TradingAgents-CN 模型目录管理系统实现指南从硬编码到 MongoDB 动态管理的完整改造【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN本文是 TradingAgents-CN 项目模型目录Model Catalog子系统的技术实现与运维指南围绕模型列表如何存储、如何随厂家发布新模型而动态维护这一核心问题展开。读者将掌握该系统的数据库结构、后端服务与 API 设计、前端管理界面用法以及添加新模型、标记废弃模型、更新价格信息等日常维护操作并可结合仓库源码理解其底层实现原理。一、问题背景模型列表硬编码的维护困境在引入模型目录管理系统之前项目存在一个典型痛点大模型列表被硬编码在前端代码中集中在frontend/src/.../LLMConfigDialog.vue中由此带来一系列问题添加新模型需要修改代码厂家发布新模型时必须改动前端源码中的模型选项常量需要重启服务才能生效前端重新构建、后端重新部署成本高不支持通过界面动态管理普通管理员无法自助维护维护困难、容易出错多模型、多厂家数据散落在代码中极易遗漏或写错。正是基于模型目录是放在哪里保存的、平时怎么维护、厂家出新模型了怎么更新这一真实用户反馈项目实现了一套完整的模型目录管理系统将模型列表从代码迁移到数据库支持通过前端界面动态管理实现了添加新模型零改码、立即生效的目标。二、架构设计数据存储与两个关键概念2.1 数据存储模型目录数据存放在 MongoDB 中与原有系统配置集合system_configs并列MongoDB ├─ model_catalog (模型目录) ← 新增集合 │ └─ { │ provider: qwen, │ provider_name: 通义千问, │ models: [ │ { │ name: qwen-turbo, │ display_name: Qwen Turbo - 快速经济 (1M上下文), │ description: Qwen2.5-Turbo支持100万tokens超长上下文, │ context_length: 1000000, │ input_price_per_1k: 0.0003, │ output_price_per_1k: 0.0003, │ ... │ } │ ] │ } │ └─ system_configs (系统配置) └─ llm_configs (用户配置) ← 独立存储 └─ { provider: qwen, model_name: qwen-turbo, ← 从目录中选择 api_key: sk-xxx, max_tokens: 4000, ... }一个完整的model_catalog文档参考 模型目录管理指南包含厂家标识provider、厂家显示名称provider_name、模型数组models以及created_at/updated_at时间戳。每个模型条目包含nameAPI 调用时使用的标识、display_name界面展示名称、description、context_length上下文长度、max_tokens最大输出 token 数、input_price_per_1k/output_price_per_1k每 1K token 的输入/输出价格、currency货币单位默认 CNY、is_deprecated是否已废弃、release_date发布日期、capabilities能力标签如 chat、function_calling等字段。2.2 关键概念模型目录 vs 用户配置系统中最容易混淆、也最重要的设计是将模型目录与用户配置严格分离项目模型目录用户配置作用提供可选的模型列表参考数据用户实际使用的配置运行数据存储位置model_catalog集合system_configs.llm_configs字段内容模型名称、显示名称、价格、上下文长度等API 密钥、参数、启用状态、默认模型等用途添加配置时作为下拉选择参考系统运行时实际调用 LLM 使用关系参考数据可被多个配置共享实际配置独立于目录存在这一分离带来最直接的好处修改模型目录不会影响任何已保存的用户配置用户配置与目录解耦即使目录被删除或重建已保存的 API Key 与调用参数也不受影响。三、后端实现数据模型、服务层与 API3.1 数据模型app/models/config.py后端使用 Pydantic 定义了两个核心模型对应 app/models/config.py 中的ModelInfo与ModelCatalog类class ModelInfo(BaseModel): 模型信息 name: str Field(..., description模型标识名称) display_name: str Field(..., description模型显示名称) description: Optional[str] Field(None, description模型描述) context_length: Optional[int] Field(None, description上下文长度) max_tokens: Optional[int] Field(None, description最大输出token数) input_price_per_1k: Optional[float] Field(None, description输入价格(每1K tokens)) output_price_per_1k: Optional[float] Field(None, description输出价格(每1K tokens)) currency: str Field(defaultCNY, description货币单位) is_deprecated: bool Field(defaultFalse, description是否已废弃) release_date: Optional[str] Field(None, description发布日期) capabilities: List[str] Field(default_factorylist, description能力标签(如: