infra-docker-configs/servers/tools-pve/litellm

tools-pve 统一模型代理

部署状态

2026-10-09：已通过 Arcane 上线，LiteLLM 1.104.2 与 PostgreSQL 均 healthy。 UI HTTP 200；应用 virtual key 的 OpenRouter MiMo 请求返回 OK。 ZenMux Sonnet 5.5 原生 Messages 正常；重复请求证实写入与读取 21,502 prompt-cache tokens。Codex/xAI 已独立授权，SDK 原生请求验证 Luna、Sol 6.1 和 Grok 4.7 返回 OK。用户更新后的 PAYG key 原生 Claude 请求 HTTP 200。 Google AI Studio key 模型目录 HTTP 200，使用上游提供的三个 latest 别名。 17 条路线已加载；原客户端 key 权限已更新，Luna/Sol 的 gateway Responses SSE、 Luna 非流式 Chat Completions、Grok/Gemini 三条 Chat 路线和 PAYG Messages 均实测 OK。 本项目对其他模型的自动 latest 维护尚未实现。

• Environment：ff859844-8393-4f87-8caf-054df735a65d。
• Project：06052b47-f640-4e23-968d-bfc25a8a6e7a，名称 tools-litellm。
• Git Sync：49148e73-65ca-43a6-a859-efc9cc750b93；Auto Sync 关闭。
• 宿主机项目目录：/var/lib/docker/volumes/arcane-agent_agent-data/_data/projects/litellm。
• 管理凭据：.145 的 /home/claw/codex-workspace/server-management/.secrets/tools-litellm.env。
• 普通客户端配置：同目录 tools-litellm-client.env；两者均为 0600，不提交 Git。

架构与入口

部署在 192.168.50.49，LiteLLM 与独立 PostgreSQL 17。

• OpenAI 兼容客户端：http://192.168.50.49:4000/v1。
• Anthropic SDK：http://192.168.50.49:4000，请求 /v1/messages。
• 管理界面：http://192.168.50.49:4000/ui。
• PostgreSQL 不发布主机端口。
• named volume：tools-litellm-database、tools-litellm-oauth。

只使用单个代理 worker，降低 OAuth refresh token 竞争的风险。 所有配置从 Git 生成，不允许 UI 中的模型配置成为另一份权威。 未提供 key 或未完成 OAuth 登录的路线不会进入运行配置。 OAuth 判定检查 auth.json 中 access_token，不仅检查文件存在性： Codex 设备授权期间会先写入冷却占位文件，这不代表已经授权。

Provider 与缓存

ZenMux Claude 使用 Anthropic Messages 上游： https://zenmux.ai/api/anthropic。 LiteLLM 的 anthropic/anthropic/claude-sonnet-5.5 第一个前缀是 LiteLLM provider，第二个前缀是 ZenMux 的模型 ID，不是笔误。

订阅路线为 claude-sonnet-latest、claude-opus-latest、 claude-haiku-latest；PAYG 路线在同名末尾加 -payg。 不自动由订阅切换到 PAYG，也不设置跨模型 fallback。

Claude 客户端优先使用原生 /v1/messages，保留 cache_control、 稳定的 tools/system 前缀以及原样回传的 thinking/signature。 不能保证每次 cache hit；首次创建、最小缓存长度、TTL 和上游路由都会影响结果。 上线验收需重复发送足够长且完全相同的前缀，检查 cache_creation_input_tokens 和 cache_read_input_tokens，不能只看 HTTP 200。 不把 LiteLLM 的响应缓存当作 Anthropic prompt cache。

实测 ZenMux Sonnet 5.5 会拒绝强制 tool_choice.type=tool/any， 错误由上游返回；使用支持的 auto 模式，不在代理中静默改写调用者的要求。

开放模型已改为 ZenMux 订阅优先、OpenRouter 回退；models.yaml 来自实际 provider 目录。 除 Google 自带 latest 映射由其上游维护外，其他 latest 都是本项目手动维护的稳定别名。 Google AI Studio 使用独立 key 与模型表，已实际查询模型目录， 不把 Google OAuth/ADC 当成 AI Studio API key。 Google 三条模型为 gemini-flash-latest、gemini-flash-lite-latest、gemini-pro-latest。 用户新 provider key 的权威位置是 Arcane tools-litellm Project .env； 不要用 .145 首次生成的 tools-litellm.env 整体覆盖它，那份文件可能还含旧 provider 值。 该本机文件主要用于 master key 管理与数据库凭据恢复；提供商配置必须先从 Arcane 实查。

