AI 配置
接哪些大模型、故障转移顺序、推理强度；知识库的向量模型；每个 provider 的健康和 24 小时调用量。
模型运行概览
| 卡 | 含义 |
|---|---|
| 模型可用率 | 启用中的 provider 里有几个正常；故障转移链有几级 |
| 调用量（24 小时） | 按审计索引统计的调用次数、失败数、p95 耗时（审计没开就没有这项） |
| 累计失败 | 网关启动以来的累计失败、是否有 provider 正在连续失败、最近一次失败 |
故障转移链与调用活动
按模型路由里的顺序排列：当前在用的、上次成功时间、连续失败次数。一个 provider 连续失败就自动落到下一个；每个答案记录由哪个模型作答。右侧是过去 24 小时的调用曲线。
模型路由
每个 provider 一张卡，展开设置：
| 字段 | 说明 |
|---|---|
| 类型 | openai（含所有 OpenAI 兼容网关：火山方舟、DeepSeek、通义、Ollama、vLLM…）或 azure（要填 API 版本和部署名，不是模型名） |
| 模型 | 火山方舟 coding 计划填 ark-code-latest，自建 endpoint 填 endpoint id |
| Base URL | 端点地址 |
| API key | 粘贴新 key；留空保留现有（显示尾 4 位） |
| 标签 | primary,cloud 这类，只用于标记 |
| 超时（秒） | 单次调用上限，默认 180 |
| 推理强度 | 见下 |
顺序就是故障转移顺序，拖动调整。替换 provider：先「新增 provider」填好并启用，再删旧的，最后「保存并重载」。保存空列表会让所有 LLM 调用失败。
推理强度
思考模型（豆包 / GPT-5 / Claude / Qwen3 / Gemini 2.5 等）默认先推理再作答，每次多花 30–90 秒。网关按任务分级：
| 档位 | 行为 |
|---|---|
| 自动（推荐） | 起标题、想角度、挑索引这类不推理；NL→DSL 低推理；告警调查、分诊、检测规则高推理 |
| 关 | 所有任务都不推理 |
| 低 / 高 | 覆盖所有任务 |
网关按 Base URL 和模型名识别供应商，把档位翻译成各家的参数（Ark thinking、OpenAI reasoning_effort、Qwen enable_thinking、Claude thinking、Gemini、OpenRouter）；认不出的模型不发参数，带参数被 400 就去掉参数重试。OpenAI o 系列 / GPT-5 的「高」发 reasoning_effort=high，比默认贵。
知识库向量模型
处置手册需要一个 Embedding 模型。填模型 ID（如 doubao-embedding、text-embedding-3-small、本地 Ollama 的 bge-m3）、端点（留空复用聊天模型端点）、key（留空复用）。「测试连接」通过后向量维度自动回填，保存即启用知识库。
现有 KB 索引的维度和新模型不一致时保存被拒绝，先重建索引。
气隙环境用本地 Ollama + bge-m3（1024 维，CPU 上一次查询约 50 ms），端点 http://<ollama 主机>:11434/v1。
配置存在哪
/app/state/llm_providers.yml（状态卷里），API key 加密存储。.env 里的 LLM_* 只是第一次启动时的种子。