能力标签
🛠
AI工具

高性能AI网关

基于 Rust · 开源免费,本地部署,数据完全自主可控
英文名:litellm-rs
⭐ 66 Stars 🍴 14 Forks 💻 Rust 📄 MIT 🏷 AI 8.0分
8.0AI 综合评分
ai-gatewayasync-rustapi-client
✦ AI Skill Hub 推荐

AI Skill Hub 强烈推荐:高性能AI网关 是一款优质的AI工具。AI 综合评分 8.0 分,在同类工具中表现稳健。如果你正在寻找可靠的AI工具解决方案,这是一个值得深入了解的选择。

📚 深度解析

高性能AI网关 是一款基于 Rust 的开源工具,在 GitHub 上收获 0k+ Star,是ai-gateway、async-rust、api-client领域中的优质开源项目。开源工具的最大优势在于代码完全透明,你可以审计每一行代码的安全性,也可以根据自身需求进行二次开发和定制。

**为什么要使用开源工具而非商业 SaaS?**
对于个人开发者和有隐私需求的用户,本地部署的开源工具意味着数据不离本机,不受第三方服务商的数据政策约束。同时,开源工具通常没有使用次数限制和月度费用,一次安装即可长期使用,对于高频使用场景的总拥有成本(TCO)远低于订阅制商业工具。

**安装与环境准备**
高性能AI网关 依赖 Rust 运行环境。建议通过 pyenv(Python)或 nvm(Node.js)管理 Rust 版本,避免全局环境污染。对于新手用户,推荐先创建虚拟环境(python -m venv venv && source venv/bin/activate),再安装依赖,这样即使出现问题也可以随时删除虚拟环境重新开始,不影响系统稳定性。

**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues(已关闭的问题),大多数常见问题都已有解答。遇到 Bug 时,提供 pip list 的输出、完整错误堆栈和最小可复现示例,能显著提高开发者响应速度。AI Skill Hub 将持续追踪 高性能AI网关 的版本更新,及时通知重要功能变化。

📋 工具概览

高性能AI网关,支持100+LLM API调用

高性能AI网关 是一款基于 Rust 开发的开源工具,专注于 ai-gateway、async-rust、api-client 等核心功能。作为 GitHub 开源项目,它拥有活跃的社区支持和持续的版本迭代,代码完全透明可审计,支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流,都能提供稳定可靠的解决方案。

GitHub Stars
⭐ 66
开发语言
Rust
支持平台
Windows / macOS / Linux
维护状态
轻量级项目,按需更新
开源协议
MIT
AI 综合评分
8.0 分
工具类型
AI工具
Forks
14

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理,如需查看完整原始文档请访问底部「原始来源」。

高性能AI网关,支持100+LLM API调用

高性能AI网关 是一款基于 Rust 开发的开源工具,专注于 ai-gateway、async-rust、api-client 等核心功能。作为 GitHub 开源项目,它拥有活跃的社区支持和持续的版本迭代,代码完全透明可审计,支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流,都能提供稳定可靠的解决方案。

📌 核心特色
  • 开源免费,支持本地部署,数据完全自主可控
  • 活跃的 GitHub 开源社区,持续迭代更新
  • 提供详细文档和使用示例,新手友好
  • 支持自定义配置,灵活适配不同使用环境
  • 可作为基础组件集成进现有技术栈或进行二次开发
🎯 主要使用场景
  • 本地部署运行,保护数据隐私,满足合规要求
  • 自定义集成到现有系统,扩展技术栈能力
  • 作为开源基础组件进行商业化二次开发
以下安装命令基于项目开发语言和类型自动生成,实际以官方 README 为准。
安装命令
# 方式一:cargo install(推荐)
cargo install litellm-rs

# 方式二:从源码编译
git clone https://github.com/majiayu000/litellm-rs
cd litellm-rs
cargo build --release
# 二进制在 ./target/release/litellm-rs
📋 安装步骤说明
  1. 访问 GitHub 仓库页面
  2. 按照 README 文档完成依赖安装
  3. 根据系统环境完成初始化配置
  4. 参考官方示例或文档开始使用
  5. 遇到问题可在 GitHub Issues 中查找解答
以下用法示例由 AI Skill Hub 整理,涵盖最常见的使用场景。
常用命令 / 代码示例
# 查看帮助
litellm-rs --help

# 基本运行
litellm-rs [options] <input>

# 详细使用说明请查阅文档
# https://github.com/majiayu000/litellm-rs
以下配置示例基于典型使用场景生成,具体参数请参照官方文档调整。
配置示例
# litellm-rs 配置说明
# 查看配置选项
litellm-rs --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量(覆盖配置文件)
export LITELLM_RS_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 84/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理,保留代码块、表格与列表结构。

litellm-rs

A high-performance Rust library and gateway for calling LLM APIs in an OpenAI-compatible format. Ships with 50+ built-in OpenAI-compatible providers plus first-class adapters for OpenAI, Anthropic, AWS Bedrock, Mistral, and Cloudflare.

