eltonandClaude Fable 5.1
1d145b6259
Alte Namen kira-* laufen über die Durchreiche weiter bei LiteLLM (Andreas 2026-09-05). Co-Authored-By: Claude Fable 5.1 <noreply@anthropic.com>
104 lines
5.0 KiB
Markdown
104 lines
5.0 KiB
Markdown
# llmrouter
|
||
|
||
Leichtgewichtiger Ersatz für den LiteLLM-Gateway `llm.lan` (siehe `../llmlite`).
|
||
Ein OpenAI-kompatibler Reverse-Proxy in Bun/TypeScript mit genau vier
|
||
Eingriffen je Anfrage: Client-Key prüfen, Alias auf ein Modell auflösen,
|
||
Usage und Kosten aus der Antwort mitlesen, eine Log-Zeile schreiben.
|
||
|
||
Keine Format-Übersetzung, keine Datenbank, kein Admin-UI. Alle Upstreams
|
||
sprechen OpenAI-Format (OpenRouter, llama-server, Ollama, Mistral), deshalb
|
||
reicht Durchreichen. Entscheidung Andreas, 2026-09-05.
|
||
|
||
## Namensräume
|
||
|
||
| Name | Bedeutung |
|
||
|---|---|
|
||
| `42i/marvin-2609:low\|medium\|high\|max` | konfigurierte Stufen (`aliases`, Art `schwelle`: Index ≥ 25/45/49/53, Kontext ≥ 256k/256k/500k/500k) |
|
||
| `42i/marvin-2609-core:none\|medium` | lokales Qwen, fest |
|
||
| `deizo/kira-reasoning`, `deizo/kira-stt` | Modelle im Prod-RZ deizo, fest |
|
||
| `openrouter/<id>[:effort]` | 1:1 an OpenRouter, Effort als `reasoning.effort` |
|
||
| `alt/<id>[:effort]` | **günstigste Alternative derselben Klasse** wie `<id>` auf dieser Stufe |
|
||
| `role/<name>` | Rolle aus `rollen`, zeigt auf einen der obigen Namen |
|
||
| alles andere | Durchreiche an LiteLLM (`fallback`), unverändert mit Client-Key |
|
||
|
||
**Klasse** (`alt/`): Intelligence-, Coding- und Agentic-Index jeweils mindestens
|
||
95 % der Referenz, Kontext mindestens 90 %, gewichtet billiger. Intelligence und
|
||
Coding kommen je Effort-Stufe von Artificial Analysis, Agentic nur je Modell (AA
|
||
misst ihn nicht je Stufe). Hat die Referenz einen Wert, den ein Kandidat nicht
|
||
hat, fällt der Kandidat raus. Je Kandidat zählt die niedrigste Stufe, die die
|
||
Klasse erreicht; die Stufe des Ziels wird als `reasoning.effort` gesetzt, ein
|
||
vom Client mitgeschicktes `reasoning_effort` verworfen. Findet sich nichts
|
||
Billigeres, wird die Referenz selbst gerufen.
|
||
|
||
`alt/` wird **bei der ersten Anfrage** aufgelöst (Latenz- und Live-Probe, keine
|
||
Last-Probe) und dann im 12-h-Takt mit erneuert. Die konfigurierten `42i/*`-Stufen
|
||
fahren bei einem Wechsel zusätzlich die Last-Probe (78k Kontext, dreimal).
|
||
|
||
**Rollen** entkoppeln Agenten von Modellnamen: ein Agent ruft `role/worker`,
|
||
welches Modell dahintersteht, stellt man in `config.json` um, ohne Container.
|
||
Vorbelegung: xo/architect/teamleader/lead → `42i/marvin-2609:high`, alle
|
||
anderen → `:medium`.
|
||
|
||
**Rechte** (`key-acls.json`): Name → erlaubte Namen, `*` am Ende ist ein
|
||
Präfix-Muster (`openrouter/*`, `alt/*`, `role/*`); `[]` = alles. Geprüft wird
|
||
der angefragte Name, vor der Rollenauflösung.
