planet/docs/technical/zh/agents-aiprovider.md

# AI Provider 指南

## 概览

`aiprovider` 是 Planet 的模型适配服务。

它把模型厂商差异隔离在主后端之外，让系统其它部分可以调用稳定的业务 API：

- 调用方服务 -> `planet backend`
- `planet backend` -> `aiprovider`
- `aiprovider` -> 具体模型提供方

推荐默认方式：

- 外部调用方和跨服务调用方统一调用 `planet backend`
- 只有基础设施级内部任务才直接调用 `aiprovider`

## 职责边界

`backend` 负责：

- 身份认证和权限控制
- 业务层请求整理
- 稳定的 `/api/v1/ai/...` 接口
- 面向 `aiprovider` 的内部服务认证
- 读取配置中心保存的默认 provider、模型和每个 provider 的 key，并通过内部请求头覆盖 `aiprovider` 的 `.env` 默认值

`aiprovider` 负责：

- 模型协议适配
- 在没有后端覆盖头时基于 `.env` 选择 provider
- 超时和轻量重试
- 通过 `X-Request-ID` 串联请求追踪

当前配置采用类似 OpenClaw 的拆分方式：

- `AI_PROVIDER` 标识厂商或逻辑 provider
- `AI_PROVIDER_API` 标识实际请求协议适配器

这个拆分能更清楚地表达 MiniMax、Claude 兼容网关、自托管 OpenAI 兼容服务等情况，避免把所有含义塞进一个配置项。

## 支持的 Provider

`aiprovider` 当前支持以下 provider 标识：

- `openai`
- `anthropic`
- `minimax`
- `ollama`

支持的请求适配器：

- `openai-completions`
- `anthropic-messages`
- `ollama-generate`

仍然兼容的历史别名：

- `openai_compatible`
- `anthropic_compatible`
- `claude_compatible`

推荐映射关系：

- `vLLM`、`LM Studio`、`One API`：`AI_PROVIDER=openai`，`AI_PROVIDER_API=openai-completions`
- `MiniMax`：`AI_PROVIDER=minimax`，`AI_PROVIDER_API=anthropic-messages`
- Claude 兼容网关：`AI_PROVIDER=anthropic`，`AI_PROVIDER_API=anthropic-messages`
- `Ollama`：`AI_PROVIDER=ollama`，`AI_PROVIDER_API=ollama-generate`

## API 面

### 主后端 API

推荐使用的稳定入口：

- `GET /api/v1/ai/provider/status`
- `POST /api/v1/ai/situational-awareness/analyze`

认证方式：

- `Authorization: Bearer <jwt>`

可选追踪头：

- `X-Request-ID: <caller-generated-id>`

后端会把 `X-Request-ID` 透传给 `aiprovider`，并在响应中返回同一个 header。

### 设置中心 API

AI 配置页使用的接口：

- `GET /api/v1/settings/integrations`
- `PUT /api/v1/settings/integrations`
- `POST /api/v1/settings/integrations/ai-provider/connect`
- `GET /api/v1/settings/integrations/ai-provider/secrets`
- `GET /api/v1/settings/integrations/ai-provider/presets`
- `POST /api/v1/settings/integrations/ai-provider/presets/{provider}/refresh`
- `GET /api/v1/settings/ai-prompts`
- `PUT /api/v1/settings/ai-prompts/{task_key}`
- `POST /api/v1/settings/ai-prompts/{task_key}/reset`

这些接口都需要用户登录。`secrets` 接口只用于配置页点击显示 key/token 时取回明文，隐藏时前端恢复为脱敏预览。

模型目录刷新由 `backend/app/services/llm_provider_catalog.py` 获取上游目录；多数供应商读取 models.dev，OpenCode Go 使用自己的模型接口。models.dev 条目按发布日期倒序排列，缺少日期的条目排在后面。成功结果和 `refreshed_at` 按供应商保存在 `system_settings` 的 `llm_provider_preset:<provider>` 分类中，列表接口优先返回已保存目录，未刷新过的供应商使用内置预设。刷新只更新目录，不写入 `external_integrations` 中的当前模型、协议、地址或凭证。失败返回 502 并保留上次目录；上游异常原文不返回客户端。前端重新加载目录，可选模型读取目录状态，表单草稿独立保留。

Admin 的 AI 页面按业务信息架构组织为：

- `模型供应商`
  - 管理 provider、协议适配、默认模型、LLM API Key、代理地址、代理 token、模型列表刷新、设为默认和轻量连通性测试。
- `工具调用`
  - 管理 WebSearch、OCR 等工具。工具内部先选 provider，再编辑该 provider 的 API、key 和高级参数。
- `提示词`
  - 按 prompt 分组和 task key 编辑系统提示词 / 用户提示词；保存和重置只作用于当前 task。
- `Playground`
  - 使用当前默认 provider 和 prompt 配置发起真实会话；AI 回复使用 Markdown 渲染。

