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:
AI 代理
官方文档:https://help.aliyun.com/zh/mse/user-guide/ai-agent?spm=a2c4g.11186623.0.0.2927178eciPER4
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:
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: qwenapiTokens:- sk-xxxxxxxxxxxxxxxxxxxxxxtimeout: 1200000modelMapping:'gpt-3.5-turbo': qwen-turbo'gpt-4': qwen-max'*': qwen-max
插件效果
AI 可观测
官方文档:https://help.aliyun.com/zh/mse/user-guide/ai-observable?spm=a2c4g.11186623.0.0.42b4d95f14d39z
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:
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
插件效果
AI 内容安全
官方文档:https://help.aliyun.com/zh/mse/user-guide/ai-content-security?spm=a2c4g.11186623.0.0.4408488dYGAm2X
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:
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
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:
AI Token 限流
官方文档:https://help.aliyun.com/zh/mse/user-guide/ai-token-current-limiting?spm=a2c4g.11186623.0.i4
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:
插件配置
rule_name: default_rule
rule_items:- limit_by_per_ip: from-remote-addrlimit_keys:- key: 0.0.0.0/0token_per_minute: 100
redis:service_name: redis.staticservice_port: 6379username: xxxxxxpassword: 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。”
插件效果
AI 缓存
官方文档:https://help.aliyun.com/zh/mse/user-guide/ai-cache?spm=a2c4g.11186623.0.0.3cdf306bbJSWdn
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:
插件配置
redis:serviceName: redis.staticservicePort: 6379timeout: 2000username: xxxxxxpassword: xxxxxx
插件效果
AI RAG
官方文档:https://help.aliyun.com/zh/mse/user-guide/ai-rag?spm=a2c4g.11186623.0.0.24c77267ImcfGS
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:
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-xxxxxxxxxxxxxxxxxxxxxxxxxxxxserviceName: qwenservicePort: 443domain: dashscope.aliyuncs.com
dashvector:apiKey: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxserviceName: dashvectorservicePort: 443domain: vrs-cn-xxxxxxxxxxxxxx.dashvector.cn-hangzhou.aliyuncs.comcollection: xxxxxxxxxxxxxx
插件效果
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。
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-turbomessages:- role: systemcontent: "你是一个 {{program}} 专家, 你平时使用的编程语言为 {{language}}"- role: usercontent: "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: systemcontent: "请使用英语回答问题."
append:
- role: usercontent: "每次回答完问题,尝试进行反问"
AI 请求/响应智能转换
官方文档:https://help.aliyun.com/zh/mse/user-guide/ai-request-response-intelligent-transformation?spm=a2c4g.11186623.0.0.4f6f63beBCZCAU
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。
插件配置
response: enable: trueprompt: "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: qwendomain: dashscope.aliyuncs.comapiKey: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxx
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
https://github.com/ChatGPTNextWeb/ChatGPT-Next-Web
[2] 阿里云内容安全
https://help.aliyun.com/document_detail/28417.html?spm=a2c4g.28415.0.0.1dab1f55pipQr9
[3] prompt 模板
https://help.aliyun.com/zh/mse/user-guide/ai-cue-template?spm=a2c4g.11186623.0.0.768b184f1WdsVb
[4] prompt 装饰器
https://help.aliyun.com/zh/mse/user-guide/ai-cue-decorator?spm=a2c4g.11186623.0.0.124548a79q3fyU