接入 Dots AI(小红书)+ 新增 api-key 鉴权样式

老板要求:「查看 https://dots.ai/platform/docs 文档,帮我在 ai 网关上配置 dots.ai 的
供应商」(API Key 由老板提供,落 data/.env,不入库、不写进任何提交内容)。

文档要点(通读):base https://note3-prev-api.askdiandian.com/v1;两条线
POST /v1/chat/completions(OpenAI 兼容)与 POST /v1/messages(Anthropic 兼容,需固定头
anthropic-version: 2023-06-01);**认证是自定义头 `api-key: <KEY>`**(既不是 Bearer 也不是
x-api-key);模型 dots3-note-prev 上下文窗口 512K(524,288)、当前免费体验;
官方限流按单个 Key 计 60 次/分钟、1,500,000 Tokens/分钟。

改动:
- 新增鉴权样式 `api-key`(AUTH_STYLES 由 bearer/x-api-key/none 扩为四种):适配器
  auth_headers() 按线发 `api-key: <token>`;静态头里残留的同名头一并剥掉再按线补;
  解析期校验接受该值、乱写的(api_key 下划线)仍被拒。
- data/gateway.yaml 新增 dots 供应商:两条线各自声明 path/auth,messages 线带
  anthropic-version;rate_limit_rps: 1.0(= 官方 60/分钟,按 Key);模型 dots3-note-prev
  (context_window 524288、vision: true、free: true、双协议线;官方未给最大输出上限→留空不猜)。
- 顺带补 Anthropic 口径的缓存统计:其 input_tokens 不含缓存部分,缓存命中在
  cache_read_input_tokens、写缓存在 cache_creation_input_tokens(三者互斥)。_usage_detail()
  改为分口径:OpenAI 的 prompt_tokens 已含缓存;Anthropic 三者相加为输入总量、缓存取
  cache_read_input_tokens —— 否则 messages 线的缓存量永远记 0(接 Dots 时实测到)。

上线实测(重启后,两条线各一次瘦请求,均免费):
  POST /v1/chat/completions → 200 usage{prompt 17, completion 8}
  POST /v1/messages         → 200 usage{input 17, output 8}
  /v1/models:42 个模型,dots3-note-prev 带 context_window 524288 / 双协议线 / free
  指标:calls{dots3-note-prev: ok 1}、tokens{prompt 14, completion 4}

测试:新增「Dots 配置 + api-key 样式(含解析期拒绝非法值)」与「Anthropic 缓存口径」两条
回归;既有 test_load_config_providers 供应商集合更新为四家。206 → 208 全过。
This commit is contained in:
api-gateway committed 2026-09-29 09:40:16 +08:00
1 parent 54924b76cc
commit da1e152196
7 files changed
+203 -33

