131 lines
2.9 KiB
Markdown
131 lines
2.9 KiB
Markdown
|
# LLM 工厂模块说明
|
||
|
|
|
||
|
|
## 模块概述
|
||
|
|
|
||
|
|
LLM 工厂模块提供统一的 LLM（大语言模型）客户端构建接口，支持多种 LLM 提供商的初始化和管理。
|
||
|
|
|
||
|
|
## 支持的 LLM 提供商
|
||
|
|
|
||
|
|
| 提供商 | 模型 | 说明 |
|
||
|
|
|-------|------|------|
|
||
|
|
| DeepSeek | deepseek-chat | 深度求索 |
|
||
|
|
| OpenAI | gpt-4o-mini, gpt-4 | OpenAI GPT 系列 |
|
||
|
|
| 通义千问 | qwen-max, qwen-turbo | 阿里云 |
|
||
|
|
| Groq | llama3-70b-8192 | Groq 推理加速 |
|
||
|
|
| Moonshot | moonshot-v1-128k | Kimi |
|
||
|
|
| 豆包 | 自定义 | 字节跳动 |
|
||
|
|
| 文心一言 | ernie-bot-turbo | 百度 |
|
||
|
|
|
||
|
|
## 使用方式
|
||
|
|
|
||
|
|
### 基本用法
|
||
|
|
|
||
|
|
```python
|
||
|
|
from modules.llm_factory import build_llm
|
||
|
|
|
||
|
|
# 构建 LLM 实例
|
||
|
|
llm = build_llm(
|
||
|
|
provider="DeepSeek",
|
||
|
|
api_key="sk-xxx",
|
||
|
|
model="deepseek-chat",
|
||
|
|
temperature=0.7
|
||
|
|
)
|
||
|
|
|
||
|
|
# 使用 LLM
|
||
|
|
response = llm.invoke("你好")
|
||
|
|
```
|
||
|
|
|
||
|
|
### 获取默认模型
|
||
|
|
|
||
|
|
```python
|
||
|
|
from modules.llm_factory import get_default_model
|
||
|
|
|
||
|
|
model = get_default_model("DeepSeek")
|
||
|
|
# 返回: "deepseek-chat"
|
||
|
|
```
|
||
|
|
|
||
|
|
### 获取支持的提供商列表
|
||
|
|
|
||
|
|
```python
|
||
|
|
from modules.llm_factory import get_supported_providers
|
||
|
|
|
||
|
|
providers = get_supported_providers()
|
||
|
|
# 返回: ["DeepSeek", "OpenAI (GPT)", "Tongyi (通义千问)", ...]
|
||
|
|
```
|
||
|
|
|
||
|
|
## 技术实现
|
||
|
|
|
||
|
|
### 核心文件
|
||
|
|
|
||
|
|
| 文件 | 说明 |
|
||
|
|
|------|------|
|
||
|
|
| `modules/llm_factory.py` | LLM 工厂模块 |
|
||
|
|
| `modules/chat_doubao.py` | 豆包聊天模型封装 |
|
||
|
|
|
||
|
|
### 设计模式
|
||
|
|
|
||
|
|
采用工厂模式，统一管理多种 LLM 提供商：
|
||
|
|
|
||
|
|
```
|
||
|
|
build_llm(provider, api_key, model, temperature)
|
||
|
|
├── DeepSeek → ChatDeepSeek
|
||
|
|
├── OpenAI → ChatOpenAI
|
||
|
|
├── Tongyi → ChatTongyi
|
||
|
|
├── Groq → ChatGroq
|
||
|
|
├── Moonshot → ChatMoonshot
|
||
|
|
├── 豆包 → ChatDoubao (自定义)
|
||
|
|
└── 文心一言 → QianfanChatEndpoint
|
||
|
|
```
|
||
|
|
|
||
|
|
### 缓存机制
|
||
|
|
|
||
|
|
在 `geo_tool.py` 中使用 Streamlit 的 `@st.cache_resource` 装饰器缓存 LLM 实例：
|
||
|
|
|
||
|
|
```python
|
||
|
|
@st.cache_resource(show_spinner=False)
|
||
|
|
def build_llm(provider, api_key, model, temperature):
|
||
|
|
from modules.llm_factory import build_llm as _build_llm
|
||
|
|
return _build_llm(provider, api_key, model, temperature)
|
||
|
|
```
|
||
|
|
|
||
|
|
## 特殊配置
|
||
|
|
|
||
|
|
### 豆包 API Key 格式
|
||
|
|
|
||
|
|
豆包使用特殊的 API Key 格式：
|
||
|
|
|
||
|
|
```
|
||
|
|
access_key:secret_key:endpoint_id
|
||
|
|
```
|
||
|
|
|
||
|
|
示例：
|
||
|
|
```
|
||
|
|
AKLTxxx:SKxxx:ep-xxx
|
||
|
|
```
|
||
|
|
|
||
|
|
### 文心一言 API Key 格式
|
||
|
|
|
||
|
|
文心一言使用百度千帆平台的 API Key：
|
||
|
|
|
||
|
|
```
|
||
|
|
app_key:app_secret
|
||
|
|
```
|
||
|
|
|
||
|
|
## 错误处理
|
||
|
|
|
||
|
|
模块提供清晰的错误提示：
|
||
|
|
|
||
|
|
```python
|
||
|
|
try:
|
||
|
|
llm = build_llm("Unknown", api_key, model, temperature)
|
||
|
|
except ValueError as e:
|
||
|
|
print(e) # "不支持的 LLM 提供商: Unknown"
|
||
|
|
```
|
||
|
|
|
||
|
|
## 后续优化方向
|
||
|
|
|
||
|
|
1. **负载均衡**：支持多个 API Key 轮询使用
|
||
|
|
2. **自动降级**：主提供商失败时自动切换到备用
|
||
|
|
3. **成本优化**：根据任务复杂度自动选择合适的模型
|
||
|
|
4. **性能监控**：记录每个提供商的响应时间和成功率
|