尧图网站建设 
图 1/ 统一入口、安全路由和容器化运行的概念封面专注于 Infra 层的 AI Agent 技能平台——龙蜥社区 SkillHub 已收到数百个技能当前陆续上线中。我们每周也会收到一些技能的最佳实践分享本期给大家推荐的是王紫妍贡献的 LiteLLM 统一大模型网关一键部署 Skill 实践文章。以下是他们的实战经验分享为什么需要统一大模型网关应用同时接入多个大模型服务时最先出现的问题通常不是模型能力而是接口和运维方式不统一不同供应商使用不同的模型名称、密钥和地址业务代码需要反复适配服务健康状态、鉴权和升级也缺少统一入口。LiteLLM Proxy 提供 OpenAI 兼容接口可把不同上游模型映射成稳定的客户端模型别名。基于这个能力我将部署流程整理成 LiteLLM 统一大模型网关一键部署 Skill希望解决四个问题1、在 Anolis OS 上以可重复方式部署 LiteLLM Proxy2、使用 Podman 隔离运行环境并交由 systemd 管理生命周期3、默认只监听本机地址避免管理接口意外暴露4、将“服务启动”“网关鉴权”和“上游模型可用”拆成不同验证层级。整体架构图 2/业务应用通过 OpenAI 兼容接口访问 LiteLLM模型路由、运行环境和密钥文件彼此分离这里有两个关键边界LiteLLM 默认绑定 127.0.0.1:4000不直接暴露到公网模型密钥和网关主密钥存放在受保护的环境文件中不写入 YAML、命令行或公开日志。Skill 的设计思路1、先检查再安装部署前先运行无特权预检bash scripts/preflight.sh预检会确认当前系统是否为 Anolis OSCPU 架构是否属于已覆盖范围Podman 是否已经安装或可从 DNF 仓库获取可用内存和根文件系统空间是否满足基础要求TCP 4000 端口是否被占用安装时是否需要交互式 sudo 授权。预检只读取系统状态不安装软件也不更改防火墙。2. 镜像使用不可变摘要部署脚本不使用容易漂移的 latest 标签。本次验证使用固定摘要ghcr.io/berriai/litellmsha256:caee7ffd8ae5ff84d4d37610a1871367eb037d5349ace155b2f9fd9e44cb5e1f固定摘要可以保证重复部署拉取的是同一份镜像。升级时应先核对新摘要、记录旧摘要再执行验证需要回滚时重新指定旧摘要即可。3. 配置与密钥分离模型路由写入 /etc/litellm/config.yamlmodel_list:- model_name: defaultlitellm_params:model: openai/gpt-4o-miniapi_key: os.environ/OPENAI_API_KEYgeneral_settings:master_key: os.environ/LITELLM_MASTER_KEY文件中只有环境变量名称没有真实密钥。真实值存放于/etc/litellm/litellm.env安装脚本将其权限设为 0600。添加供应商密钥时使用 sudoedit避免密钥进入命令历史sudoedit /etc/litellm/litellm.envsudo chmod 600 /etc/litellm/litellm.envsudo systemctl restart litellm-gateway4. systemd 管理容器生命周期Skill 创建 litellm-gateway.service由 systemd 负责开机启动、停止和失败重启。容器配置文件以只读卷挂载密钥通过环境文件注入。这种方式保留了 Podman 的容器隔离同时让运维人员可以使用熟悉的命令管理服务sudo systemctl status litellm-gatewaysudo systemctl restart litellm-gatewaysudo journalctl -u litellm-gateway一键部署流程图 3/从无特权预检到分层验证每一步都有明确的授权边界完成预检并确认镜像摘要、监听地址、端口、模型别名和维护窗口后执行 sudo bash scripts/install.sh如需更换客户端看到的模型别名和上游模型可以通过环境变量覆盖 sudo env \ MODEL_ALIASdefault \ UPSTREAM_MODELopenai/gpt-4o-mini \ bash scripts/install.sh 安装过程会在缺少 Podman 时通过 DNF 安装创建/etc/litellm 配置目录生成或保留网关主密钥写入 LiteLLM 配置和 systemd 单元拉取固定摘要镜像启用并启动 litellm-gateway.service。