llmproxy-withlog 1.0.1

OpenAI-compatible LLM reverse proxy with real-time conversation analytics

LLM Proxy

OpenAI 兼容的 LLM 反向代理，支持多模型路由、请求日志记录和实时对话分析报告。

功能特性

• 多模型路由：通过 config.ini 配置多个上游 LLM 客户端，统一用 OpenAI 格式调用
• 请求日志：每次请求/响应自动记录到 logs/YYYYMMDD.log
• 实时分析报告：每个请求完成后自动追加到 reports/YYYYMMDD-analysis.txt，包含：
  • 用户输入（仅 user 角色）
  • LLM 完整输出（流式响应自动合并 SSE chunk）
  • 工具调用详情
  • Token 用量
• 流式响应支持：边转发边收集，不改变流式行为
• 并发安全：多请求并发写入报告时自动加锁
• 独立日志分析工具：llmproxy-analyze 命令行工具，支持对历史日志做离线分析和统计

安装

方式一：从 PyPI 安装（推荐）

pip install llmproxy-withlog

安装后可直接使用 llmproxy 命令启动服务：

# 查看帮助
llmproxy --help

# 启动服务（需提前准备好 config.ini）
llmproxy --config /path/to/config.ini

方式二：从源码安装

git clone https://github.com/hkjgvugkjh/llmproxy.git
cd llmproxy
pip install -r requirements.txt
python -m llmproxy

环境要求

• Python 3.10+
• 依赖：fastapi httpx uvicorn

快速开始

1. 配置

编辑 config.ini，填入你的上游 LLM 信息：

[models]
my-model = YOUR_API_KEY|https://api.openai.com/v1|gpt-4o

[proxy]
host = 0.0.0.0
port = 8000

[auth]
proxy_api_key = my-secret-key   # 可选，留空不校验

2. 启动

# PyPI 安装后直接运行
llmproxy --config config.ini

# 或前台启动（源码方式）
python -m llmproxy --config config.ini

# 后台启动
./start.sh

# systemd 服务
sudo cp llmproxy.service /etc/systemd/system/
sudo systemctl enable --now llmproxy

3. 调用示例

# 列出可用模型
curl -s http://localhost:8000/v1/models \
  -H "Authorization: Bearer my-secret-key" | jq

# 对话
curl -s http://localhost:8000/v1/chat/completions \
  -H "Authorization: Bearer my-secret-key" \
  -H "Content-Type: application/json" \
  -d '{"model":"my-model","messages":[{"role":"user","content":"你好"}]}'

API 端点

方法	路径	说明
GET	/v1/version	版本信息
GET	/v1/props	配置信息（模型列表等）
GET	/v1/models	模型列表（OpenAI 格式）
ALL	/v1/{path}	透传到上游（支持 POST/GET/PUT/DELETE/PATCH）

文件结构

llmproxy/
├── llmproxy/             # 核心包
│   ├── __init__.py
│   ├── __main__.py       # python -m llmproxy 入口
│   ├── server.py         # FastAPI 代理服务器
│   ├── analyzer.py       # 日志分析模块
│   └── cli.py            # 命令行入口
├── config.ini            # 配置文件（需自行填写）
├── pyproject.toml        # 包构建配置
├── requirements.txt      # Python 依赖
├── start.sh              # 后台启动脚本
├── llmproxy.service      # systemd 服务文件
├── README.md             # 本文件
├── logs/                 # 请求日志（自动生成）
│   └── YYYYMMDD.log
└── reports/              # 对话分析报告（自动生成）
    └── YYYYMMDD-analysis.txt

日志分析工具

安装后可使用 llmproxy-analyze 命令行工具，或直接运行 llmproxy.analyzer 模块：

# PyPI 安装后
llmproxy-analyze logs/20260523.log --only-user

# 源码方式
python -m llmproxy.analyzer logs/20260523.log --only-user

# 输出 JSON 格式
llmproxy-analyze logs/20260523.log --format json -o result.json

# 仅统计信息
llmproxy-analyze logs/20260523.log --stats

# 分析所有日志
llmproxy-analyze --all --stats

报告格式示例

──────────────────────────────────────────────────────────────────────
时间: 2026-05-23 15:00:00  模型: my-model  状态: 200  finish: stop

[用户输入]
你好，请介绍一下你自己

[LLM 输出]
你好！我是一个 AI 助手，可以帮你完成各种任务...

[Token] prompt=128 completion=64 total=192

License

MIT