# ModelRouter

面向多 llms 订阅者，部署在内网，实现一次配置多个服务共同使用的效果。支持指定模型或 auto 模式，按照配置的优先级选择可用模型提供服务。

> **轻量且增源无需重编译**：网关本体是单 Go 二进制（约 10MB，零运行时依赖）。新增/切换上游
> 只需在 `config.yaml`（或 WebUI）加一个 `sources` 条目或挂一个 `.lua` 适配器——**不改 Go、
> 不重编译、不重启**。适配器 Lua 脚本热加载，协议差异全部隔离在 Lua 层，Go 只负责调度与透传。

## 实现

统一 OpenAI 兼容网关：把多个上游 LLM 源（DeepSeek、Qijiar、OpenAI、Anthropic、Gemini、
Groq、Mistral、Ollama、KimiCode…）通过 **Lua 适配器** 做协议转换，对内网暴露
一个标准 `OpenAI Chat Completions` 接口（`/v1/chat/completions` + `/v1/models`），
支持单次结算、SSE 流式、**AUTO 模型路由**与**多模态**透传。

从 [HomeAgent](https://gitcode.com/JianFeeeee/HomeAgent) 的多源 LLM 适配层
（`internal/agent/api/provider.go` + `internal/lua/adapters/*`）抽离而来并独立演进。

## 特性

- **多源**：一个进程内配置任意多个上游源，按请求的 `model` 自动路由。
- **AUTO 模式**：`default_model: AUTO` 时按各源模型的 `priority` 自动选最高可用源。
- **统一输出**：所有源对外都是 OpenAI 格式（含 `reasoning_content`、`tool_calls`、`usage`）。
- **多模态**：`content` 数组（`image_url` 等）在多源间无损透传，Anthropic/Gemini/Ollama 自动转换。
- **LuaJIT VM**：基于 golua 绑定的 LuaJIT，每个适配器独立 VM + worker 池，安全并发。
- **disable_thinking**：请求 `disable_thinking:true`（或上游对应字段）动态开关推理。
- **Lua 适配协议**：每个源挂一个 `.lua` 适配器，完成 `transform_request` /
  `transform_response` / `transform_stream_chunk` 双向转换，协议差异全在 Lua 层。
- **签名 / 请求头钩子**：适配器可定义 `build_headers(meta)`，在 Go 发 HTTP 前
  动态注入/签名请求头——用于云端 API 校验调用方 app（如 KimiCode 只放行特定
  agent）。提供 `hmac_sha256_hex` / `sha256_hex` / `base64_encode` 等签名辅助。
- **WebUI**：内置管理界面，可在线查看/新增/编辑上游源与模型，写入运行时文件持久化。
- **鉴权**：网关自身用 `gateway_keys` 校验客户端 Bearer key；与上游各自的 key 相互独立。
- **流式**：SSE `chat.completion.chunk`，含角色首包与 `[DONE]` 收尾。

## 快速开始

```bash
cp config.example.yaml config.yaml   # 编辑你的源与 key
GOMODCACHE=... GOPROXY=off go build -tags luajit -o llmsproxy ./cmd/llmsproxy
./llmsproxy -config config.yaml
```

> 依赖 [golua](https://github.com/aarzilli/golua)（LuaJIT 绑定）。**必须**带 `-tags luajit`
> 构建，否则默认走内置超集 gopher-lua 路径（行为略有差异）。

```bash
# 无 key -> 401
curl http://127.0.0.1:8080/v1/models

# 单次
curl -H "Authorization: Bearer sk-gw-local-0001" \
     -d '{"model":"deepseek-v4-flash","messages":[{"role":"user","content":"hi"}]}' \
     http://127.0.0.1:8080/v1/chat/completions

# 流式
curl -N -H "Authorization: Bearer sk-gw-local-0001" \
     -d '{"model":"deepseek-v4-flash","stream":true,"messages":[{"role":"user","content":"hi"}]}' \
     http://127.0.0.1:8080/v1/chat/completions
```