开源模型主备路由（2026-10-12）

客户端稳定别名	两侧具体模型
deepseek-flash-latest	deepseek/deepseek-v4.1-flash
deepseek-pro-latest	deepseek/deepseek-v4-pro
glm-latest	z-ai/glm-5.3-prime
kimi-latest	moonshotai/kimi-k3
mimo-flash-latest	xiaomi/mimo-v2.6-flash

这些原有别名先调用 ZenMux /api/v1，失败后由 Router 转向同名末尾加 -openrouter 的备用组；不是随机分流，不切到 PAYG，也不改变 Claude/OAuth。 DeepSeek Pro 原 OpenRouter 日期版 v4-pro-0813 改为双方共有的 v4-pro， 两侧返回模型 ID 已核验一致，但不能仅据 ID 保证供应商权重实现完全相同。 只配置现有五组，不把整个供应商目录自动开放。

缺 ZenMux key 时原别名仍直接走 OpenRouter；缺 OpenRouter key 时不生成悬空 fallback。普通 virtual key 需同时允许主组与备用组，现有 lan-agents key 通过 /key/update 增补五个备用别名，无需更换 key。

部署所用 SDK 的回环 mock 已验证 402、403、429、500 自动回退。 显式部署级异常策略让 429/500 在第一次失败后冷却 60 秒；402/403 仍会在 下一请求尝试主组，不宣称已按订阅窗口熔断。Router 默认最多一次重试， 不是耗尽后无限等待。两家共享订阅额度的跨模型熔断尚未实现。 请求开始前的失败已覆盖；流式输出中途断开不承诺无缝拼接或恰好一次执行工具。

ZenMux 恢复后重新优先使用它。OpenRouter 会产生其账户费用；缓存不跨 供应商共享。上游工具/推理参数兼容性仍按调用者实际用法验收，不能只凭 短文本成功宣称所有 Agent 工作流均兼容。

参考：LiteLLM Fallbacks。

Hermes 两个 profile 的集中接入

Hermes 使用三种协议入口：Claude 经 Anthropic Messages，Gemini/Grok/开源模型 经 Chat Completions，Codex 订阅经 Responses。不要为了单一 URL 把所有模型强行 桥接成同一种协议；/v1/responses 和 /v1/messages 均由同一代理提供。

补充路线 gemini-flash-zenmux 保留 Hermes 原 ZenMux Gemini 3.8 Flash 数据去向， 不自动换到 Google ADC。gpt-work-sol、gpt-review-5.5、gpt-astra-latest 分别 保留原 gpt-6-sol、gpt-5.5、gpt-6-astra；三者均在独立 Codex OAuth 实时目录中。 它们是兼容现有分工，不以过期型号或“最新总更好”为由静默更换。 glm-flash-latest 补齐原选择器中的 GLM 5.3 Flash，并使用同一 ZenMux/OpenRouter 主备模式。

用户同日确认的最终策略：default 用 grok-latest，work 用 gpt-sol-latest； 辅助全部用 gpt-luna-latest（一般 low、任务拆解 medium），审阅及后台审阅用 gpt-sol-latest high。当前分别映射 Grok 4.7、GPT-6 Luna、GPT-6.1 Sol。 原 Haiku/Flash/GPT-5.5 分工为迁移阶段，不再作为 Hermes 的当前策略。 旧兼容路线留给历史客户端，Hermes GPT 选择器只列 Luna/Sol/Astra latest。 MoA 仅按需启动，参考模型为 Sonnet 5.5/Grok/Luna，Astra 聚合。 work 的旧 Sonnet 5 参考槽统一到已有 Sonnet 5.5 路线。旧直连 provider 只保留 回滚兼容，新默认与任务槽不再引用；已打开 session 的 provider/model 覆盖不自动改写。

密钥

真实 .env 权限 0600，不提交 Git；模板见 .env.example。 ZenMux subscription/PAYG 的 key 需要明确确认用途，不能按外观推断。 数据库密码使用无特殊 URL 字符的随机值，避免 DATABASE_URL 编码问题。 LITELLM_MASTER_KEY 以 sk- 开头，salt 独立随机生成。 UI 使用数据库管理员 kai@litellm.local（只是登录标识，不发送邮件）， 设置 disable_env_credential_login: true，禁用 UI_PASSWORD 以及 master key 的网页登录。 用户已修改首次临时密码，临时文件已删除。数据库保存密码哈希， 用户的新密码不写入环境变量，也不由 Agent 保存。 master key 仍能管理 API，用于恢复权限，不再充当网页登录密码。 不能直接用这份配置初始化空库后期待默认 admin 登录：必须预先通过 /user/new 建立管理员，再 /user/update 设置临时密码，随后启用限制。 日常客户端应使用管理界面创建的应用专属 virtual key，不共享 master key。 不要开启输出请求全文的 debug 日志。

独立 OAuth 登录

不复制 Codex CLI、Grok CLI 或 Hermes 的 refresh token。 在目标主机项目目录执行：

bash oauth-login.sh codex

打开终端显示的设备验证网址并输入验证码。

xAI 需要本机浏览器回调。先在浏览器所在电脑保持 SSH 隧道：

ssh -N -L 56121:127.0.0.1:56121 tools@192.168.50.49

然后在 tools-pve 的另一个终端运行：

bash oauth-login.sh xai

打开输出的授权 URL；若 56121 被占用，先关闭占用者再重试， 不要把临时改用的端口当作已有隧道可达。 登录 helper 使用 host network 仅供本地 OAuth 回调，生产代理仍使用独立 bridge。

确认账号实际支持的模型 ID 后，在 models.yaml 的 chatgpt/xai 表添加别名。 OAuth 映射为 gpt-luna-latest -> gpt-6-luna、gpt-sol-latest -> gpt-6.1-sol、 grok-latest -> grok-4.7，独立账号目录与 SDK 请求均已验证。 Codex 路线由 chatgpt/ 访问，优先 /v1/responses； 原生 Responses 使用消息列表形式的 input 和 stream=true，按 SSE 读取到 response.completed。 常规 OpenAI SDK 客户端也可用 /v1/chat/completions，Luna 非流式桥接已实测 OK。 实测直接给字符串 input 会被 Codex backend 拒绝；不要把已授权误写成协议完全兼容。 xAI 路线使用 xai/ 与 use_xai_oauth: true，不能设置 XAI API key 覆盖它。 新增 token 后需重启代理，运行时 refresh 会写回同一个持久卷。

部署及验收

正常走 Arcane Git Sync；Manager 已恢复，本项目已通过控制面部署。 如用户明确同意临时直接部署，将本目录放到 tools-pve，准备 .env 后执行：

docker compose config --quiet
docker compose up -d
docker compose ps

恢复 Arcane 后应纳管这套已有卷和项目，避免生成第二套数据库。 上线必须验证健康、带 virtual key 的模型列表、实际请求、stream 和工具调用； OAuth 与 Claude cache hit 分别验收，未通过不能写成可用。

回滚只停止新增项目或回退配置/image pin，不删除 named volume。 定期 pg_dump 并保留独立备份，数据库卷不是备份。

参考：LiteLLM ChatGPT OAuth、 xAI OAuth 官方源码、 ZenMux prompt cache。

Google Agent Platform 与检索模型

2026-10-09 用户确认 Pro 赠金已绑定结算账号后，接入项目 gen-lang-client-0312436655，区域 global。复用此前已授权的用户 ADC， 保存在既有 tools-litellm-oauth 卷的 /tokens/google/adc.json（0600）， 不进 Git；容器通过 GOOGLE_APPLICATION_CREDENTIALS 读取并刷新凭据。 Arcane Project .env 设置 VERTEXAI_ENABLED=true、VERTEXAI_PROJECT、 VERTEXAI_LOCATION。默认关闭该路线，避免仅有项目名就自动发起付费调用。

对外路由	实际模型	验收
gemini-flash-vertex	gemini-3.8-flash	原生及普通客户端 Chat 均成功
gemini-flash-lite-vertex	gemini-3.5-flash-lite	原生及普通客户端 Chat 均成功
gemini-pro-vertex	gemini-3.1-pro-preview	原生及普通客户端 Chat 均成功
gemini-embedding-2-studio	AI Studio gemini-embedding-2	/v1/embeddings 两条输入返回两条 1024 维向量，index 正确

前三条不冒充 Google 厂商自动 latest 别名；保持与 AI Studio 既有路由分开。 Google 官方说明 AI Pro 月赠金可用于 Agent Platform，但本次没有从账单 实证某次请求扣的是赠金；兑换状态由用户确认。赠金耗尽后可能继续产生付费， 当前没有基于 Google 实时赠金余额的硬停机制，不设置自动跨 provider fallback。