脚本拒绝未经审查的非回环监听地址。如果确实需要外部访问应另行设计 TLS、网关鉴权、防火墙和云安全组不能简单地把监听地址改成 0.0.0.0。不要把“健康”误当成“模型可用”这是开发过程中最重要的一次认识。一个 HTTP 200 只能证明某一层工作正常不能直接证明整个调用链成功。验证层级检查内容能证明什么L1systemd 服务状态服务进程处于活动状态L2本机健康接口LiteLLM Proxy 正在响应L3携带主密钥访问 /v1/models网关鉴权和配置已加载L4发起真实 completion 请求上游密钥、网络和模型路由全部可用基础验证bash scripts/verify.sh鉴权验证不会把主密钥放入进程参数或输出sudo python3 scripts/verify-auth.py只有 L4 的真实补全请求成功后才能声明上游模型路由可用。为了避免产生费用本次公开验证没有执行付费 completion 请求。Anolis OS 8.2 实机验证结果图 4/匿名化实机验证摘要同时列出资源约束和未测试项目本次在匿名化的 Anolis OS 8.2 主机上进行了只读复核得到以下结果[PASS] hostAnolis OS 8.2 [PASS] runtimepodman version 4.9.4-rhel [PASS] litellm-gateway.service is active [PASS] liveliness endpoint returned HTTP 200 [PASS] socket127.0.0.1:4000 (loopback only) summary pass5 warn0 fail0网关鉴权验证结果PASS authenticated models endpoint returned HTTP 200 modelsdefault测试明确未覆盖上游供应商密钥有效性真实聊天补全路由公网 TLS 反向代理生产负载与并发压力。把未测试项标成 SKIP比给出一个不真实的“全部通过”更有价值。资源占用与踩坑记录验证主机只有约 1.8 GiB 内存。LiteLLM 容器启动后观察到约 1.05 GB 内存占用主机剩余可用内存约 441 MB且没有 Swap。这套配置可以完成验证但不适合直接作为持续生产规格。实际部署至少需要根据并发、日志、上游连接数和反向代理开销重新评估内存并配置监控和容量告警。其他容易踩坑的地方包括1. 使用 latest 导致重新部署后版本发生变化2. 把供应商 API Key 直接写进 YAML 或命令行3.看到健康接口返回 200 就宣布模型调用成功4.为了方便测试直接开放 4000 端口到公网5.更新镜像前没有记录旧摘要失败后无法快速回滚。总结统一大模型网关不只是启动一个容器。一个可维护的方案还需要不可变镜像、密钥隔离、最小暴露、服务托管、分层验证和明确回滚路径。LLM 统一大模型网关一键部署 Skill 把这些步骤固化成可重复流程让 Agent 在执行部署时知道哪些操作可以自动完成哪些操作必须经过用户确认也让最终报告能够准确区分“服务活着”“鉴权正常”和“上游模型真正可用”。相关链接LiteLLM 统一大模型网关一键部署https://skillhub.openanolis.cn/skill/deploy-litellm-gatewaySkillhub 官网链接https://skillhub.openanolis.cnLiteLLM 官方文档https://docs.litellm.ai/Podman systemd/Quadlet 官方文档https://docs.podman.io/en/latest/markdown/podman-systemd.unit.5.html龙蜥社区 Skill 征集活动——「Skill 创造营」上线以来响应热烈。截至目前龙蜥 SkillHub 已收到覆盖安全、系统运维、AI 推理、数据库等多个领域一个面向 Infra 的 AI 技能生态正在加速成型。「Skill 创造营」持续征集中诚挚欢迎每一位开发者提交你的 Skill 与最佳实践。如果你有感兴趣的方向或者关于 SkillHub 的问题欢迎通过下方链接反馈给我们。SkillHub 用户需求收集链接https://alidocs.dingtalk.com/notable/share/form/v014jKqm0b74KdjLnw1_f22ghuX_M7AJs3D 从“能启动”到“可验证” ，一条命令在 Anolis OS 拉起统一大模型网关 | 龙蜥 SkillHub 精选