任何 OpenAI SDK 把 `base_url` 指到网关地址、`api_key` 用 `gateway_keys` 之一即可。

## 配置

见 [`config.example.yaml`](config.example.yaml)。核心字段：

```yaml
listen: 127.0.0.1:8080        # 网关监听地址（建议绑内网/回环）
gateway_keys: [sk-gw-0001]    # 客户端访问网关的 key；留空=不鉴权
default_model: AUTO           # model 无法路由时自动按 priority 选源
adapter_dir: adapters         # Lua 适配目录，首启自动写入内置适配器
runtime_file: runtime.json    # WebUI 编辑的源持久化到此文件

sources:
  - name: deepseek
    base_url: https://api.deepseek.com
    api_key: sk-...
    adapter: deepseek
    max_concurrent: 8
    models:
      - id: deepseek-v4-flash
        priority: 100          # 越大越优先被 AUTO 选中
        kind: chat
      - id: deepseek-v4-pro
        priority: 60
        kind: chat
    # 静态请求头（比适配器默认优先）
    headers: { X-Tenant: prod }
    # 传给 Lua build_headers 的透传元数据
    meta: { app_id: x, app_secret: y }
    temperature: 0.7
    max_tokens: 4096
    timeout: 120s              # 请求超时，默认 120s
```

### 模型路由

`/v1/chat/completions` 的 `model` 解析顺序：

1. `source/model` 或 `source:model` 前缀 → 指定源；
2. 精确匹配某个源的 `model`；
3. 配置 `default_model: AUTO` 时 → 按各源模型的 `priority`（数字大优先）选最高可用源；
4. 否则回落到 `default_source`。

任何 OpenAI 客户端，只要 `model` 设为某个源的 `name/任意名`，即可锁定走该源；
设为 `AUTO`（或网关配了 `default_model: AUTO`）即自动按优先级选源。

### disable_thinking

请求体带 `"disable_thinking": true` 时，网关透传给各适配器；DeepSeek 适配器将其
映射为 `extra_body.thinking.type = "disabled"` 关闭推理，其余源按各自协议处理。

### WebUI

内置管理界面（`GET /`），登录后可在浏览器查看/新增/编辑上游源与模型，
改动写入 `runtime_file`（重启仍生效）。

## Lua 适配器协议

每个适配器是一个返回 table 的 Lua 脚本（`internal/lua/adapters/<name>.lua`），
加载时可被 `adapter_dir` 下的同名脚本覆盖——**改 Lua 脚本同样无需重编译**，
重启即生效（甚至可通过 WebUI 在线编辑源配置）。

```lua
return {
  name = "mysrc",
  version = "1.0.0",
  endpoint = "/chat/completions",        -- 上游路径（可被 source.endpoint 覆盖）
  headers = { ["X-Static"] = "v" },      -- 静态默认请求头（build_headers 缺省时使用）

  -- 请求转换：把 OpenAI 格式 req 转成上游原生格式，返回字符串
  transform_request = function(raw_json) ... end,

  -- 响应转换：把上游原生响应转成统一格式字符串
  --   { content, reasoning_content, finish_reason, token_usage{...}, tool_calls[{...}] }
  transform_response = function(raw_json) ... end,

  -- 流式分块转换：把上游 SSE data 转成 { content, done, ... }，返回 "" 则跳过
  transform_stream_chunk = function(raw_chunk) ... end,

  -- [可选] 动态请求头/签名钩子
  -- meta = { url, method, body, api_key, timestamp, source={ name, meta={...} } }
  build_headers = function(meta) return { ["X-App-Sign"] = sign } end,
}
```

内置信号辅助：`hmac_sha256_hex(key, data)`、`sha256_hex(data)`、`base64_encode(s)`、
`tohex(s)`、`json.encode/decode`、`log(level, msg)`。

### 内置适配器

`openai` `deepseek` `anthropic` `gemini` `github` `groq` `mistral` `ollama` `kimicode`。

`anthropic`/`gemini`/`ollama` 适配器内置多模态转换（`image_url` → 各自上游格式）；若
源启用 `disable_thinking`，`deepseek` 适配器会把 `extra_body.thinking.type` 置为
`disabled`。

**kimicode** 是展示 `build_headers` 的样例：云端校验调用方 app，需要按
`meta.app_secret` 对时间戳+URL+请求体哈希做 HMAC 签名并附 `X-App-Sign` 等头。
配好 `sources[].meta.{app_id, app_secret, app_agent}` 即可。

## 目录

```
cmd/llmsproxy            # 入口
internal/config          # YAML 配置加载/校验
internal/lua             # LuaJIT VM + worker 池 + AdapterCache + 内置适配器 (embed)
internal/provider        # Provider(HTTP) + Registry(路由)
internal/gateway         # OpenAI 兼容 HTTP 服务 + 鉴权 + SDK/流式 + WebUI
internal/types           # 统一格式 & OpenAI wire 类型
```

## 测试

```bash
go test -tags luajit ./...
```

覆盖：配置校验、适配器加载/变换、签名钩子、Gateway 鉴权、SDK 结算、SSE 流式、
模型路由、多模态透传与 disable_thinking。