getNextToolCapableModel(modelId); if (nextModel && !attemptedModels.has(nextModel)) { return callLLMWithToolsImpl(messages, tools, nextModel, maxRounds, attemptedModels, maxTokens); } throw err; } const lcTools = tools.map((t) => tool(t.execute, { name: t.name, description: t.description, schema: t.inputSchema, }) ); const llmWithTools = llm.bindTools(lcTools as any); const conversationMessages: any[] = toBaseMessages(messages); const toolCallResults: ToolCallResult['toolCalls'] = []; for (let round = 0; round < maxRounds; round++) { let response: any; try { const prompt = conversationMessages.map(m => `${m._getType()}: ${m.content}`).join('\n'); response = await withAiLog( () => llmWithTools.invoke(conversationMessages as any), { callType: 'llm_tools', provider: resolveProviderKey(modelId), model: modelId, prompt } ); } catch (err: any) { console.warn(`[LLM] 模型 ${modelId} 调用失败: ${err?.message}，尝试下一个模型`); const nextModel = getNextToolCapableModel(modelId); if (nextModel && !attemptedModels.has(nextModel)) { return callLLMWithToolsImpl(messages, tools, nextModel, maxRounds, attemptedModels); } throw err; } conversationMessages.push(response); if (!response.tool_calls || response.tool_calls.length === 0) { return { text: response.content as string, toolCalls: toolCallResults, }; } for (const toolCall of response.tool_calls) { const toolDef = tools.find((t) => t.name === toolCall.name); if (!toolDef) continue; console.log(`[LLM] 工具调用: ${toolCall.name}`, toolCall.args); const result = await toolDef.execute(toolCall.args); const resultStr = typeof result === 'string' ? result : JSON.stringify(result); toolCallResults.push({ name: toolCall.name, input: toolCall.args, result }); conversationMessages.push(new ToolMessage({ content: resultStr, tool_call_id: toolCall.id! })); } } const lastMsg = conversationMessages[conversationMessages.length - 1]; return { text: typeof lastMsg.content === 'string' ? lastMsg.content : '', toolCalls: toolCallResults, }; } /** * 流式调用 */ export async function* callLLMStream( prompt: string, modelId?: string ): AsyncGenerator<string> { const id = modelId || getDefaultModelId(); // 流式调用也加重试 try { const llm = getLLM(id); const stream = await llm.stream(prompt); const chunks: string[] = []; for await (const chunk of stream) { const content = chunk.content as string; chunks.push(content); yield content; } } catch (error: any) { if (!config.models.shouldSwitchModel(error?.message || '')) { throw error; } // 流式无法完美重试（已部分yield），直接切换供应商 const nextModel = trySwitchModel(id, error); if (nextModel) { yield* callLLMStream(prompt, nextModel); return; } throw error; } } /** * 获取可用模型列表 */ export function getAvailableModels() { return config.models.getModelsByType('text'); } /** * 清除模型缓存 */ export function clearModelCache() { modelCache.clear(); } // ============ 供应商级别故障切换 ============ /** * 检查错误是否需要切换供应商 * 调度策略：同 Key 换模型无意义（额度共享），直接切换到下一个供应商 * 优先查找同名/别名模型（canonicalModel），保持模型一致性 */ function trySwitchModel(currentModelId: string, error: any): string | null { const errorMessage = error?.message || ''; const registry = getLlmRegistry(); // 1. 额度耗尽检测：标记该供应商并切换（4小时自动恢复） if (EXHAUSTED_PATTERNS.some(p => errorMessage.toLowerCase().includes(p))) { const currentNode = findProviderNodeForModel(currentModelId); if (currentNode) { // 4小时 TTL 自动恢复 registry.markExhausted(currentNode.provider.name, errorMessage, 4 * 60 * 60 * 1000); } } // 2. 熔断器开启，需切换供应商 if (error instanceof CircuitBreakerOpenError) { return switchToNextVendorModel(currentModelId); } // 3. 可恢复错误，直接切换到下一个供应商 if (config.models.shouldSwitchModel(errorMessage)) { return switchToNextVendorModel(currentModelId); } return null; } /** * 切换到下一个供应商（平等轮转，无优先级） * 优先查找同名/别名模型，保持输出一致性 * 找不到同名模型时回退到该供应商的第一个文本模型 */ function switchToNextVendorModel(currentModelId: string): string | null { const registry = getLlmRegistry(); const currentNode = findProviderNodeForModel(currentModelId); const available = registry.listAvailable(); if (available.length === 0) { console.warn('[LLM] 所有供应商都不可用（熔断/额度耗尽/禁用）'); return null; } // 从当前供应商的下一个开始找 const startIndex = currentNode ? (available.findIndex(n => n.provider.name === currentNode.provider.name) + 1) % available.length : 0; for (let i = 0; i < available.length; i++) { const idx = (startIndex + i) % available.length; const node = available[idx]; if (node === currentNode) continue; // 1. 精确匹配：下一个供应商是否也提供同名模型 if (node.provider.hasModel(currentModelId)) { console.log(`[LLM] 同模型切换到供应商 ${node.provider.displayName}，模型 ${currentModelId}`); return currentModelId; } // 2. 别名匹配：下一个供应商中是否有 canonicalModel 指向当前模型的 for (const modelId of node.provider.textModels) { const cfg = node.provider.getModelConfig(modelId); if (cfg?.canonicalModel === currentModelId) { console.log(`[LLM] 别名模型切换到供应商 ${node.provider.displayName}，模型 ${modelId}`); return modelId; } } // 3. 无同名/别名模型，使用该供应商的第一个文本模型 if (node.provider.textModels.length > 0) { const nextId = node.provider.textModels[0]; console.log(`[LLM] 切换到供应商 ${node.provider.displayName}，模型 ${nextId}`); return nextId; } } console.warn('[LLM] 所有供应商都已不可用'); return null; } // ============ 初始化 ============ // 模块加载时自动初始化并启动健康检查 initLlmRegistry(); startHealthCheck(); |