随着 AI 时代到来，基于大模型的应用对网关提出了新的要求，例如在不同 LLM 提供商之间进行负载均衡、构建 AI 应用的可观测能力、基于 token 的限流保护与配额管理、AI 应用内容安全等等。Higress 基于企业内外的丰富场景沉淀了众多面向AI的功能，推出了 AI 原生的 API 网关形态并且全部开源。
ChatGPT-Next-Web[1]是一个开源的前端项目，用于提供大模型聊天窗口，支持接入多种大模型，本文基于Higress、通义千问以及 ChatGPT-Next-Web，演示 Higress 如何兼容 openai 协议，并逐步搭建一个体系完整的 LLM 应用，应用最终架构如图所示：
1. AI 代理
1.1 应用架构
首先，我们先通过网关快速部署一个可以进行对话的聊天应用，其架构如下图所示：
LLM 服务使用通义千问，服务类型为 DNS。路由及服务创建完成后如下图所示：
1.2 插件配置
设置路由级插件规则，选择在 llm 路由下生效，配置如下：
provider: type: qwen apiTokens: - sk-xxxxxxxxxxxxxxxxxxxxxx timeout: 1200000 modelMapping: 'gpt-3.5-turbo': qwen-turbo 'gpt-4': qwen-max '*': qwen-max
1.3 插件效果
2. AI 可观测
2.1 应用架构
现在，我们已经有了基础的对话功能，作为一款网关产品，我们希望在网关这个统一的入口处对各个服务、路由的请求情况进行观测。考虑到 LLM 请求主要以 token 为观测目标，网关提供了对 token 的观测机制，包含路由级、服务级、模型级的 token 用量观测。
现在，我们改变上文的应用架构，插入可观测插件，改造后如下图所示：
2.2 插件配置
依然是选择在 llm 这条路由上生效，插件配置如下：
enable: true
2.3 插件效果
3. AI 内容安全
3.1 应用架构
大模型通常是通过学习互联网上广泛可用的数据来训练的，它们有可能在过程中学习到并复现有害内容或不良言论，因此，当大模型未经过适当的过滤和监控就生成回应时，它们可能产生包含有害语言、误导信息、歧视性言论甚至是违反法律法规的内容。正是因为这种潜在的风险，大模型中的内容安全就显得异常重要。
基于 AI 内容安全插件，通过简单的配置即可对接阿里云内容安全[2]，为大模型问答的合规性保驾护航。
配置 AI 内容安全插件后，应用架构如下图所示：
3.2 插件配置
首先需要在网关配置内容安全的服务：
配置服务后，开启内容安全插件，选择对 llm 路由生效：
serviceSource: dns serviceName: green-cip servicePort: 443 domain: green-cip.cn-hangzhou.aliyuncs.com ak: xxxxxxxxxxxxxxxxx sk: xxxxxxxxxxxxxxxxx
3.3 插件效果
登录阿里云内容安全控制台，可以查看每条请求的审计记录：
4. AI Token 限流
4.1 应用架构
ai-token-ratelimit 插件实现了基于特定键值实现 token 限流，键值来源可以是 URL 参数、HTTP 请求头、客户端 IP 地址、consumer 名称、cookie 中 key 名称。其借助 redis 实现全局的 token 限流。
创建一个 redis 服务并且在网关进行配置：
之后添加 AI Token 限流插件，应用架构为：
4.2 插件配置
rule_name: default_rule rule_items: - limit_by_per_ip: from-remote-addr limit_keys: - key: 0.0.0.0/0 token_per_minute: 100 redis: service_name: redis.static service_port: 6379 username: xxxxxx password: xxxxxx rejected_code: 429 rejected_msg: 您的请求频率过高，请稍后再试。
以上插件配置效果为每个 ip 地址每分钟内只能使用 100 个 token，当超过 token 限制时，返回 429，响应 body 为“您的请求频率过高，请稍后再试。”
4.3 插件效果
5. AI 缓存
5.1 应用架构
AI 缓存插件能够缓存每个请求的响应，当有相同请求到来时，可以直接返回存储在 redis 中的大模型的生成内容，添加 AI 缓存插件后，应用架构为：
5.2 插件配置
redis: serviceName: redis.static servicePort: 6379 timeout: 2000 username: xxxxxx password: xxxxxx
5.3 插件效果
6. AI RAG
6.1 应用架构
大模型具有一个显著的局限性，那就是它们的知识截止到模型被训练的数据。一旦训练完成，模型就无法获取或学习新的信息。此外，大型语言模型的训练数据虽然浩如烟海，但仍然有可能缺少某些领域的信息，或者对某些主题的覆盖不够深入，针对这些细领域的查询可能会产生不够精确或缺乏深度的结果。检索增强生成（RAG）技术能够利用检索系统从大规模的数据库中找到相关信息，然后将这些信息提供给文本生成模型以帮助生成更精确、更丰富、更符合实际情况的文本。
Higress 通过对接阿里云向量检索服务能够快速实现 RAG 功能：
添加 RAG 插件后，应用架构如下图所示：