保存、设为默认和连通性测试是三个独立职责：保存只持久化表单，设为默认只切换默认 provider/tool，连通性测试只验证当前草稿是否可用，不应隐式保存或切换默认项。

`ai-prompts` 接口用于运维配置页的“提示词”Tab。默认提示词来自后端随发布包携带的版本化资源，业务代码只引用稳定 task key；接口只保存运维覆盖值。重置时删除覆盖值并恢复当前发布包中的缺省提示词。

### 提示词边界

`aiprovider` 是纯模型适配器，不注入通用业务 system prompt。新闻汉化、告警研判、BGP 简报、位置 factcheck、数据源映射和凭据教程等入口各自通过 task key 解析有效提示词。告警研判 prompt 只会在告警相关 task 中作为 system prompt 传入，不会污染其它 LLM 调用。

### Agent 与工具边界

Agent 工作流属于 `backend`，不属于 `aiprovider`。后续 Earth LLM 指令、态势感知、多角色模拟、WebSearch、数据库查询、证据存储和配置提案应用都应由后端 Agent Runtime 编排；`aiprovider` 只接收后端整理好的模型请求并返回规范化响应。

如果某个 provider 支持原生 tool calling，`aiprovider` 可以透传协议字段并规范化响应块，但工具白名单、参数校验、权限策略、运行记录和写入审批仍必须留在后端。provider 不支持原生 tools 时，后端使用 JSON tool-call fallback，不应为了某个模型厂商把业务工具下沉到 `aiprovider`。

### AI Provider 内部 API

仅供内部调用的接口：

- `GET /v1/provider/status`
- `POST /v1/analyze`

认证方式：

- `X-Provider-Token: <shared-secret>`

可选追踪头：

- `X-Request-ID: <caller-generated-id>`

## 请求示例

### 通过后端调用

```bash
curl -X POST http://localhost:8000/api/v1/ai/situational-awareness/analyze \
  -H "Authorization: Bearer <access_token>" \
  -H "X-Request-ID: bgp-incident-20260407-001" \
  -H "Content-Type: application/json" \
  -d '{
    "title": "BGP异常研判",
    "objective": "总结当前风险并给出处置建议",
    "observations": [
      "collector A 在 5 分钟内出现多次 origin 变更",
      "异常集中在同一地区前缀"
    ],
    "constraints": [
      "不要编造不存在的数据",
      "区分事实和推断"
    ],
    "context": {
      "source": "bgp-monitor",
      "severity": "high"
    }
  }'
```

### 直接调用 `aiprovider`

```bash
curl -X POST http://localhost:8010/v1/analyze \
  -H "X-Provider-Token: change_me" \
  -H "X-Request-ID: ai-batch-job-001" \
  -H "Content-Type: application/json" \
  -d '{
    "title": "链路波动分析",
    "objective": "给出简要态势摘要和下一步建议",
    "observations": [
      "多个节点出现延迟上升"
    ],
    "constraints": [
      "不要假设根因已经确认"
    ],
    "context": {
      "region": "APAC"
    }
  }'
```

## 响应结构

后端和 `aiprovider` 返回相同的 payload 结构：

```json
{
  "provider": "minimax",
  "api": "anthropic-messages",
  "model": "MiniMax-M2.7",
  "content": "1) 态势摘要 ...",
  "content_blocks": [],
  "text_blocks": [],
  "thinking_blocks": [],
  "raw_response": {}
}
```

两个服务都会返回：

- `X-Request-ID: <id>`

## 配置

### 运行时配置链路

LLM 的全局默认配置由后端配置中心统一决定。实际调用顺序是：

1. 前端或业务代码调用 `backend` 的 `/api/v1/ai/...`。
2. `backend` 从 PostgreSQL 的 `system_settings` 表读取 `category = external_integrations`。
3. `payload.ai_provider.default_provider` 决定当前默认 provider。
4. `payload.ai_provider.providers[provider]` 提供该 provider 的 `api_key`、`provider_api`、`base_url`、`model`、`max_tokens`、`anthropic_version`。
5. `backend` 把这些值转换成 `X-AI-Provider`、`X-AI-Provider-API`、`X-AI-Base-URL`、`X-AI-API-Key`、`X-AI-Model` 等内部请求头。
6. `aiprovider` 收到头后用这些值覆盖自己的 `.env`，再调用真实模型厂商。

因此，只要 AI 设置页保存了新的默认 provider/model/key，Playground、告警摘要、数据源映射生成等所有后端 AI 调用都会使用同一个新默认配置。

