版本：3.9.x

监控 AI 流量并跟踪大语言模型成本

本指南介绍如何使用内置 AI 日志、APISIX 上下文变量和标准可观测性集成，观察 AI 流量并估算大语言模型成本。

概览

AI 可观测性不同于传统 API 可观测性。对于大语言模型工作负载，需要具备 Token 级可见性、模型归因，以及首 Token 延迟等延迟细分数据。

通过 API7 AI 网关，可以收集：

请求和响应模型元数据。
提示词和补全 Token 数。
端到端及上游耗时信号。
可选的请求/响应内容载荷级日志。

网关不会直接计算账单。成本跟踪通过将 Token 用量映射到服务提供方定价得出。

前置条件

安装 Docker。
安装 cURL，用于发送请求并验证服务。
拥有一个正在运行的 API7 网关实例。

从控制台获取令牌，并保存到环境变量：

export API_KEY=your-dashboard-token   # 请替换为你的控制台令牌

将 {gateway_group_id} 替换为网关组 ID。如果正在按照快速入门操作，请使用 default。
如果使用 Admin API 示例，请创建或复用一个服务。如果尚无服务，请按照创建或复用服务操作，然后保存其 ID：
```
export SERVICE_ID=your-service-id         # 请替换为你的服务 ID
```

内置 AI 日志

ai-proxy 和 ai-proxy-multi 支持以下 logging 配置：

logging.summaries（布尔值）：记录 request_model、model、duration、prompt_tokens、completion_tokens 和 upstream_response_time。
logging.payloads（布尔值）：记录请求消息、流式标记和响应文本内容。

在路由范围启用日志，或在适用时通过共享插件策略启用：

Admin API
ADC

curl -k "https://localhost:7443/apisix/admin/routes?gateway_group_id={gateway_group_id}" -X PUT \
  -H "X-API-KEY: ${API_KEY}" \
  -d '{
    "id": "ai-observability",
    "service_id": "'"$SERVICE_ID"'",
    "paths": ["/ai"],
    "plugins": {
      "ai-proxy": {
        "provider": "openai",
        "auth": { "header": { "Authorization": "Bearer '"$OPENAI_API_KEY"'" } },
        "options": { "model": "gpt-4o" },
        "logging": {
          "summaries": true,
          "payloads": false
        }
      }
    }
  }'

❶ 在 ai-proxy 插件上启用 AI 日志。

❷ 记录摘要级字段（模型及 Token/耗时元数据），用于成本和性能分析。

❸ 默认禁用载荷日志，以减少敏感内容暴露。

adc.yaml
services:
  - name: AI Observability
    routes:
      - uris:
          - /ai
        name: ai-observability
        plugins:
          ai-proxy:
            provider: openai
            auth:
              header:
                Authorization: "Bearer ${OPENAI_API_KEY}"
            options:
              model: gpt-4o
            logging:
              summaries: true
              payloads: false

❶ 在 ai-proxy 插件上启用 AI 日志。

❷ 记录摘要级字段（模型及 Token/耗时元数据），用于成本和性能分析。

❸ 默认禁用载荷日志，以减少敏感内容暴露。

将配置同步到 API7 网关：

adc sync -f adc.yaml

对于多模型路由，请在每个 ai-proxy-multi 实例中应用相同的 logging 字段：

Admin API
ADC

curl -k "https://localhost:7443/apisix/admin/routes?gateway_group_id={gateway_group_id}" -X PUT \
  -H "X-API-KEY: ${API_KEY}" \
  -d '{
    "id": "ai-observability-multi",
    "service_id": "'"$SERVICE_ID"'",
    "paths": ["/ai-multi"],
    "plugins": {
      "ai-proxy-multi": {
        "instances": [
          {
            "name": "openai-primary",
            "provider": "openai",
            "auth": { "header": { "Authorization": "Bearer '"$OPENAI_API_KEY"'" } },
            "options": { "model": "gpt-4o-mini" },
            "logging": {
              "summaries": true,
              "payloads": false
            },
            "weight": 1
          }
        ]
      }
    }
  }'

❶ 在 ai-proxy-multi 中按实例配置 logging.summaries 和 logging.payloads。

adc.yaml
services:
  - name: AI Observability Multi
    routes:
      - uris:
          - /ai-multi
        name: ai-observability-multi
        plugins:
          ai-proxy-multi:
            instances:
              - name: openai-primary
                provider: openai
                auth:
                  header:
                    Authorization: "Bearer ${OPENAI_API_KEY}"
                options:
                  model: gpt-4o-mini
                logging:
                  summaries: true
                  payloads: false
                weight: 1