No files matched your search

+5 -1
View File
@@ -107,7 +107,7 @@ class OpenAICompatAdapter(BaseAdapter):
return ep.path
def auth_headers(self, protocol: str) -> dict[str, str]:
"""按该线的鉴权方式组装鉴权头(Bearer / x-api-key / 无)。
"""按该线的鉴权方式组装鉴权头(Bearer / x-api-key / api-key / 无)。
这是三线直传里"唯一必须做的 glue":同一个供应商的三条线鉴权方式可能不同
(实测 OpenCode Go:chat/completions 与 responses 认 `Authorization: Bearer`,
@@ -120,6 +120,9 @@ class OpenAICompatAdapter(BaseAdapter):
out["Authorization"] = f"Bearer {self._token}"
elif style == "x-api-key" and self._token:
out["x-api-key"] = self._token
elif style == "api-key" and self._token:
# 第三十六轮:头名就叫 `api-key`(Dots AI 官方文档如此;不是 x-api-key)
out["api-key"] = self._token
if ep:
out.update(ep.headers or {}) # 如 anthropic-version
return out
@@ -204,6 +207,7 @@ class OpenAICompatAdapter(BaseAdapter):
headers.pop("Authorization", None)
headers.pop("authorization", None)
headers.pop("x-api-key", None)
headers.pop("api-key", None)
headers.update(self.auth_headers(protocol))
# 第三十轮: 这里原来写「无 session → 每请求一个随机 UUID(仍能过上游强校验,只是没有缓存收益)」,
# 那句话在第二十九轮之后**已经不对了** —— 网关三条协议线入口(chat 非流式/流式、batch、
+7 -3
View File
@@ -56,8 +56,12 @@ PROTOCOLS: tuple[str, ...] = (PROTOCOL_CHAT, PROTOCOL_MESSAGES, PROTOCOL_RESPONS
# 默认全支持等于把「没实测过的线」当成可用,用户打过去只会收到上游 500。
DEFAULT_PROTOCOLS: tuple[str, ...] = (PROTOCOL_CHAT,)
# 出站鉴权方式:bearer(Authorization: Bearer xxx)/ x-api-key(Anthropic 系)/ none
AUTH_STYLES: frozenset[str] = frozenset({"bearer", "x-api-key", "none"})
# 出站鉴权方式:
# bearer → Authorization: Bearer xxx
# x-api-key → x-api-key: xxx(Anthropic 系)
# api-key → api-key: xxx(第三十六轮新增:自定义头就叫 api-key,如 Dots AI)
# none → 不带鉴权头
AUTH_STYLES: frozenset[str] = frozenset({"bearer", "x-api-key", "api-key", "none"})
# ── 虚拟模型 id(别名,第三十一轮)───────────────────────────────────
# 老板决策(2026-09-18):「设置一个 wjd 模型 id,路由到指定的模型上;在管理员的网关配置里
@@ -96,7 +100,7 @@ class EndpointSpec:
"""
path: str = "" # 相对 base_url 的路径,如 /chat/completions
auth: str = "bearer" # bearer | x-api-key | none
auth: str = "bearer" # bearer | x-api-key | api-key | none
headers: dict[str, str] = field(default_factory=dict) # 该线固定附加头(如 anthropic-version)
+14 -3
View File
@@ -1345,13 +1345,24 @@ def _usage_detail(usage) -> tuple[int, int, int, int]:
"""
if not isinstance(usage, dict):
return (0, 0, 0, 0)
prompt = int(usage.get("prompt_tokens") or usage.get("input_tokens") or 0)
completion = int(usage.get("completion_tokens") or usage.get("output_tokens") or 0)
pd = usage.get("prompt_tokens_details")
cd = usage.get("completion_tokens_details")
cached = int((pd or {}).get("cached_tokens") or 0) if isinstance(pd, dict) else 0
cd = usage.get("completion_tokens_details")
reasoning = int((cd or {}).get("reasoning_tokens") or 0) if isinstance(cd, dict) else 0
return (prompt, completion, cached, reasoning)
if usage.get("prompt_tokens") is not None:
# OpenAI 口径:`prompt_tokens` **已包含**缓存命中的部分
return (int(usage["prompt_tokens"]), completion, cached, reasoning)
# Anthropic 口径(第三十六轮补):三条输入是**互斥**的 ——
# `input_tokens` 只算没走缓存的输入,另有 `cache_read_input_tokens`(读缓存)
# 与 `cache_creation_input_tokens`(写缓存)。所以"输入总量"要三者相加,
# 而"缓存命中"取 cache_read —— 否则 messages 线的缓存量永远记成 0
# (实测 Dots AI 的 /v1/messages 就回这三个字段)。
base = int(usage.get("input_tokens") or 0)
read = int(usage.get("cache_read_input_tokens") or 0)
created = int(usage.get("cache_creation_input_tokens") or 0)
total_in = base + read + created
return (total_in if total_in else base, completion, read, reasoning)
def _record_usage_metrics(usage) -> None: