sitellm 0.4.0

SiteLLM= LiteLLM + Chinese + Security

SiteLLM = LiteLLM + 中文生态 + 安全

SiteLLM 开源Token运营中枢，集安全基座（Security）、智能运营（Intelligence）、全链路追溯（Trace）与生态协同（Ecosystem）四大能力；上承大模型，下启智能体，让你每一个Token都能发光发热。

架构图

UI

LiteLLM

• LiteLLM 是一个开源的 AI 网关（AI Gateway）。它提供了一个统一且标准化的接口，让你能够轻松调用超过 100 种大语言模型（LLM）提供商的服务——包括 OpenAI、Anthropic、Gemini、Bedrock、Azure 等等——并且全程都可以直接沿用大家最熟悉的 OpenAI 接口格式。
• 简单来说，它就是一个强大的 OpenAI 代理服务器（也就是 LLM 网关）。除了能帮你统一对接各种模型外，它还能帮你追踪各项 API 的开销（track spend），甚至可以为每一个虚拟密钥（virtual key）或用户单独设置预算限额，非常适合需要集中管理 AI 资源的企业或开发者。

中文生态

中文界面：更亲切直观

SiteLLM 提供完整的中文界面支持,降低使用门槛，尤其适合企业内部推广和快速上手。

SiteLLM 原生支持国内主流大模型，开箱即用：

• 阿里通义千问（Qwen 系列）
• 百度文心一言（ERNIE Bot）
• 智谱清言（GLM 系列）
• 月之暗面 Kimi（Moonshot）
• 科大讯飞星火（Spark）
• Llama.cpp (本地) 以及更多通过 OpenAI 兼容接口接入的国内模型 无需翻墙、无需代理，直接在国内网络环境下调用，延迟低、稳定性好。

中文安全护栏：适配国内场景

原有内置护栏基于英文环境设计，在国内对话场景中实用性有限。升级后，内置护栏全面支持中文内容检测，包括：

• 中文敏感词过滤
• 中文 Prompt 注入检测
• 中文合规内容识别

组织管理：一键接入国内协作平台

后续规划与主流国内协作平台深度集成：

• 飞书：一键同步组织架构、用户身份
• 钉钉：SSO 单点登录、部门权限映射
• 企业微信：通讯录同步、审批流程对接

安全

专业红队+AI代码审计

版本发布经过AI和红队的双重审计才发布，尽可能减少安全风险

安全护栏：

SiteLLM 的安全护栏体系继承LiteLLM,支持三种类型的护栏，覆盖从本地规则到外部 API 的完整能力，满足企业级 AI 应用的安全合规需求。

1. 内容过滤护栏（规则型）

• 实现方式：基于内置规则引擎进行本地内容过滤
• 特点：
  • 无需外部依赖，本地即可运行
  • 低延迟，实时拦截
  • 支持关键词、正则表达式、敏感词库等规则配置
  • 全面支持中文检测：内置中文敏感词库、中文 Prompt 注入检测规则，适配国内对话场景
• 适用场景：输入/输出内容的实时过滤，如敏感词、违规内容、Prompt 注入检测

2. 第三方合作伙伴护栏（API 型）

• 实现方式：调用第三方合作伙伴提供的安全检测 API 接口
• 特点：
  • 借助成熟的安全服务提供商能力
  • 无需自行维护规则库和模型
  • 可按需选择不同供应商（如内容安全、合规检测等）
  • 深度集成国内安全服务商：支持云智信安等国内护栏 API，提供中文内容安全检测、合规判断等专业能力
• 适用场景：需要专业级内容审核、合规判断的场景

3. 自研 API 护栏（API 型）

• 实现方式：通过调用自主开发的 API 接口进行安全检测
• 特点：
  • 完全自主可控，可根据业务深度定制
  • 支持私有模型、自定义规则、内部知识库
  • 与内部系统无缝集成
• 适用场景：有定制化安全需求、数据不出域要求的企业场景

关于策略：灵活绑定，层层防护

使用策略来分组护栏并控制哪些策略适用于特定团队、密钥或模型。

为什么使用策略？

为团队、密钥或模型启用/禁用特定护栏，将护栏组合到单个策略中，继承现有策略并覆盖所需内容

关于策略应用

策略应用控制您的策略在何处应用。策略在应用到特定团队、密钥、模型、标签或全局之前不会产生任何作用。

应用范围：

• 全局 (*) - 应用于所有请求
• 团队 - 仅适用于特定团队
• 密钥 - 仅适用于特定API密钥（支持通配符如dev-*）
• 模型 - 仅在使用特定模型时适用
• 标签 - 匹配来自密钥/团队 metadata.tags 或在请求体中动态传递的标签（metadata.tags）。使用此功能可在跨组强制执行策略，例如"标记为healthcare的所有密钥获得HIPAA护栏。"支持通配符（prod-*）。

安装部署

一、安装 SiteLLM

环境要求

• Python >= 3.9（推荐使用 3.10+）
• 操作系统：Linux（本文以 Ubuntu 为例）

安装命令

pip install sitellm

就这么简单。SiteLLM 的 Python 包管理非常规范，依赖会自动安装。

验证安装：

sitellm --version

如果能正常输出版本号，说明安装成功。

---

二、安装 PostgreSQL 数据库

SiteLLM 支持多种数据库，但生产环境推荐使用 PostgreSQL，因为它在事务处理、并发性能和数据一致性方面表现优秀。

1. 安装 PostgreSQL

在 Ubuntu 22.04 上，默认提供的是 PostgreSQL 16 版本：

sudo apt install -y postgresql

安装完成后，服务会自动启动。你可以用以下命令检查状态：

sudo systemctl status postgresql

2. 创建数据库和用户

切换到 postgres 用户，进入数据库命令行：

sudo -u postgres psql

然后执行以下 SQL 语句：

-- 创建数据库（指定 UTF8 编码，确保中文支持）
CREATE DATABASE litellm WITH ENCODING = 'UTF8';

-- 创建用户并设置密码，换成自己的密码
CREATE USER sitellm WITH PASSWORD 'sitellm_ai2000';

-- 授予连接权限
GRANT CONNECT ON DATABASE litellm TO sitellm;

-- 切换到 litellm 数据库
\c litellm

-- 授予 public schema 的使用权
GRANT USAGE ON SCHEMA public TO sitellm;

-- 允许用户在 public schema 下创建对象
GRANT CREATE ON SCHEMA public TO sitellm;

-- 授予所有表的增删改查权限
GRANT SELECT, INSERT, UPDATE, DELETE ON ALL TABLES IN SCHEMA public TO sitellm;

完成后输入 \q 退出。

注意事项：

• 密码 sitellm_ai2000 是示例，生产环境请使用强密码
• GRANT ON ALL TABLES 只对当前已存在的表生效，后续新建的表需要重新授权或设置默认权限

---

三、Prisma 代码生成（关键步骤）

这一步很容易被忽略，但非常关键。SiteLLM 使用 Prisma 作为 ORM 框架，需要在启动前生成数据库访问代码。

执行命令

# 方式一：指定 schema 文件路径
prisma generate --schema /usr/local/lib/python3.10/site-packages/sitellm/proxy/schema.prisma

# 方式二：动态获取 Python 包路径（推荐）
prisma generate --schema $(python3 -m site --user-site)/sitellm/proxy/schema.prisma

路径说明：

• 如果你使用 pip install 全局安装，路径通常在 /usr/local/lib/python3.x/site-packages/sitellm/proxy/schema.prisma
• 如果你使用 pip install --user 安装，路径在用户目录下

可以用以下命令确认实际路径：

python3 -c "import sitellm; print(sitellm.__path__)"

---

四、配置文件（config.yaml）

SiteLLM 通过 YAML 配置文件管理所有设置。创建一个 config.yaml 文件：

general_settings:
  master_key: "your_admin_password_here"
  database_url: "postgresql://sitellm:sitellm_ai2000@127.0.0.1:5432/litellm"
  store_model_in_db: true
  store_prompts_in_spend_logs: true

litellm_settings:
  drop_params: true

配置项说明

配置项	说明
master_key	Web 登录时 admin 的密码，同时也是主密钥用于加密数据库中的敏感信息
database_url	PostgreSQL 连接字符串，格式：postgresql://用户:密码@主机:端口/数据库
store_model_in_db	是否在数据库中存储模型信息，建议开启
store_prompts_in_spend_logs	是否在消费日志中存储 Prompt 内容，便于审计和调试
drop_params	是否丢弃未识别的参数，避免上游模型报错

⚠️ 重要提醒

master_key 一旦设置，启动后不可修改。

这个密码不仅用于 Web 登录，还将作为主密钥来加密数据库中的其他敏感信息（如 API 密钥、凭证等）。如果后续修改了这个密码，之前加密的数据将无法解密。

因此：

1. 使用强密码（建议 16 位以上，包含大小写字母、数字、特殊字符）
2. 妥善保存，不要丢失
3. 不要在代码仓库中明文存储

---

五、启动 SiteLLM

环境变量配置

# 设置日志在数据库中存储的最大长度（默认可能较短，建议调大）
export MAX_STRING_LENGTH_PROMPT_IN_DB=32000

启动命令

# 默认端口 4000
sitellm -c config.yaml

# 自定义端口
sitellm -c config.yaml --port 8080

验证启动

启动成功后，访问 http://localhost:4000（或你设置的端口），使用 admin 账号和 master_key 中的密码登录。

---

服务与支持

1. 可以通过gitee来给我们提建议和issue, 也欢迎fork仓库提交代码。 https://gitee.com/zhds/sitellm
2. 邮箱联系：[e-mail]
3. 微信群：