#### 持久化结构

AI 配置仍保存在 PostgreSQL，不写入 JSON 文件。核心结构如下：

```json
{
  "ai_provider": {
    "service_url": "http://localhost:8010",
    "service_token": "",
    "default_provider": "openai",
    "providers": {
      "openai": {
        "provider_api": "openai-completions",
        "base_url": "https://api.openai.com/v1",
        "model": "gpt-5.1",
        "api_key": "<saved secret>",
        "max_tokens": 4096,
        "anthropic_version": "2023-06-01"
      },
      "minimax": {
        "provider_api": "anthropic-messages",
        "base_url": "https://api.minimaxi.com/anthropic",
        "model": "MiniMax-M2.7",
        "api_key": "<saved secret>",
        "max_tokens": 1200,
        "anthropic_version": "2023-06-01"
      }
    },
    "timeout_seconds": 60,
    "retry_attempts": 2
  }
}
```

历史单槽配置会在读取时兼容映射到当前 provider 的 `providers[provider]`，保存后写回新结构。

#### Key fallback

每个 provider 都有自己的 key 槽。解析顺序是：

1. PostgreSQL 中 `providers[provider].api_key`
2. `aiprovider/.env` 中 preset 对应的专属变量，例如 `OPENAI_API_KEY`、`MINIMAX_API_KEY`、`ANTHROPIC_API_KEY`
3. `aiprovider/.env` 中的通用 `AI_API_KEY`

`.env` 只是兜底。配置页保存或测试连接成功后，PostgreSQL 中的配置会成为全局默认。

Admin 的密钥状态必须按 provider / tool 精确判断：

- 数据库中当前 provider/tool 有密钥时，显示为“已配置”。
- 数据库没有密钥，但 fallback provider、model 或 tool 与当前项匹配时，可以显示 fallback 的脱敏预览。
- 数据库没有密钥且 fallback 不匹配当前项时，显示为“未配置”，不能把其它 provider 的 `.env` 通用 key 当成当前项已配置。
- 脱敏规则保留 key 第一个 `-` 之前的前缀，例如 `sk-********`；明文显示只在有权限的配置页面内按需触发。

工具 key 使用同样规则。WebSearch、OCR 这类工具必须先匹配当前工具和 provider，再决定能否使用 fallback。

### 轻量连通性测试

Admin 的插头按钮走轻量连通性测试，不承担保存职责。业界常见做法是分两层：

- 快速检查 provider 目录或低成本 endpoint，确认 base URL、鉴权和当前模型是否可达。
- 只有在用户明确运行 Playground 或业务任务时才发完整模型请求。

因此，连通性测试应尽量使用低成本请求，并返回明确状态：

- `ok`: 鉴权、路由和模型目录可用。
- `warning`: 服务可达，但当前模型不在目录或能力声明不完整。
- `error`: 鉴权失败、网络失败、协议错误或模型不可用。

错误 toast 标题必须和结果一致，不能在失败时显示“连通性正常”。

### OpenCode Go 路由模型

OpenCode Go 这类订阅通道不要靠前端硬编码模型集合判断协议。推荐在 provider catalog 或后端能力发现中记录每个模型的协议能力，例如 `chat_completions`、`anthropic_messages`、`models_endpoint` 和是否需要订阅 key。前端只展示能力结果；后端负责把 provider、base URL、model 和协议适配映射为实际请求。

#### 配置页行为

- Provider 下拉框决定当前默认 provider。
- 模型下拉框保存当前 provider 的默认模型。
- LLM API Key 输入框隐藏时显示脱敏预览；有 `-` 前缀的 key 会保留前缀，例如 `sk-********`，没有前缀的 key 全量脱敏。
- 点击眼睛会从后端取回完整明文；再次隐藏会恢复脱敏预览。
- “保存 AI 配置”直接保存当前表单为全局默认配置。
- “测试连接”先用当前表单发起真实模型链路测试，成功后也会保存为全局默认配置；失败不会覆盖旧配置。
- 清空输入框并保存表示保留旧 key，不表示删除 key。

### 后端

推荐的后端 `.env`：

```env
AI_PROVIDER_SERVICE_URL=http://localhost:8010
AI_PROVIDER_SERVICE_TOKEN=change_me
AI_PROVIDER_TIMEOUT_SECONDS=60
AI_PROVIDER_RETRY_ATTEMPTS=2
```

参考文件：

- [backend/.env.example](/home/ray/dev/linkong/planet/backend/.env.example)

### AI Provider

参考文件：

- [aiprovider/.env.example](/home/ray/dev/linkong/planet/aiprovider/.env.example)

前端本地参考：

- [frontend/.env.example](/home/ray/dev/linkong/planet/frontend/.env.example)

通用配置：

```env
SERVICE_NAME=planet-ai-provider
SERVICE_VERSION=0.1.0
AI_PROVIDER_SERVICE_TOKEN=change_me
AI_TIMEOUT_SECONDS=60
AI_HTTP_RETRY_ATTEMPTS=2
```

可选 provider 专属 key：

```env
MINIMAX_API_KEY=sk-cp-xxxxx
OPENAI_API_KEY=sk-xxxxx
ANTHROPIC_API_KEY=sk-ant-xxxxx
DEEPSEEK_API_KEY=sk-xxxxx
DASHSCOPE_API_KEY=sk-xxxxx
MOONSHOT_API_KEY=sk-xxxxx
OPENROUTER_API_KEY=sk-or-xxxxx
```

### OpenAI 兼容示例

```env
AI_PROVIDER=openai
AI_PROVIDER_API=openai-completions
AI_BASE_URL=http://127.0.0.1:8001/v1
AI_API_KEY=local-key
AI_MODEL=your-local-model
```

### MiniMax 中国区示例

```env
AI_PROVIDER=minimax
AI_PROVIDER_API=anthropic-messages
AI_BASE_URL=https://api.minimaxi.com/anthropic
AI_API_KEY=sk-cp-xxxxx
AI_MODEL=MiniMax-M2.7
AI_MAX_TOKENS=1200
AI_ANTHROPIC_VERSION=2023-06-01
```

MiniMax 说明：

- 这里使用官方 MiniMax 示例中的 Anthropic Messages 请求结构。
- 对 MiniMax，`aiprovider` 默认不会开启 `thinking`，除非调用方显式传入 `thinking` 对象。
- 这个行为和 OpenClaw 对 MiniMax Anthropic 兼容接口的谨慎处理保持一致。

### Anthropic 兼容示例

```env
AI_PROVIDER=anthropic
AI_PROVIDER_API=anthropic-messages
AI_BASE_URL=https://your-claude-compatible-endpoint.example.com/anthropic
AI_API_KEY=your_api_key
AI_MODEL=your-model
AI_MAX_TOKENS=1200
AI_ANTHROPIC_VERSION=2023-06-01
```

### Ollama 示例

```env
AI_PROVIDER=ollama
AI_PROVIDER_API=ollama-generate
AI_BASE_URL=http://127.0.0.1:11434
AI_API_KEY=
AI_MODEL=qwen2.5:7b
```

## 部署模式

### 单机部署

推荐的本地流程：

- `backend` 运行在 `localhost:8000`
- `aiprovider` 运行在 `localhost:8010`
- 本地模型网关运行在 `localhost:11434` 或其它本地端口

仓库内已包含辅助入口：

- [planet.sh](/home/ray/dev/linkong/planet/planet.sh)
- [docker-compose.local-model.yml](/home/ray/dev/linkong/planet/docker-compose.local-model.yml)

### 多机部署

示例拓扑：

- 应用机器：`backend`
- AI 网关机器：`aiprovider`
- 模型机器：本地模型服务或云代理

此时链路变成服务间 HTTP RPC：

- caller -> backend
- backend -> `http://10.0.0.12:8010`
- `aiprovider` -> 模型端点

推荐的跨机器后端配置：

```env
AI_PROVIDER_SERVICE_URL=http://10.0.0.12:8010
AI_PROVIDER_SERVICE_TOKEN=change_me
AI_PROVIDER_TIMEOUT_SECONDS=60
AI_PROVIDER_RETRY_ATTEMPTS=2
```

推荐运行规则：

- 将 `aiprovider` 放在私有网络内
- 至少用 `X-Provider-Token` 保护它
- 始终发送 `X-Request-ID`
- 除基础设施任务外，调用方优先走后端 API

## 重试和失败行为

`backend -> aiprovider`：

- 对轻量网络错误和 5xx 失败进行重试
- provider 服务不可用时返回 `502`

`aiprovider -> model provider`：

- 对轻量网络错误和 5xx 失败进行重试
- 模型提供方不可用时返回 `502`

这个策略故意保持保守：它能吸收短暂抖动，但不会掩盖持续性错误。

## 运维说明

- `./planet.sh start` 会自动启动 `aiprovider`
- `./planet.sh restart -a` 只重启 `aiprovider`
- `./planet.sh log -a` 跟随查看 `aiprovider` 日志
- `./planet.sh health` 会报告 `aiprovider` 健康状态

## 推荐调用策略

- 前端和应用服务：调用 `backend`
- 定时基础设施任务和诊断任务：可选直接调用 `aiprovider`
- 不要让多个业务服务分别接入模型厂商

这样可以集中管理 provider 切换，避免模型相关差异在系统里四处扩散。