项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 5443
技术标签
使用教程
⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。
⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。
环境要求
- 一个能读取并执行文档的 AI Agent(用于按 deploy-axonhub 技能文档部署)
- 可访问 GitHub,获取 https://github.com/looplj/axonhub-skills/blob/main/deploy-axonhub/
- 部署完成后可用浏览器访问 AxonHub 地址,完成初始化向导
- 客户端需安装 openai Python SDK(用于发起第一个请求)
- 本地部署默认网关地址为 http://localhost:8090/v1
安装与启动步骤
-
1按技能文档部署
README 指引让 Agent 读取 deploy-axonhub 的 SKILL.md 并遵循其中步骤部署 AxonHub,README 本身未给出安装命令
-
2打开访问地址
部署完成后,打开 Agent 返回的 AxonHub 访问地址,进入系统界面
-
3初始化系统
按照初始化向导创建管理员账号,完成系统初始化
-
4添加渠道
在 Channels(渠道)中添加 AI 提供商及其 API Key,配置支持的模型,测试连接后启用渠道
-
5创建 API Key
在 API Keys(API 密钥)中创建供客户端使用的 AxonHub API Key,并妥善保存
-
6发起第一个请求
用 OpenAI SDK 把 base_url 指向 AxonHub、api_key 换成刚创建的密钥,即可调用模型
from openai import OpenAI client = OpenAI( base_url="http://localhost:8090/v1", api_key="your-axonhub-api-key" ) response = client.chat.completions.create( model="gpt-4o", messages=[{"role": "user", "content": "Hello, AxonHub!"}] ) print(response.choices[0].message.content)
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
base_url | 是 | AxonHub 的 OpenAI 兼容接口地址 | http://localhost:8090/v1 |
api_key | 是 | 在 AxonHub 的 API Keys 页面创建的网关密钥 | your-axonhub-api-key |
model | 是 | 请求的模型名,需与渠道中已启用的模型对应 | gpt-4o |
如何确认成功
运行示例脚本后能打印出模型回复内容(response.choices[0].message.content 有输出)即表示调用成功。
常见问题
Q:AxonHub 怎么部署?
A:README 未给出手工安装命令,只说明让 AI Agent 读取并遵循 deploy-axonhub 的 SKILL.md 来部署,请按该技能文档执行。
Q:部署完成后怎么开始使用?
A:打开 Agent 返回的 AxonHub 地址,按初始化向导创建管理员账号,再依次添加渠道和 API Key。
Q:请求时报模型不可用怎么办?
A:需要在 Channels 中添加对应的 AI 提供商与 API Key,配置支持的模型并测试连接、启用渠道后再调用。
Q:客户端代码需要大改吗?
A:不需要,AxonHub 提供兼容任意 SDK 的标准化接口,只需把 base_url 和 api_key 改成 AxonHub 的值。
注意事项
- README 未提供 Docker、源码编译等具体安装命令,部署方式以 deploy-axonhub 技能文档为准。
- 示例中的 http://localhost:8090 是本地部署地址,实际访问地址以 Agent 返回为准。
- 示例密钥 your-axonhub-api-key 为占位值,务必替换为在 AxonHub 中实际创建的 API Key。
- 更多配置和 API 示例请查看仓库内 docs/zh/index.md 文档索引。
核心亮点
- 兼容任意 SDK,无需改造现有代码即可接入多种 LLM,迁移成本极低
- 内置故障转移和负载均衡,自动切换可用模型,显著提升服务稳定性
- 提供端到端追踪和成本控制面板,让 API 调用和花费一目了然
不足之处
- 项目较新,文档和社区生态尚待完善
- 高级功能如自定义策略可能需要学习特定配置语言
适用场景
- 企业内部统一管理多个 LLM API 密钥和调用配额
- 构建高可用的 AI 应用,需要自动容灾和负载均衡
- 需要精细化追踪 AI 调用链路和成本归因的团队
替代项目
LiteLLM、OpenRouter、Kong AI Gateway
下一篇:agentos
同类项目推荐
litellm-rs
开源
用 Rust 实现的高性能 AI 网关,一行代码切换 100+ 大模型
Self-hosted Rust LLM gateway with OpenAI-compatible APIs, load balancing, failover, ···
awesome-ml-serving
开源
一张清单,搞定生产级模型服务选型
A curated list of awesome open source and commercial platforms for serving models in···
subnet-2
开源
给去中心化 AI 推理加上可验证证明
Verifiable inference on Bittensor
generative-ai-sagemaker-cdk-demo
开源
用CDK一键部署SageMaker上的生成式AI模型,省去手动配置。
Deploy Generative AI models from Amazon SageMaker JumpStart using AWS CDK
paritok-4b-v1
开源
给编码问答先瘦身,速度翻倍还无损
Non-destructive compression gateway for AI coding agents. Cuts token bills 25% on tu···
agent-console
开源
看清每轮 AI 编码花了多少 token 和钱
Local-first observability for AI coding agents. Every Claude Code and Codex session'···
ChatGPT-Mirror
开源
一键部署,秒开个人 ChatGPT 镜像站
一键部署个人的 ChatGPT 镜像站
videodb-python
开源
几行 Python 把视频变成可搜索、可剪辑的数据库
VideoDB Python SDK
chroma
开源
给 AI 应用装一个超快的向量搜索引擎
Search infrastructure for AI