|
||
|
||
`/v1/models` zeigt je Key alles Erlaubte: Aliasse, Rollen, alle OpenRouter-
|
||
Modelle des Kontos als `openrouter/…` und `alt/…`, jeweils auch mit den bei AA
|
||
gemessenen Effort-Stufen, plus die LiteLLM-Liste im Parallelbetrieb.
|
||
|
||
## Auflösung und Takt
|
||
|
||
`src/resolver.ts` löst alle `alternative`-Aliasse auf und schreibt
|
||
`log/state.json`. OpenRouter-Preise ändern sich oft: alle `refreshHours` (12)
|
||
neu. AA-Indexe ändern sich nie, nur neue Modelle kommen dazu: `log/aa-cache.json`,
|
||
alle `aaRefreshDays` (7) neu. Der Server frischt selbst auf (beim Start, wenn
|
||
veraltet, und im 15-Minuten-Takt geprüft); Wechsel stehen in `log/changes.log`.
|
||
|
||
```bash
|
||
bun run src/resolver.ts --force # jetzt auflösen, Tabelle zeigen
|
||
LLMROUTER_LASTTEST=0 bun run src/resolver.ts --force # ohne Last-Probe (Tests; spart ~210k Token je Wechsel)
|
||
```
|
||
|
||
Der erste Lauf mit leerem State prüft jeden Alias unter Last, das ist gewollt.
|
||
|
||
## Keys und Rechte
|
||
|
||
- `key-acls.json` (versioniert): Name → erlaubte Aliasse, `[]` = alles.
|
||
- `KEYS_FILE` (nur auf dem Host, 0600): Token → Name. Pflege mit
|
||
`KEYS_FILE=… bun run src/keys.ts add <name> [--token <bestehend>]`; mit
|
||
`--token` lässt sich der LiteLLM-Key eines Agenten übernehmen, sodass der
|
||
Container nichts merkt.
|
||
- Upstream-Schlüssel aus der Umgebung: `OPENROUTER_API_KEY`, `MISTRAL_API_KEY`.
|
||
- `ADMIN_KEY` schützt `GET /stats?days=N`, `GET /zuordnung`, `POST /auffrischen`.
|
||
|
||
## Log und Statistik
|
||
|
||
Je Anfrage eine Zeile in `log/requests.jsonl` und in `log/requests.sqlite`:
|
||
Key, Alias, angefragter Name, tatsächliches Modell, Effort, Tokens
|
||
(prompt/completion/cached), **Kosten wie von OpenRouter gemeldet**
|
||
(`usage.cost`, auch im Stream über den letzten Chunk). Lokale Upstreams haben
|
||
keine Kosten, das Feld bleibt leer, wir erfinden keine Preise.
|
||
|
||
```bash
|
||
bun run src/stats.ts 7 # Tag × Key: Anfragen, Tokens, Kosten, Modelle
|
||
curl -H "Authorization: Bearer $ADMIN_KEY" http://llm.lan:4010/stats?days=7
|
||
```
|
||
|
||
Die Antwort trägt `x-llmrouter-model`, damit ein Client sieht, was wirklich lief.
|
||
|
||
## Betrieb
|
||
|
||
```bash
|
||
PORT=4010 KEYS_FILE=/srv/llmrouter/keys.json ADMIN_KEY=… OPENROUTER_API_KEY=… bun run src/server.ts
|
||
bun run build # dist/llmrouter, ein statisches Linux-Binary
|
||
```
|
||
|
||
Parallelbetrieb neben LiteLLM (Port 4000) im LXC 185020 auf Port 4010; Caddy
|
||
zeigt `llm.lan` auf 4010, die Umschaltung je Agent ist der Modellname.
|
||
|
||
Bedient: `/v1/chat/completions`, `/v1/completions`, `/v1/responses`,
|
||
`/v1/embeddings`, `/v1/audio/speech`, `/v1/audio/transcriptions`,
|
||
`/v1/audio/translations`, `/v1/models` (zeigt je Key die erlaubten Aliasse),
|
||
`/health`. Der Präfix `/v1` ist optional.
|