0. 先和大家打个招呼吧 
-
你是谁： 开发爱好者
-
你是怎么用 TRAE 把 Demo 做出来的： 在开发中不断的反复调试与迭代。
-
（我们相信，每个作品背后都有一个真实的人。这段不计入评分，但真诚的分享，会让你的作品更有温度、也更容易被看到
）
1. Demo 简介
-
是什么：高性能服务端程序（C++23 后端 + Vue 3 管理后台），可部署为独立服务、Docker 容器或 systemd 系统服务
-
面向谁：- AI 应用开发者：需要对接多家大模型厂商、统一管理 API Key、实现智能路由
- 企业技术团队：需要统一管控 AI 服务接入、监控调用、保障数据安全合规
- 研究与教育场景：需要对比不同模型表现、进行多模型协同实验
-
主要功能：**多模型厂商统一接入**：适配器模式屏蔽 OpenAI、DeepSeek、Moonshot、智谱 GLM 等厂商差异，提供统一 `/v1/chat/completions` 接口，支持权重路由、健康检查、自动故障转移。
- **多厂商协同作战**：4 种协同策略（Best-of-N 选优、Vote 投票、Concatenate 串行累加、Pipeline 生成-评审-润色流水线），组合多家模型能力。
- **自动化匹配引擎**：三层智能架构（感知层意图分析+PII检测 → 决策层语义技能匹配+知识库检索 → 执行层注入Prompt+管道处理），输入一句话自动匹配技能、查知识、选模型、出结果，支持 dry_run 审计完整决策链。
- **Agent 编排与自动扩缩容**：主代理-子代理架构，6 种编排策略（串行/并行/MapReduce/流水线/投票/自动），基于利用率/错误率/延迟P95的弹性伸缩，8 种预设角色 + 权限沙箱。
- **技能管理系统**：可复用技能模块（system_prompt + 工具集 + 厂商偏好），支持技能包安装（.zip/.tar.gz）、版本管理与回滚、远程技能市场一键安装。
- **知识库检索**：基于 Embedding 向量余弦相似度的本地知识库，自动文本分片（800字/片，100字重叠），LRU 缓存，多知识库隔离。
- **伪装管道 Pipeline**：可插拔的请求/响应处理链，内置 4 个处理器（SensitiveMask 脱敏、PromptRewrite 改写、OutputSanitize 安全过滤、WatermarkInjector 水印注入）。
- **监控与管理**：Vue 3 + Element Plus + ECharts 可视化后台，实时调用面板、API Key 管理、异步批量日志、滑动窗口统计（P50/P95/P99），80+ REST API 端点。
2. Demo 创作思路
-
灵感来源：在实际开发中，每接入一个新厂商都要重搭环境、重写插件、重建知识库。这些本应是**“一次构建、处处可用”**的基础设施，却没有任何统一层来做这件事。于是想做一个 AI 网关，让开发者的技能和知识库像"通行证"一样——一张在手，通行所有 AI 厂商。
-
想解决的问题：AI 应用开发者要用多家大模型厂商服务时，得在电脑上装一堆各家 SDK 和客户端，环境冲突频发；每换一家厂商，之前写好的技能插件和建好的知识库就得推倒重来。厂商生态彼此封闭，开发者的技能与知识资产无法跨平台复用，重复造轮子成为常态
-
为什么做这个方向：在使用多家ai产品过程中，发现了这个问题。
3. Demo 体验地址
AI通行证-智能多模型网关.zip (915.2 KB)
4. TRAE 实践过程
.1043853916242560:a35754546ca42fe9c9d57eb58cc9d37d_6a4d903074ed42be25d14126.6a4e742f0edfc32ec6f1056e.6a4e742d528d552a4dab23b0:Trae CN.T(2026/7/9 00:00:47) .1043853916242560:93b5c3bd13f552829eb06d437d5bbc90_6a4d903074ed42be25d14126.6a4e97200edfc32ec6f10713.6a4e971e528d552a4dab23b1:Trae CN.T(2026/7/9 02:29:52) .1043853916242560:d24dfadc01b551ba8dd383c16ddb0325_6a4d903074ed42be25d14126.6a4eaa600edfc32ec6f1082f.6a4eaa5d528d552a4dab23b2:Trae CN.T(2026/7/9 03:52:00)