Crates.io Documentation License: MIT

Features

  • 60+ runtime-wired providers - OpenAI, Anthropic, AWS Bedrock, Mistral, Cloudflare, plus 50+ OpenAI-compatible providers via the Tier 1 catalog. See Provider Support for the full matrix.
  • OpenAI-Compatible API - Drop-in replacement for OpenAI SDK
  • High Performance - 10,000+ requests/second, <10ms routing overhead
  • Intelligent Routing - Load balancing, failover, cost optimization
  • Enterprise Ready - Auth, rate limiting, caching, observability

Installation

```toml

Build/test uses too much CPU or memory

  • Use API-only defaults first: cargo test --lib --tests --no-default-features --features "lite"
  • Limit local parallelism when needed: CARGO_BUILD_JOBS=4 cargo test --lib --tests --no-default-features --features "lite" -- --test-threads=4
  • Avoid --all-features unless you are doing release/nightly validation

Usage

Examples

Environment Variables

```bash

Optional

LITELLM_VERBOSE=true # Enable verbose logging ```

As a Library (API Integration)

use litellm_rs::{completion, user_message, system_message};

#[tokio::main]
async fn main() -> Result<(), Box<dyn std::error::Error>> {
    let response = completion(
        "gpt-4",
        vec![
            system_message("You are a helpful assistant."),
            user_message("Hello!"),
        ],
        None,
    ).await?;

    println!("{}", response.choices[0].message.content.as_ref().unwrap());
    Ok(())
}

API-only - lightweight, no actix-web/argon2/aes-gcm/clap

[dependencies] litellm-rs = { version = "0.5", default-features = false }

API-only with metrics

[dependencies] litellm-rs = { version = "0.5", default-features = false, features = ["lite"] }

Provider API Keys

OPENAI_API_KEY=sk-... ANTHROPIC_API_KEY=sk-ant-... GOOGLE_API_KEY=... AZURE_OPENAI_API_KEY=... AWS_ACCESS_KEY_ID=... AWS_SECRET_ACCESS_KEY=... AWS_REGION=us-east-1 GROQ_API_KEY=... DEEPSEEK_API_KEY=... MOONSHOT_API_KEY=... ZHIPU_API_KEY=... MINIMAX_API_KEY=...

I only need provider API aggregation, not gateway

  • Prefer default-features = false with features = ["lite"]
  • Use gateway runtime commands only when you need HTTP server/auth/storage middleware

Gateway modules in library context (not standalone gateway binary runtime)

[dependencies] litellm-rs = { version = "0.5", default-features = false, features = ["gateway"] } ```

Experimental / module-only

The following modules exist under src/core/providers/ (gated on providers-extra or providers-extended) but are not wired into the unified Provider enum or the factory today. They compile but cannot be selected through create_provider/from_config_async. Treat them as experimental scaffolding subject to change:

ai21, baseten, clarifai, codestral, cohere, custom_api, databricks, datarobot, deepgram, deepl, elevenlabs, empower, exa_ai, firecrawl, gemini, gigachat, google_pse, gradient_ai, huggingface, jina, langgraph, manus, milvus, morph, nlp_cloud, oci, ollama, petals, pg_vector, predibase, ragflow, recraft, runwayml, sagemaker, sap_ai, searxng, snowflake, spark, stability, tavily, topaz, triton, vercel_ai, voyage, watsonx

For self-hosted or unlisted OpenAI-compatible endpoints, prefer the generic openai_compatible provider type instead.

Troubleshooting

🎯 aiskill88 AI 点评 A 级 2026-06-06

高性能AI网关,支持多个LLM API调用,值得关注

⚡ 核心功能

👥 适合人群

AI 技术爱好者研究人员和学生开发者和工程师技术创业者

🎯 使用场景

  • 本地部署运行,保护数据隐私,满足合规要求
  • 自定义集成到现有系统,扩展技术栈能力
  • 作为开源基础组件进行商业化二次开发

⚖️ 优点与不足

✅ 优点
  • +MIT 协议,可免费商用
  • +完全开源免费,无授权费用
  • +本地部署,数据完全自主可控
  • +开发者社区支持,遇问题可查可问
⚠️ 不足
  • 安装和初始配置可能需要一定技术基础
  • 功能完整性通常不如成熟商业产品
  • 技术支持主要依赖开源社区,响应速度不稳定
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台,本页面信息基于公开数据整理,不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后,再部署至生产环境,并做好必要的安全评估。

📄 License 说明

✅ MIT 协议 — 最宽松的开源协议之一,可自由商用、修改、分发,仅需保留版权声明。

🔗 相关工具推荐

🧩 你可能还需要
基于当前 Skill 的能力图谱,自动补全的工具组合

❓ 常见问题 FAQ

参考项目文档和示例代码
💡 AI Skill Hub 点评

总体来看,高性能AI网关 是一款质量优秀的AI工具,在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态,建议收藏备用,结合自身场景选择合适时机引入使用。

📚 深入学习 高性能AI网关
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 litellm-rs
Topics ai-gatewayasync-rustapi-client
GitHub https://github.com/majiayu000/litellm-rs
License MIT
语言 Rust
🔗 原始来源
🐙 GitHub 仓库  https://github.com/majiayu000/litellm-rs

收录时间:2026-06-06 · 更新时间:2026-06-06 · License:MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。