vision, function_calling)) # 聚合渠道模型映射支持 original_provider: Optional[str] Field(None, description原厂商标识用于聚合渠道) original_model: Optional[str] Field(None, description原厂商模型名用于能力映射) class ModelCatalog(BaseModel): 模型目录 id: Optional[PyObjectId] Field(default_factoryPyObjectId, alias_id) provider: str Field(..., description厂家标识) provider_name: str Field(..., description厂家显示名称) models: List[ModelInfo] Field(default_factorylist, description模型列表) created_at: Optional[datetime] Field(default_factorynow_tz) updated_at: Optional[datetime] Field(default_factorynow_tz)从源码可以看到模型字段相比最初设计还额外支持了聚合渠道模型映射当系统对接 302.AI、OpenRouter 这类聚合渠道时可通过original_provider/original_model记录模型的原始厂家与原始名称用于能力映射与计费还原这体现了模型目录在聚合渠道场景下的扩展性。3.2 服务层app/services/config_service.py模型目录管理逻辑集中在ConfigService中见 app/services/config_service.py核心方法如下async def get_model_catalog() - List[ModelCatalog] # 获取所有模型目录 async def get_provider_models(provider: str) - Optional[ModelCatalog] # 获取指定厂家目录 async def save_model_catalog(catalog: ModelCatalog) - bool # 保存/更新目录upsert async def delete_model_catalog(provider: str) - bool # 删除指定厂家目录 async def init_default_model_catalog() - bool # 初始化默认目录 async def get_available_models() - List[Dict[str, Any]] # 获取可用模型列表供前端下拉几个实现要点值得关注save_model_catalog采用 upsert 语义通过replace_one({provider: catalog.provider}, ..., upsertTrue)实现存在即更新、不存在即插入天然支持覆盖式保存整个厂家目录init_default_model_catalog具备幂等性写入前先count_documents({})检查集合是否已有数据已有则直接跳过避免重复初始化覆盖人工维护的内容get_available_models具备自愈与降级能力先从数据库读取若目录为空则自动调用初始化方法填充默认数据若读取过程抛出异常则优雅降级返回内存中的默认目录数据self._get_default_model_catalog()保证前端添加大模型配置对话框在数据库异常时依然可用。3.3 API 路由app/routers/config.py对外暴露的 REST 接口定义在 app/routers/config.pyGET /api/config/model-catalog # 获取所有模型目录 GET /api/config/model-catalog/{provider} # 获取指定厂家的模型目录不存在返回 404 POST /api/config/model-catalog # 保存/更新模型目录 DELETE /api/config/model-catalog/{provider} # 删除模型目录 POST /api/config/model-catalog/init # 初始化默认模型目录所有接口均依赖get_current_user鉴权即需要管理员/已登录用户携带 Bearer Token 访问。路由层直接调用ConfigService对应方法并对异常统一转换为HTTPException500返回指定厂家不存在时返回 404。四、前端实现管理界面与配置页集成4.1 API 客户端frontend/src/api/config.ts前端封装了与后端一一对应的调用方法getModelCatalog() // 获取所有模型目录 getProviderModelCatalog(provider) // 获取指定厂家的模型目录 saveModelCatalog(catalog) // 保存模型目录 deleteModelCatalog(provider) // 删除模型目录 initModelCatalog() // 初始化默认模型目录4.2 管理组件frontend/src/views/Settings/components/ModelCatalogManagement.vue核心管理界面组件位于 ModelCatalogManagement.vue采用 Element Plus 表格实现提供以下能力查看所有模型目录表格按厂家展示provider、provider_name、模型数量el-tag{{ row.models.length }} 个模型/el-tag、模型列表预览默认展示前 3 个超出显示还有 N 个、更新时间添加新厂家目录点击添加厂家模型目录按钮在对话框中输入厂家标识、厂家名称并添加模型编辑现有目录点击行内编辑按钮可修改厂家名称、增删改模型保存后整体 upsert 回数据库删除目录点击行内删除按钮确认后删除整个厂家的模型目录说明提示组件顶部常驻提示模型目录用于在添加大模型配置时提供可选的模型列表。