❶ 在 ai-proxy-multi 中按实例配置 logging.summaries 和 logging.payloads。

将配置同步到 API7 网关：

adc sync -f adc.yaml

完整配置说明请参阅 ai-proxy 和 ai-proxy-multi。

AI 流量的 APISIX 变量

以下 APISIX 上下文变量可用于访问日志、外部日志插件和自定义可观测性管道：

变量	说明
`llm_time_to_first_token`	流式响应的首 Token 延迟（TTFT）。
`llm_prompt_tokens`	模型服务提供方报告的提示词 Token 数。
`llm_completion_tokens`	模型服务提供方报告的补全 Token 数。
`llm_model`	实际生成响应的模型。
`request_llm_model`	客户端请求的模型。
`llm_response_text`	上下文中捕获的响应文本内容。

Prometheus 集成

使用标准 prometheus 插件导出网关指标。AI 流量的内置指标包括：

apisix_llm_latency（直方图）—— LLM 请求的端到端延迟，带有路由、服务、消费者和服务提供方标签。
apisix_llm_prompt_tokens（计数器）—— 累计提示词 Token 数，带有路由、URI、主机、服务提供方和模型标签。
apisix_llm_completion_tokens（计数器）—— 累计补全 Token 数，带有路由、URI、主机、服务提供方和模型标签。
apisix_llm_active_connections（仪表）—— 当前活跃的 LLM 连接数，带有路由、URI、主机、服务提供方和模型标签。

PromQL 查询示例：

# 所有路由上当前活跃的 LLM 连接数
sum(apisix_llm_active_connections)

# 按活跃 LLM 连接数排序的路由
topk(10, sum by (route) (apisix_llm_active_connections))

# 告警条件示例：活跃连接数持续偏高
avg_over_time(sum(apisix_llm_active_connections)[5m:]) > 200

请根据部署和流量特征调整标签及阈值。

将 AI 请求记录到外部系统

可以将 APISIX 日志插件与 AI 上下文变量组合，把包含 AI 元数据的结构化日志转发到 ELK、Loki 或 Splunk 等系统。

结构化日志负载示例：

{
  "route_id": "27bcdea2-7586-47ad-9262-a3adf4b6699e",
  "service_id": "d8402098-2f80-4e08-afab-21b9ebc62090",
  "model": "deepseek-chat",
  "request_model": "",
  "prompt_tokens": 11,
  "completion_tokens": 16,
  "duration_ms": 3991,
  "ttft_ms": 2159,
  "upstream_response_time": 1133
}

备注

route_id 和 service_id 是网关为路由和服务分配的 UUID。
如果客户端未显式指定模型，request_model 为空，模型由插件配置决定。
duration_ms 不是内置 AI 日志字段。请在日志格式配置中使用 $latency（请求总耗时）和 $upstream_latency（上游响应时间）来测量请求持续时间。

生产遥测默认使用摘要日志。仅在具备适当数据处理控制且需要短期调试时启用载荷日志。

构建成本看板

API7 网关提供 Token 用量信号，成本则在外部计算：

estimated_cost = (prompt_tokens × prompt_price_per_token) + (completion_tokens × completion_price_per_token)

Grafana 看板中常见的面板包括：

按消费者统计成本（每小时/每天）。
按模型统计成本。
提示词与补全 Token 分布。
支出趋势和预算阈值告警。

实施方式：

导出 AI 日志/指标。
使用服务提供方定价元数据丰富记录。
在日志或指标管道中计算估算成本。
在 Grafana 中进行可视化并配置告警。

有关 Token 治理控制，请参阅基于 Token 的限流和配额管理。

OpenTelemetry 追踪

使用标准 opentelemetry 插件追踪 AI 请求生命周期中以下环节的延迟：

客户端请求进入。
网关处理。
上游大语言模型调用。
响应发出。

这有助于判断延迟来自客户端行为、网关插件，还是上游模型/服务提供方响应时间。

后续步骤

基于 Token 的限流和配额管理 — 按路由、消费者和模型实施 Token 预算。
多模型路由和故障转移 — 提高可靠性并优化服务提供方/模型用量。
插件详情请参阅 ai-proxy、ai-proxy-multi、prometheus 和 opentelemetry。

概览​

前置条件​

内置 AI 日志​

AI 流量的 APISIX 变量​

Prometheus 集成​

将 AI 请求记录到外部系统​

构建成本看板​

OpenTelemetry 追踪​

后续步骤​

概览