AI Studio 当前账号目录含 gemini-embedding-001、gemini-embedding-2-preview、 gemini-embedding-2，没有独立 rerank 模型。优先用已经 GA 的 Embedding 2。 原生 Agent Platform gemini-embedding-2:embedContent 已实测返回 1024 维。 但 LiteLLM 1.104.2 的 vertex_ai/gemini-embedding-2 两条输入只返回一条向量， 故没有开放该代理路由供批量检索使用；不要把 API HTTP 200 当成批量验收。

Google rerank 是 Discovery Engine 的独立 Ranking API，不属于 AI Studio embedding 接口。候选 semantic-ranker-default@latest、semantic-ranker-fast@latest； 005 为较新模型版本，官方页面 latest 指向说明与表格存在矛盾，不能仅凭别名 断言实际模型版本。当前项目两条路线均返回 403：Discovery Engine API 未启用。 尚未启用或纳入 LiteLLM，可到 Google Console 启用 discoveryengine.googleapis.com 后复测中文排序、权限、价格及延迟。当前 LiteLLM 已包含原生 Vertex rerank 适配。

Hindsight 0.10.1 当前生产仍用 unRaid TEI 的 BAAI/bge-m3 embedding 和 Alibaba-NLP/gte-multilingual-reranker-base rerank，Cohere/rrf 是 fallback。 该版本原生 Google embedding provider 会把 Vertex Embedding 2 拆成逐条请求， 并验证输入与输出数量一致，因此后续可优先原生 Google ADC 路线，而非有问题 的 LiteLLM Vertex embedding 路线。不要直接改生产 provider：即使都选 1024 维， BGE 与 Gemini 的向量空间不同，必须重嵌入并重建索引。rerank 切换不要求重建向量。 embedding 模型禁止使用自动追踪 latest 的别名，否则升级会混用旧向量。

参考：Google Pro 赠金、 Gemini embedding、 Google Ranking API、 Hindsight 配置。

个人语音输入热词路由（2026-10-25）

独立别名 gemini-transcribe-personal 使用 gemini/gemini-3.5-transcribe，经 Google AI Studio 凭据转发。客户端调用现有 /v1/audio/transcriptions，无需自行传词表。该别名附带 personal_vocabulary: true；启动适配器仅对明确标记的 Gemini 转写请求注入原生 generation_config.transcription_config.custom_vocabulary 和 mode: smart，普通路由不变。SMART 与 HK 保持相同的功能意图，但 AI Studio 使用小写字符串 smart，不是 Vertex 的大写 SMART 和 camelCase 字段。

当前个人词表仅包含 10 个人名、10 个公司名。按用户要求，从 Obsidian People/Companies 已确认卡片取规范名，以正式工作笔记的独立文档频次和 Hindsight 实体 mention_count 交叉排序；不加入产品、项目、文档标题、职务说明或错误别名。旧的 SQLite 100 词自动抽取已被替代，因为它把文档式长名称作为热词，出现了过度引导。

导出与私有频次审计使用 server-management 的 scripts/export-entity-dictation-vocabulary.py；具体名单与卡片证据不提交本配置仓库。私有文件仍为 tools-pve /opt/litellm/personal-vocabulary.json（0600）。每次请求读取文件；若通过原子替换文件更新，单文件 bind mount 需重启 LiteLLM 重新挂载。没有自动扩词任务，后续按实际误识别逐条复测。

语音输入使用 response_format=json，与 HK 的 Spokenly 设置一致；当前 text 请求虽 HTTP 200 仍返回 JSON 包装，不选用。不支持词级时间戳、字幕及说话人分离。Google 目前不允许 SMART/原生热词与说话人分离或词级时间戳组合。不要把这条路由用于需要 diarization 的会议流程。

LiteLLM 1.104.2 原生适配未映射热词/SMART，因此 personal_transcription.py 使用受路由开关约束的启动适配。升级 LiteLLM 后必须重跑 scripts/test-personal-transcription-wire.py，确认私有开关不泄漏上游、普通请求不变、Google 请求体中存在原生词表和 mode: smart。不要将 mock 验证等同于识别质量提升。

首次上线通过两次合成词 HTTP mock 验证，以及一秒合成静音的真实 Google HTTP 200 测试；未使用私人录音，未改会议配置。LAN 客户端 key 已单独增加本别名权限，其他受限 key 需按需授权。

同日启用 SMART 后，再次通过 mock 确认 native mode/词库和普通请求隔离；既有客户端 key 的静音及 Google 公开语音样本 JSON 转写均返回 200。只重启 tools-litellm，会议 worker/web 与 Postgres 启动时间未变。中文效果仍需真实使用评估。