4.3 配置管理页面集成在frontend/src/views/Settings/ConfigManagement.vue中新增了模型目录菜单项Collection 图标将ModelCatalogManagement组件集成进既有的设置 → 系统配置 → 配置管理导航体系管理员无需修改代码即可进入维护界面。五、初始化脚本、API 与默认数据5.1 三种初始化方式方式一命令行脚本推荐见 scripts/init_model_catalog.pypython scripts/init_model_catalog.py脚本内部流程初始化 MongoDB 连接 → 创建ConfigService(db_managerdb_manager)实例 → 调用init_default_model_catalog()→ 打印每个厂家的模型数量与模型列表默认只展示前 5 个成功或失败均以退出码区分最后关闭数据库连接。方式二API 触发curl -X POST http://localhost:8000/api/config/model-catalog/init \ -H Authorization: Bearer YOUR_TOKEN方式三前端界面自动初始化访问设置 → 系统配置 → 配置管理 → 模型目录当数据库目录为空时系统在get_available_models流程中会自动触发初始化。5.2 默认初始化数据按 app/services/config_service.py 中_get_default_model_catalog()的实际数据默认初始化 7 个厂家共 31 个模型厂家标识模型数量代表模型通义千问qwen8qwen-turbo / qwen-plus / qwen-max / qwen-long / qwen-vl-plus / qwen-vl-max 等OpenAIopenai5gpt-4o / gpt-4o-mini / gpt-4-turbo / gpt-4 / gpt-3.5-turboGoogle Geminigoogle4gemini-2.5-pro / gemini-2.5-flash / gemini-1.5-pro / gemini-1.5-flashDeepSeekdeepseek2deepseek-chat / deepseek-coderAnthropic Claudeanthropic5claude-3-5-sonnet / claude-3-opus / claude-3-sonnet / claude-3-haiku百度千帆qianfan4ernie-3.5-8k / ernie-4.0-turbo-8k / ERNIE-Speed-8K / ERNIE-Lite-8K智谱AIglm3glm-4 / glm-4-plus / glm-3-turbo实现说明原实现总结中通义千问的厂家标识写作dashscope而当前仓库源码_get_default_model_catalog()中实际使用的标识为qwen8 个模型与文档统计一致。维护时请以数据库中实际写入的provider为准。默认数据中已内置价格、上下文长度等元信息例如qwen-turbo的context_length为 1,000,000支持 100 万 tokens 超长上下文、输入输出均为 0.0003 CNY/1K tokensgemini-2.5-pro为 0.00125/0.005 USD/1K tokensglm-4为 0.1/0.1 CNY/1K tokens。这些字段会直接展示在用户添加配置的界面中帮助用户做成本与能力决策。六、使用流程管理员维护与用户配置6.1 管理员维护模型目录1. 访问设置 → 系统配置 → 配置管理 → 模型目录 2. 点击对应厂家的编辑按钮 3. 点击添加模型 4. 填写 - 模型名称qwen-2.5-72b - 显示名称Qwen 2.5 72B - 超大参数 5. 保存保存后目录立即生效所有用户在添加大模型配置时即可看到新模型无需重启任何服务。6.2 用户添加大模型配置1. 访问设置 → 系统配置 → 配置管理 → 大模型配置 2. 点击添加大模型配置 3. 选择厂家通义千问 4. 模型名称下拉框自动显示该厂家的模型列表 5. 选择模型或手动输入自定义模型名称 6. 配置参数API 密钥、温度、max_tokens 等 7. 保存到 system_configs.llm_configs前端调用的正是getAvailableModels()API后端get_available_models()从model_catalog集合读取后转换为{ provider, provider_name, models: [...] }格式返回见 app/services/config_service.py下拉框数据全部动态加载。七、数据流程与关键设计7.1 完整数据流程┌──────────────────────────────────────────────────────────┐ │ 1. 管理员维护模型目录 │ │ (前端界面 → /api/config/model-catalog → MongoDB) │ └────────────────┬─────────────────────────────────────────┘ │ ↓ ┌──────────────────────────────────────────────────────────┐ │ 2. 用户添加大模型配置 │ │ - 前端调用 getAvailableModels() API │ │ - 后端从 model_catalog 读取空则自动初始化 │ │ - 前端显示在下拉框中 │ └────────────────┬─────────────────────────────────────────┘ │ ↓ ┌──────────────────────────────────────────────────────────┐ │ 3. 