图 1/ 统一入口、安全路由和容器化运行的概念封面专注于 Infra 层的 AI Agent 技能平台——龙蜥社区 SkillHub 已收到数百个技能当前陆续上线中。我们每周也会收到一些技能的最佳实践分享本期给大家推荐的是王紫妍贡献的 LiteLLM 统一大模型网关一键部署 Skill 实践文章。以下是他们的实战经验分享为什么需要统一大模型网关应用同时接入多个大模型服务时最先出现的问题通常不是模型能力而是接口和运维方式不统一不同供应商使用不同的模型名称、密钥和地址业务代码需要反复适配服务健康状态、鉴权和升级也缺少统一入口。LiteLLM Proxy 提供 OpenAI 兼容接口可把不同上游模型映射成稳定的客户端模型别名。基于这个能力我将部署流程整理成 LiteLLM 统一大模型网关一键部署 Skill希望解决四个问题1、在 Anolis OS 上以可重复方式部署 LiteLLM Proxy2、使用 Podman 隔离运行环境并交由 systemd 管理生命周期3、默认只监听本机地址避免管理接口意外暴露4、将“服务启动”“网关鉴权”和“上游模型可用”拆成不同验证层级。整体架构图 2/业务应用通过 OpenAI 兼容接口访问 LiteLLM模型路由、运行环境和密钥文件彼此分离这里有两个关键边界LiteLLM 默认绑定 127.0.0.1:4000不直接暴露到公网模型密钥和网关主密钥存放在受保护的环境文件中不写入 YAML、命令行或公开日志。Skill 的设计思路1、先检查再安装部署前先运行无特权预检bash scripts/preflight.sh预检会确认当前系统是否为 Anolis OSCPU 架构是否属于已覆盖范围Podman 是否已经安装或可从 DNF 仓库获取可用内存和根文件系统空间是否满足基础要求TCP 4000 端口是否被占用安装时是否需要交互式 sudo 授权。预检只读取系统状态不安装软件也不更改防火墙。2. 镜像使用不可变摘要部署脚本不使用容易漂移的 latest 标签。本次验证使用固定摘要ghcr.io/berriai/litellmsha256:caee7ffd8ae5ff84d4d37610a1871367eb037d5349ace155b2f9fd9e44cb5e1f固定摘要可以保证重复部署拉取的是同一份镜像。升级时应先核对新摘要、记录旧摘要再执行验证需要回滚时重新指定旧摘要即可。3. 配置与密钥分离模型路由写入 /etc/litellm/config.yamlmodel_list:- model_name: defaultlitellm_params:model: openai/gpt-4o-miniapi_key: os.environ/OPENAI_API_KEYgeneral_settings:master_key: os.environ/LITELLM_MASTER_KEY文件中只有环境变量名称没有真实密钥。真实值存放于/etc/litellm/litellm.env安装脚本将其权限设为 0600。添加供应商密钥时使用 sudoedit避免密钥进入命令历史sudoedit /etc/litellm/litellm.envsudo chmod 600 /etc/litellm/litellm.envsudo systemctl restart litellm-gateway4. systemd 管理容器生命周期Skill 创建 litellm-gateway.service由 systemd 负责开机启动、停止和失败重启。容器配置文件以只读卷挂载密钥通过环境文件注入。这种方式保留了 Podman 的容器隔离同时让运维人员可以使用熟悉的命令管理服务sudo systemctl status litellm-gatewaysudo systemctl restart litellm-gatewaysudo journalctl -u litellm-gateway一键部署流程图 3/从无特权预检到分层验证每一步都有明确的授权边界完成预检并确认镜像摘要、监听地址、端口、模型别名和维护窗口后执行 sudo bash scripts/install.sh如需更换客户端看到的模型别名和上游模型可以通过环境变量覆盖 sudo env \ MODEL_ALIASdefault \ UPSTREAM_MODELopenai/gpt-4o-mini \ bash scripts/install.sh 安装过程会在缺少 Podman 时通过 DNF 安装创建/etc/litellm 配置目录生成或保留网关主密钥写入 LiteLLM 配置和 systemd 单元拉取固定摘要镜像启用并启动 litellm-gateway.service。