6.2 插件配置
插件需要配置 dashscope 和 dashvector 两个云服务的相关信息：
dashscope: apiKey: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxx serviceName: qwen servicePort: 443 domain: dashscope.aliyuncs.com dashvector: apiKey: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxx serviceName: dashvector servicePort: 443 domain: vrs-cn-xxxxxxxxxxxxxx.dashvector.cn-hangzhou.aliyuncs.com collection: xxxxxxxxxxxxxx
6.3 插件效果
7. 其他
除了以上插件，我们还提供了对 prompt 进行修改的插件以及对请求/响应进行智能转换的插件。
7.1 Prompt 工程相关插件
Prompt 插件包括 prompt 模板以及 prompt 装饰器：
- prompt 模板[3]
- prompt 装饰器[4]
Prompt 模板允许用户在网关定义一系列 LLM 请求的模板，使用者通过指定模板中的参数对 LLM 进行访问，配置示例如下：
templates: - name: "developer-chat" template: model: gpt-3.5-turbo messages: - role: system content: "你是一个 {{program}} 专家, 你平时使用的编程语言为 {{language}}" - role: user content: "帮我写一个 {{program}} 程序, 你的返回结果里面应该只包含python代码"
请求 body 示例如下：
{ "template": "developer-chat", "properties": { "program": "冒泡排序", "language": "python" } }
Prompt 装饰器允许用户在网关定义对 prompt 的修改操作，包括在原始请求之前和之后插入 message，配置示例如下，请求 body 与 openai 的请求一致。
prepend: - role: system content: "请使用英语回答问题." append: - role: user content: "每次回答完问题，尝试进行反问"
7.2 AI 请求/响应智能转换
请求响应转换插件支持对请求/响应进行智能转换，其工作流程如下图所示（示例中后端服务为 httpbin）：
此插件可用于修改经过网关的请求/响应内容，例如将 xml 格式的响应修改为 json 格式。
7.3 插件配置
response: enable: true prompt: "帮我修改以下HTTP应答信息，要求：1. content-type修改为application/json；2. body由xml转化为json；3. 移除content-length。" provider: serviceName: qwen domain: dashscope.aliyuncs.com apiKey: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxx
7.4 插件效果
访问原始的 httpbin 的 /xml 接口，结果为：
<?xml version='1.0' encoding='us-ascii'?> <!-- A SAMPLE set of slides --> <slideshow title="Sample Slide Show" date="Date of publication" author="Yours Truly" > <!-- TITLE SLIDE --> <slide type="all"> <title>Wake up to WonderWidgets!</title> </slide> <!-- OVERVIEW --> <slide type="all"> <title>Overview</title> <item>Why <em>WonderWidgets</em> are great</item> <item/> <item>Who <em>buys</em> WonderWidgets</item> </slide> </slideshow>
使用以上配置，通过网关访问 httpbin 的 /xml 接口，结果为：
{ "slideshow": { "title": "Sample Slide Show", "date": "Date of publication", "author": "Yours Truly", "slides": [ { "type": "all", "title": "Wake up to WonderWidgets!" }, { "type": "all", "title": "Overview", "items": [ "Why <em>WonderWidgets</em> are great", "", "Who <em>buys</em> WonderWidgets" ] } ] } }
相关链接：
[1] ChatGPT-Next-Web
[2] 阿里云内容安全
[3] prompt 模板
[4] prompt 装饰器
作者：钰诚