用户选择模型并配置参数 │ │ - 选择模型名称从目录中选择或手动输入 │ │ - 配置 API 密钥、参数等 │ └────────────────┬─────────────────────────────────────────┘ │ ↓ ┌──────────────────────────────────────────────────────────┐ │ 4. 保存到用户配置 │ │ (system_configs.llm_configs) │ └──────────────────────────────────────────────────────────┘7.2 关键设计原则独立存储模型目录model_catalog与用户配置system_configs.llm_configs完全独立目录只是参考数据配置才是运行数据灵活性模型目录只是提供便利而非强制约束用户仍可手动输入目录中不存在的自定义模型名称容错性get_available_models在数据库异常时优雅降级返回默认目录保证添加配置流程不中断扩展性模型条目支持价格input_price_per_1k/output_price_per_1k、上下文长度、能力标签capabilities、废弃标记等扩展信息并支持聚合渠道的原模型映射original_provider/original_model向后兼容迁移到数据库存储不影响任何已保存的用户配置无需数据迁移即可平滑上线。八、维护指南应对厂家发布新模型8.1 添加新模型当厂家发布新模型时访问模型目录管理页面设置 → 系统配置 → 配置管理 → 模型目录找到对应厂家点击编辑点击添加模型填写模型名称API 标识与显示名称界面展示建议同时补充描述、上下文长度、价格等元信息保存。保存后用户立即可以在添加配置时看到新模型。若需通过 API 批量添加可POST /api/config/model-catalog提交完整的厂家目录结构curl -X POST http://localhost:8000/api/config/model-catalog \ -H Authorization: Bearer YOUR_TOKEN \ -H Content-Type: application/json \ -d { provider: qwen, provider_name: 通义千问, models: [ { name: qwen-new-model, display_name: Qwen New Model - 新模型, context_length: 32768, input_price_per_1k: 0.001, output_price_per_1k: 0.002 } ] }8.2 标记废弃模型不要删除废弃的模型避免破坏历史引用与计费记录而是标记为废弃{ name: old-model, display_name: Old Model (已废弃), is_deprecated: true }前端在展示模型列表时可据此隐藏或弱化废弃模型同时保留数据完整性。8.3 更新模型信息模型的价格、上下文长度等信息会随厂家策略调整而变化建议定期维护访问厂家官方文档获取最新模型参数与定价在前端界面编辑对应的模型目录更新相关字段价格、上下文长度、能力标签等保存更新updated_at时间戳。8.4 批量维护与定价脚本仓库还提供了批量维护辅助脚本 scripts/update_model_catalog_with_pricing.py可用于按最新定价批量刷新目录中的价格字段适合在厂家调价后统一同步。九、注意事项与故障排查9.1 注意事项不影响现有配置修改或删除模型目录不会影响已保存的用户配置两者独立存储于不同集合/字段支持自定义模型模型目录不构成强制约束用户可手动输入任意模型名定期维护建议定期检查厂家官网及时添加新模型、更新价格、标记废弃模型备份建议大规模修改前建议备份可通过mongodump等工具导出model_catalog集合也可在配置管理中导出系统配置作为恢复依据。9.2 故障排查现象可能原因解决方案模型目录为空数据库未初始化执行python scripts/init_model_catalog.py或访问管理界面触发自动初始化添加配置时看不到模型列表目录未初始化 / 前端缓存检查 MongoDB 中是否存在model_catalog集合刷新浏览器CtrlF5查看浏览器控制台报错修改目录后前端未更新前端缓存了旧数据刷新页面或重新打开添加大模型配置对话框十、测试验证与相关文档10.1 验证结果初始化脚本实测输出$ python scripts/init_model_catalog.py 正在连接数据库... ✅ 数据库连接成功 正在初始化默认模型目录... ✅ 模型目录初始化成功 已初始化 7 个厂家的模型目录 通义千问 (qwen) 模型数量: 8 ...功能层面已验证后端 API 正常工作、前端界面正常显示、添加/编辑/删除功能正常、模型目录正确加载到添加配置对话框、支持手动输入自定义模型。10.2 相关文档与代码位置模型目录管理指南完整的架构说明、API 接口文档与故障排查模型目录快速开始指南快速上手步骤与常见问题模型目录厂家选择说明厂家标识与模型选择的补充说明数据模型app/models/config.py服务实现app/services/config_service.pyAPI 路由app/routers/config.py前端组件ModelCatalogManagement.vue初始化脚本scripts/init_model_catalog.py总结模型目录管理系统通过数据库存储 界面管理 API 操作 优雅降级四层设计彻底解决了模型名称硬编码带来的维护难题。管理员现在可以通过前端界面动态管理各厂家的模型列表立即生效、无需重启为每个模型维护价格、上下文长度、能力标签等扩展信息辅助用户决策通过 API 或辅助脚本进行批量维护标记废弃模型而非删除保持灵活性——用户仍可手动输入自定义模型目录仅作为参考数据不强制约束、不影响既有配置。整个方案从数据模型、服务层、API 到前端界面形成闭环是一个可直接投入生产使用的完整解决方案。【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 TradingAgents-CN 模型目录管理系统实现指南：从硬编码到 MongoDB 动态管理的完整改造
