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 2026-09-16 · 当前星标 ★ 3060
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- Python 3.10(README 徽章标注 PYTHON-3.10)
- 建议使用虚拟环境(README 示例使用 anaconda3)
- 调用 LLM 服务时需要对应提供商的 API Key
- 可选:RouterR1 相关支持需要 GPU
- 可选:接入 ComfyUI 需先安装 ComfyUI
安装与启动步骤
-
1克隆代码仓库
从源码安装的第一步,README 要求先 clone 仓库再以可编辑模式安装。执行后进入项目目录。
git clone https://github.com/ulab-uiuc/LLMRouter.git cd LLMRouter -
2基础安装
在虚拟环境中以 editable 模式安装基础包,只包含核心依赖,适合大多数路由场景。
pip install -e . -
3安装全部可选依赖
需要全部可选能力时使用,会安装额外的可选依赖包,体积更大。
pip install -e ".[all]" -
4或从 PyPI 安装
不想拉源码时的替代方案,直接安装发布到 PyPI 的包,适合快速试用。
pip install llmrouter-lib -
5准备配置文件
所有路径和参数都由 YAML 控制,可用仓库自带示例配置 llmrouter/data/sample_config.yaml,按需修改后即可运行。
-
6配置 API Key
运行推理(inference)和路由到真实模型时必须提供 API Key,按 README 的 Setting Up API Keys 章节配置后再执行推理。
-
7按需接入 ComfyUI
若要使用 ComfyUI 自定义节点,需先安装 ComfyUI 并创建两个符号链接,然后启动其服务。
python /path/to/ComfyUI/main.py
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
data_path.llm_data | 是 | 候选 LLM 列表 JSON 的路径,路由时从中选择模型 | data/example_data/llm_candidates/default_llm.json |
serve.host | 否 | OpenClaw Router 服务监听地址 | 0.0.0.0 |
serve.port | 否 | OpenClaw Router 服务监听端口 | 8000 |
router.strategy | 否 | 路由策略,可选 random、round_robin、rules、llm、llmrouter | llm |
api_keys.together | 否 | 提供商 API Key,可用环境变量占位符注入 | ${TOGETHER_API_KEY} |
llms.<名称>.model | 否 | 候选模型标识,配合 provider、base_url、description 使用 | meta-llama/Meta-Llama-3.1-8B-Instruct-Turbo |
如何确认成功
执行 pip install -e . 无报错,并能成功导入库模块(如 from llmrouter.models.meta_router import MetaRouter)即表示安装完成。
常见问题
Q:缺少某些依赖怎么办?
A:改用可选依赖全量安装:pip install -e ".[all]",可按 README 说明一次性装齐所有可选依赖。
Q:RouterR1 支持需要什么条件?
A:README 标注安装 RouterR1 支持需要 GPU,无 GPU 环境请使用基础安装。
Q:API Key 从哪里配置?
A:README 提示第 3 步需要调用 LLM 服务的 API Key,参照 Setting Up API Keys 章节配置;OpenClaw 示例用 ${TOGETHER_API_KEY} 形式引用环境变量。
Q:配置项写在哪里?
A:所有路径和参数都由 YAML 配置控制,可从 llmrouter/data/sample_config.yaml 复制修改;更详细的文件格式见 llmrouter/data/README.md。
Q:如何自己实现一个路由器?
A:继承 llmrouter.models.meta_router.MetaRouter,实现 route_single 与 route_batch,并把 router.py 和 config.yaml 放在 custom_routers/你的目录下。
注意事项
- 本文档只覆盖 README 中出现的安装与配置信息,推理命令在节选中被截断,需查阅仓库文档补全。
- 仓库给出的示例配置可直接使用,也可按自己的数据目录和模型列表修改。
- 运行推理与真实调用模型都会产生费用,请先确认 API Key 与预算策略。
- ComfyUI 接入为可选能力,需另行安装 ComfyUI 并创建两个符号链接。
核心亮点
- 提供统一路由层,业务代码无需关心具体模型提供商,切换模型只改配置
- 支持按成本、延迟、质量等维度做策略路由,便于控制预算和优化体验
- 插件式架构,便于接入新模型或自定义路由规则,扩展性较好
不足之处
- 项目较新,路由策略的成熟度和最佳实践文档可能还在完善中
- 生态和社区规模相比主流 LLM 框架仍较小,长期维护待观察
适用场景
- 多模型应用需要按请求类型自动选择便宜或强力的模型
- 预算敏感场景下按成本动态路由,避免全部调用高价模型
- 需要模型故障自动降级或负载均衡的生产环境
替代项目
LiteLLM、RouteLLM
上一篇:latitude-llm
下一篇:llm-checker
同类项目推荐
xberg
开源
一个库解析百种文档,支持多语言调用,省去格式适配烦恼。
The fast, precise document-intelligence engine for every language: text, tables and ···
backlot
开源
本地跑通企业SaaS API,带真实分页鉴权和ACL
A local emulator for enterprise SaaS APIs — Slack, Gmail, Google Drive, GitHub, Jir···
xDiT
开源
多卡并行加速 DiT 出图,单卡跑不动的高分辨率也能秒级生成
xDiT: A Scalable Inference Engine for Diffusion Transformers (DiTs) with Massive Par···
vllm-ascend
开源
让 vLLM 在昇腾 NPU 上跑起来,无缝用上大模型推理
Community maintained hardware plugin for vLLM on Huawei Ascend
mlops-project
开源
一键跑通ML全流程,从训练到部署不再手忙脚乱
An end-to-end machine learning (mlops) project
semantic-conventions-genai
开源
统一生成式 AI 遥测字段,让 LLM 调用可观测
aws-lambda-power-tuning
开源
自动跑遍内存档位,找出 Lambda 最省钱或最快的配置
AWS Lambda Power Tuning is an open-source tool that can help you visualize and fine-···
LLM-API-Key-Proxy
开源
一个 API 接入所有大模型,自动切换密钥和负载均衡
Universal LLM Gateway: One API, every LLM. OpenAI/Anthropic-compatible endpoints wit···
csghub-server
开源
自建大模型资产平台,统一管模型数据推理微调
csghub-server is the backend server for CSGHub which helps user to manage datasets, ···