脚本拒绝未经审查的非回环监听地址。如果确实需要外部访问应另行设计 TLS、网关鉴权、防火墙和云安全组不能简单地把监听地址改成 0.0.0.0。不要把“健康”误当成“模型可用”这是开发过程中最重要的一次认识。一个 HTTP 200 只能证明某一层工作正常不能直接证明整个调用链成功。验证层级检查内容能证明什么L1systemd 服务状态服务进程处于活动状态L2本机健康接口LiteLLM Proxy 正在响应L3携带主密钥访问 /v1/models网关鉴权和配置已加载L4发起真实 completion 请求上游密钥、网络和模型路由全部可用基础验证bash scripts/verify.sh鉴权验证不会把主密钥放入进程参数或输出sudo python3 scripts/verify-auth.py只有 L4 的真实补全请求成功后才能声明上游模型路由可用。为了避免产生费用本次公开验证没有执行付费 completion 请求。Anolis OS 8.2 实机验证结果图 4/匿名化实机验证摘要同时列出资源约束和未测试项目本次在匿名化的 Anolis OS 8.2 主机上进行了只读复核得到以下结果[PASS] hostAnolis OS 8.2 [PASS] runtimepodman version 4.9.4-rhel [PASS] litellm-gateway.service is active [PASS] liveliness endpoint returned HTTP 200 [PASS] socket127.0.0.1:4000 (loopback only) summary pass5 warn0 fail0网关鉴权验证结果PASS authenticated models endpoint returned HTTP 200 modelsdefault测试明确未覆盖上游供应商密钥有效性真实聊天补全路由公网 TLS 反向代理生产负载与并发压力。把未测试项标成 SKIP比给出一个不真实的“全部通过”更有价值。资源占用与踩坑记录验证主机只有约 1.8 GiB 内存。LiteLLM 容器启动后观察到约 1.05 GB 内存占用主机剩余可用内存约 441 MB且没有 Swap。这套配置可以完成验证但不适合直接作为持续生产规格。实际部署至少需要根据并发、日志、上游连接数和反向代理开销重新评估内存并配置监控和容量告警。其他容易踩坑的地方包括1. 使用 latest 导致重新部署后版本发生变化2. 把供应商 API Key 直接写进 YAML 或命令行3.看到健康接口返回 200 就宣布模型调用成功4.为了方便测试直接开放 4000 端口到公网5.更新镜像前没有记录旧摘要失败后无法快速回滚。总结统一大模型网关不只是启动一个容器。一个可维护的方案还需要不可变镜像、密钥隔离、最小暴露、服务托管、分层验证和明确回滚路径。LLM 统一大模型网关一键部署 Skill 把这些步骤固化成可重复流程让 Agent 在执行部署时知道哪些操作可以自动完成哪些操作必须经过用户确认也让最终报告能够准确区分“服务活着”“鉴权正常”和“上游模型真正可用”。相关链接LiteLLM 统一大模型网关一键部署https://skillhub.openanolis.cn/skill/deploy-litellm-gatewaySkillhub 官网链接https://skillhub.openanolis.cnLiteLLM 官方文档https://docs.litellm.ai/Podman systemd/Quadlet 官方文档https://docs.podman.io/en/latest/markdown/podman-systemd.unit.5.html龙蜥社区 Skill 征集活动——「Skill 创造营」上线以来响应热烈。截至目前龙蜥 SkillHub 已收到覆盖安全、系统运维、AI 推理、数据库等多个领域一个面向 Infra 的 AI 技能生态正在加速成型。「Skill 创造营」持续征集中诚挚欢迎每一位开发者提交你的 Skill 与最佳实践。如果你有感兴趣的方向或者关于 SkillHub 的问题欢迎通过下方链接反馈给我们。SkillHub 用户需求收集链接https://alidocs.dingtalk.com/notable/share/form/v014jKqm0b74KdjLnw1_f22ghuX_M7AJs3D