TradingAgents-CN 模型目录管理系统实现指南从硬编码到 MongoDB 动态管理的完整改造【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN本文是 TradingAgents-CN 项目模型目录Model Catalog子系统的技术实现与运维指南围绕模型列表如何存储、如何随厂家发布新模型而动态维护这一核心问题展开。读者将掌握该系统的数据库结构、后端服务与 API 设计、前端管理界面用法以及添加新模型、标记废弃模型、更新价格信息等日常维护操作并可结合仓库源码理解其底层实现原理。一、问题背景模型列表硬编码的维护困境在引入模型目录管理系统之前项目存在一个典型痛点大模型列表被硬编码在前端代码中集中在frontend/src/.../LLMConfigDialog.vue中由此带来一系列问题添加新模型需要修改代码厂家发布新模型时必须改动前端源码中的模型选项常量需要重启服务才能生效前端重新构建、后端重新部署成本高不支持通过界面动态管理普通管理员无法自助维护维护困难、容易出错多模型、多厂家数据散落在代码中极易遗漏或写错。正是基于模型目录是放在哪里保存的、平时怎么维护、厂家出新模型了怎么更新这一真实用户反馈项目实现了一套完整的模型目录管理系统将模型列表从代码迁移到数据库支持通过前端界面动态管理实现了添加新模型零改码、立即生效的目标。二、架构设计数据存储与两个关键概念2.1 数据存储模型目录数据存放在 MongoDB 中与原有系统配置集合system_configs并列MongoDB ├─ model_catalog (模型目录) ← 新增集合 │ └─ { │ provider: qwen, │ provider_name: 通义千问, │ models: [ │ { │ name: qwen-turbo, │ display_name: Qwen Turbo - 快速经济 (1M上下文), │ description: Qwen2.5-Turbo支持100万tokens超长上下文, │ context_length: 1000000, │ input_price_per_1k: 0.0003, │ output_price_per_1k: 0.0003, │ ... │ } │ ] │ } │ └─ system_configs (系统配置) └─ llm_configs (用户配置) ← 独立存储 └─ { provider: qwen, model_name: qwen-turbo, ← 从目录中选择 api_key: sk-xxx, max_tokens: 4000, ... }一个完整的model_catalog文档参考 模型目录管理指南包含厂家标识provider、厂家显示名称provider_name、模型数组models以及created_at/updated_at时间戳。每个模型条目包含nameAPI 调用时使用的标识、display_name界面展示名称、description、context_length上下文长度、max_tokens最大输出 token 数、input_price_per_1k/output_price_per_1k每 1K token 的输入/输出价格、currency货币单位默认 CNY、is_deprecated是否已废弃、release_date发布日期、capabilities能力标签如 chat、function_calling等字段。2.2 关键概念模型目录 vs 用户配置系统中最容易混淆、也最重要的设计是将模型目录与用户配置严格分离项目模型目录用户配置作用提供可选的模型列表参考数据用户实际使用的配置运行数据存储位置model_catalog集合system_configs.llm_configs字段内容模型名称、显示名称、价格、上下文长度等API 密钥、参数、启用状态、默认模型等用途添加配置时作为下拉选择参考系统运行时实际调用 LLM 使用关系参考数据可被多个配置共享实际配置独立于目录存在这一分离带来最直接的好处修改模型目录不会影响任何已保存的用户配置用户配置与目录解耦即使目录被删除或重建已保存的 API Key 与调用参数也不受影响。三、后端实现数据模型、服务层与 API3.1 数据模型app/models/config.py后端使用 Pydantic 定义了两个核心模型对应 app/models/config.py 中的ModelInfo与ModelCatalog类class ModelInfo(BaseModel): 模型信息 name: str Field(..., description模型标识名称) display_name: str Field(..., description模型显示名称) description: Optional[str] Field(None, description模型描述) context_length: Optional[int] Field(None, description上下文长度) max_tokens: Optional[int] Field(None, description最大输出token数) input_price_per_1k: Optional[float] Field(None, description输入价格(每1K tokens)) output_price_per_1k: Optional[float] Field(None, description输出价格(每1K tokens)) currency: str Field(defaultCNY, description货币单位) is_deprecated: bool Field(defaultFalse, description是否已废弃) release_date: Optional[str] Field(None, description发布日期) capabilities: List[str] Field(default_factorylist, description能力标签(如: vision, function_calling)) # 聚合渠道模型映射支持 original_provider: Optional[str] Field(None, description原厂商标识用于聚合渠道) original_model: Optional[str] Field(None, description原厂商模型名用于能力映射) class ModelCatalog(BaseModel): 模型目录 id: Optional[PyObjectId] Field(default_factoryPyObjectId, alias_id) provider: str Field(..., description厂家标识) provider_name: str Field(..., description厂家显示名称) models: List[ModelInfo] Field(default_factorylist, description模型列表) created_at: Optional[datetime] Field(default_factorynow_tz) updated_at: Optional[datetime] Field(default_factorynow_tz)从源码可以看到模型字段相比最初设计还额外支持了聚合渠道模型映射当系统对接 302.AI、OpenRouter 这类聚合渠道时可通过original_provider/original_model记录模型的原始厂家与原始名称用于能力映射与计费还原这体现了模型目录在聚合渠道场景下的扩展性。3.2 服务层app/services/config_service.py模型目录管理逻辑集中在ConfigService中见 app/services/config_service.py核心方法如下async def get_model_catalog() - List[ModelCatalog] # 获取所有模型目录 async def get_provider_models(provider: str) - Optional[ModelCatalog] # 获取指定厂家目录 async def save_model_catalog(catalog: ModelCatalog) - bool # 保存/更新目录upsert async def delete_model_catalog(provider: str) - bool # 删除指定厂家目录 async def init_default_model_catalog() - bool # 初始化默认目录 async def get_available_models() - List[Dict[str, Any]] # 获取可用模型列表供前端下拉几个实现要点值得关注save_model_catalog采用 upsert 语义通过replace_one({provider: catalog.provider}, ..., upsertTrue)实现存在即更新、不存在即插入天然支持覆盖式保存整个厂家目录init_default_model_catalog具备幂等性写入前先count_documents({})检查集合是否已有数据已有则直接跳过避免重复初始化覆盖人工维护的内容get_available_models具备自愈与降级能力先从数据库读取若目录为空则自动调用初始化方法填充默认数据若读取过程抛出异常则优雅降级返回内存中的默认目录数据self._get_default_model_catalog()保证前端添加大模型配置对话框在数据库异常时依然可用。3.3 API 路由app/routers/config.py对外暴露的 REST 接口定义在 app/routers/config.pyGET /api/config/model-catalog # 获取所有模型目录 GET /api/config/model-catalog/{provider} # 获取指定厂家的模型目录不存在返回 404 POST /api/config/model-catalog # 保存/更新模型目录 DELETE /api/config/model-catalog/{provider} # 删除模型目录 POST /api/config/model-catalog/init # 初始化默认模型目录所有接口均依赖get_current_user鉴权即需要管理员/已登录用户携带 Bearer Token 访问。路由层直接调用ConfigService对应方法并对异常统一转换为HTTPException500返回指定厂家不存在时返回 404。四、前端实现管理界面与配置页集成4.1 API 客户端frontend/src/api/config.ts前端封装了与后端一一对应的调用方法getModelCatalog() // 获取所有模型目录 getProviderModelCatalog(provider) // 获取指定厂家的模型目录 saveModelCatalog(catalog) // 保存模型目录 deleteModelCatalog(provider) // 删除模型目录 initModelCatalog() // 初始化默认模型目录4.2 管理组件frontend/src/views/Settings/components/ModelCatalogManagement.vue核心管理界面组件位于 ModelCatalogManagement.vue采用 Element Plus 表格实现提供以下能力查看所有模型目录表格按厂家展示provider、provider_name、模型数量el-tag{{ row.models.length }} 个模型/el-tag、模型列表预览默认展示前 3 个超出显示还有 N 个、更新时间添加新厂家目录点击添加厂家模型目录按钮在对话框中输入厂家标识、厂家名称并添加模型编辑现有目录点击行内编辑按钮可修改厂家名称、增删改模型保存后整体 upsert 回数据库删除目录点击行内删除按钮确认后删除整个厂家的模型目录说明提示组件顶部常驻提示模型目录用于在添加大模型配置时提供可选的模型列表。