LiteLLM
開源的 AI 閘道,用統一的 OpenAI 格式呼叫 100 多家 LLM,內建成本追蹤、負載平衡、護欄與日誌,可當 Python SDK 用也能部署成團隊共用的代理伺服器。
LiteLLM 是什麼
LiteLLM 是一套開源的 AI 閘道,解決的是一個很實際的痛:每家 LLM 供應商的 API 格式都不一樣,你接了 OpenAI 再想換 Anthropic、Gemini、Bedrock,程式碼就得改一輪。LiteLLM 讓你用統一的 OpenAI 格式去呼叫超過 100 家供應商,底層怎麼換、你的程式碼幾乎不用動。
它有兩種用法。一種是當 Python SDK,直接在程式裡 import 進來呼叫;另一種是部署成 Proxy Server(也就是 AI Gateway),變成團隊或組織共用的集中服務,所有 LLM 流量都從這裡走。後者的好處是成本追蹤、負載平衡、護欄、日誌這些治理功能都能集中管,不用每個專案各自造輪子。LiteLLM 出自 Y Combinator 投資的 BerriAI,完全開源,在開發者圈接受度很高。
功能特色與適用場景
LiteLLM 最核心的價值是「一個介面打天下」。對於要在多家模型之間切換、做 A/B 測試、或想避免被單一供應商綁死的團隊,它把抽象層做好,讓你換模型像換設定一樣輕鬆。內建的成本追蹤能讓你看清楚錢花在哪個專案、哪個模型,這在 LLM 帳單容易失控的當下很重要。
典型場景:公司有多個團隊都在用 LLM,你部署一台 LiteLLM Proxy 當統一入口,集中管金鑰、配額、預算與日誌;或是你在開發階段想快速比較不同模型的效果,用同一套程式碼切來切去。負載平衡與容錯機制也讓它適合上正式環境,當某家供應商掛了能自動轉到備援。適合任何需要管理多模型、在意成本與治理的開發團隊。
TheAI學院 編輯建議
編輯實測後的真心話多模型時代,把抽象層做好的閘道幾乎是必需品,LiteLLM 是這塊開源界的標竿選擇,成本追蹤尤其實用。要享受治理功能就得付出部署維運的代價。我們給 4.4 分。
主要功能
- 用統一 OpenAI 格式呼叫 100 多家 LLM
- 可當 Python SDK 或部署成 Proxy 閘道
- 內建成本追蹤、負載平衡與容錯
- 支援護欄與集中日誌治理
- 開源,出自 YC 投資的 BerriAI
適用場景
- 在多家模型之間自由切換與比較
- 部署統一閘道集中管金鑰與預算
- 為多團隊提供共用的 LLM 入口
- 在正式環境做負載平衡與容錯備援
LiteLLM 的優點與缺點
👍 優點
- 換模型免改程式碼,避免供應商綁死
- 成本追蹤讓 LLM 帳單透明可控
- 開源且社群活躍,接受度高
👎 缺點
- 部署 Proxy 與調校需要一定維運能力
- 治理功能完整但設定有學習曲線
- 純前端或非技術使用者用不到
LiteLLM 常見問題
LiteLLM 怎麼支援這麼多家模型?
它把各家 API 抽象成統一的 OpenAI 格式,你用同一套呼叫方式,底層由 LiteLLM 轉譯到對應供應商,換模型幾乎不用改程式。
SDK 跟 Proxy 差在哪?
SDK 是在你程式裡直接 import 使用;Proxy 是部署成獨立伺服器當團隊共用入口,集中做成本、配額與日誌治理。
使用者評價
還沒有足夠評價,搶先分享你的使用心得!
寫下你的評價 ✍️
相關 AI 工具
Claude
Anthropic 推出、擅長長文與安全對話的 AI 助理。
♡Coder
開源的自架雲端開發環境平台,用 Terraform 模板把開發環境寫成基礎設施即程式碼,能跑在 AWS、GCP、Azure、Kubernetes 到裸機,還能替 AI 編碼代理提供受治理的工作空間。
♡Ona
Gitpod 改名而來,把雲端開發環境升級成軟體工程代理的指揮中心,Ona Agent 能平行或在背景自主跑任務,還帶上你環境的完整脈絡,並用 Guardrails 控管安全。
♡Virtuoso QA
企業級 AI 測試自動化平台,用自然語言處理讓你寫測試像寫句子一樣,搭配低程式碼與自我修復腳本,UI 一改測試不會立刻崩,大幅降低維護成本。
♡MLflow
開源的 AI 工程平台,從 ML 模型一路延伸到 LLM 與代理,提供端到端追蹤、評估、監控與最佳化,月下載破三千萬,被無數團隊用來除錯與優化正式環境的 AI 應用。
♡kapa.ai
幾天就能在你的技術文件上建出準確 AI 助理,串接文件、原始碼、PDF、客服工單等 30 多種來源,OpenAI、Docker、Monday 都拿它來答技術問題、減少支援負擔。