4.3 配置管理页面集成在frontend/src/views/Settings/ConfigManagement.vue中新增了模型目录菜单项Collection 图标将ModelCatalogManagement组件集成进既有的设置 → 系统配置 → 配置管理导航体系管理员无需修改代码即可进入维护界面。五、初始化脚本、API 与默认数据5.1 三种初始化方式方式一命令行脚本推荐见 scripts/init_model_catalog.pypython scripts/init_model_catalog.py脚本内部流程初始化 MongoDB 连接 → 创建ConfigService(db_managerdb_manager)实例 → 调用init_default_model_catalog()→ 打印每个厂家的模型数量与模型列表默认只展示前 5 个成功或失败均以退出码区分最后关闭数据库连接。方式二API 触发curl -X POST http://localhost:8000/api/config/model-catalog/init \ -H Authorization: Bearer YOUR_TOKEN方式三前端界面自动初始化访问设置 → 系统配置 → 配置管理 → 模型目录当数据库目录为空时系统在get_available_models流程中会自动触发初始化。5.2 默认初始化数据按 app/services/config_service.py 中_get_default_model_catalog()的实际数据默认初始化 7 个厂家共 31 个模型厂家标识模型数量代表模型通义千问qwen8qwen-turbo / qwen-plus / qwen-max / qwen-long / qwen-vl-plus / qwen-vl-max 等OpenAIopenai5gpt-4o / gpt-4o-mini / gpt-4-turbo / gpt-4 / gpt-3.5-turboGoogle Geminigoogle4gemini-2.5-pro / gemini-2.5-flash / gemini-1.5-pro / gemini-1.5-flashDeepSeekdeepseek2deepseek-chat / deepseek-coderAnthropic Claudeanthropic5claude-3-5-sonnet / claude-3-opus / claude-3-sonnet / claude-3-haiku百度千帆qianfan4ernie-3.5-8k / ernie-4.0-turbo-8k / ERNIE-Speed-8K / ERNIE-Lite-8K智谱AIglm3glm-4 / glm-4-plus / glm-3-turbo实现说明原实现总结中通义千问的厂家标识写作dashscope而当前仓库源码_get_default_model_catalog()中实际使用的标识为qwen8 个模型与文档统计一致。维护时请以数据库中实际写入的provider为准。默认数据中已内置价格、上下文长度等元信息例如qwen-turbo的context_length为 1,000,000支持 100 万 tokens 超长上下文、输入输出均为 0.0003 CNY/1K tokensgemini-2.5-pro为 0.00125/0.005 USD/1K tokensglm-4为 0.1/0.1 CNY/1K tokens。这些字段会直接展示在用户添加配置的界面中帮助用户做成本与能力决策。六、使用流程管理员维护与用户配置6.1 管理员维护模型目录1. 访问设置 → 系统配置 → 配置管理 → 模型目录 2. 点击对应厂家的编辑按钮 3. 点击添加模型 4. 填写 - 模型名称qwen-2.5-72b - 显示名称Qwen 2.5 72B - 超大参数 5. 保存保存后目录立即生效所有用户在添加大模型配置时即可看到新模型无需重启任何服务。6.2 用户添加大模型配置1. 访问设置 → 系统配置 → 配置管理 → 大模型配置 2. 点击添加大模型配置 3. 选择厂家通义千问 4. 模型名称下拉框自动显示该厂家的模型列表 5. 选择模型或手动输入自定义模型名称 6. 配置参数API 密钥、温度、max_tokens 等 7. 保存到 system_configs.llm_configs前端调用的正是getAvailableModels()API后端get_available_models()从model_catalog集合读取后转换为{ provider, provider_name, models: [...] }格式返回见 app/services/config_service.py下拉框数据全部动态加载。七、数据流程与关键设计7.1 完整数据流程┌──────────────────────────────────────────────────────────┐ │ 1. 管理员维护模型目录 │ │ (前端界面 → /api/config/model-catalog → MongoDB) │ └────────────────┬─────────────────────────────────────────┘ │ ↓ ┌──────────────────────────────────────────────────────────┐ │ 2. 用户添加大模型配置 │ │ - 前端调用 getAvailableModels() API │ │ - 后端从 model_catalog 读取空则自动初始化 │ │ - 前端显示在下拉框中 │ └────────────────┬─────────────────────────────────────────┘ │ ↓ ┌──────────────────────────────────────────────────────────┐ │ 3. 用户选择模型并配置参数 │ │ - 选择模型名称从目录中选择或手动输入 │ │ - 配置 API 密钥、参数等 │ └────────────────┬─────────────────────────────────────────┘ │ ↓ ┌──────────────────────────────────────────────────────────┐ │ 4. 保存到用户配置 │ │ (system_configs.llm_configs) │ └──────────────────────────────────────────────────────────┘7.2 关键设计原则独立存储模型目录model_catalog与用户配置system_configs.llm_configs完全独立目录只是参考数据配置才是运行数据灵活性模型目录只是提供便利而非强制约束用户仍可手动输入目录中不存在的自定义模型名称容错性get_available_models在数据库异常时优雅降级返回默认目录保证添加配置流程不中断扩展性模型条目支持价格input_price_per_1k/output_price_per_1k、上下文长度、能力标签capabilities、废弃标记等扩展信息并支持聚合渠道的原模型映射original_provider/original_model向后兼容迁移到数据库存储不影响任何已保存的用户配置无需数据迁移即可平滑上线。八、维护指南应对厂家发布新模型8.1 添加新模型当厂家发布新模型时访问模型目录管理页面设置 → 系统配置 → 配置管理 → 模型目录找到对应厂家点击编辑点击添加模型填写模型名称API 标识与显示名称界面展示建议同时补充描述、上下文长度、价格等元信息保存。保存后用户立即可以在添加配置时看到新模型。若需通过 API 批量添加可POST /api/config/model-catalog提交完整的厂家目录结构curl -X POST http://localhost:8000/api/config/model-catalog \ -H Authorization: Bearer YOUR_TOKEN \ -H Content-Type: application/json \ -d { provider: qwen, provider_name: 通义千问, models: [ { name: qwen-new-model, display_name: Qwen New Model - 新模型, context_length: 32768, input_price_per_1k: 0.001, output_price_per_1k: 0.002 } ] }8.2 标记废弃模型不要删除废弃的模型避免破坏历史引用与计费记录而是标记为废弃{ name: old-model, display_name: Old Model (已废弃), is_deprecated: true }前端在展示模型列表时可据此隐藏或弱化废弃模型同时保留数据完整性。8.3 更新模型信息模型的价格、上下文长度等信息会随厂家策略调整而变化建议定期维护访问厂家官方文档获取最新模型参数与定价在前端界面编辑对应的模型目录更新相关字段价格、上下文长度、能力标签等保存更新updated_at时间戳。8.4 批量维护与定价脚本仓库还提供了批量维护辅助脚本 scripts/update_model_catalog_with_pricing.py可用于按最新定价批量刷新目录中的价格字段适合在厂家调价后统一同步。九、注意事项与故障排查9.1 注意事项不影响现有配置修改或删除模型目录不会影响已保存的用户配置两者独立存储于不同集合/字段支持自定义模型模型目录不构成强制约束用户可手动输入任意模型名定期维护建议定期检查厂家官网及时添加新模型、更新价格、标记废弃模型备份建议大规模修改前建议备份可通过mongodump等工具导出model_catalog集合也可在配置管理中导出系统配置作为恢复依据。9.2 故障排查现象可能原因解决方案模型目录为空数据库未初始化执行python scripts/init_model_catalog.py或访问管理界面触发自动初始化添加配置时看不到模型列表目录未初始化 / 前端缓存检查 MongoDB 中是否存在model_catalog集合刷新浏览器CtrlF5查看浏览器控制台报错修改目录后前端未更新前端缓存了旧数据刷新页面或重新打开添加大模型配置对话框十、测试验证与相关文档10.1 验证结果初始化脚本实测输出$ python scripts/init_model_catalog.py 正在连接数据库... ✅ 数据库连接成功 正在初始化默认模型目录... ✅ 模型目录初始化成功 已初始化 7 个厂家的模型目录 通义千问 (qwen) 模型数量: 8 ...功能层面已验证后端 API 正常工作、前端界面正常显示、添加/编辑/删除功能正常、模型目录正确加载到添加配置对话框、支持手动输入自定义模型。10.2 相关文档与代码位置模型目录管理指南完整的架构说明、API 接口文档与故障排查模型目录快速开始指南快速上手步骤与常见问题模型目录厂家选择说明厂家标识与模型选择的补充说明数据模型app/models/config.py服务实现app/services/config_service.pyAPI 路由app/routers/config.py前端组件ModelCatalogManagement.vue初始化脚本scripts/init_model_catalog.py总结模型目录管理系统通过数据库存储 界面管理 API 操作 优雅降级四层设计彻底解决了模型名称硬编码带来的维护难题。管理员现在可以通过前端界面动态管理各厂家的模型列表立即生效、无需重启为每个模型维护价格、上下文长度、能力标签等扩展信息辅助用户决策通过 API 或辅助脚本进行批量维护标记废弃模型而非删除保持灵活性——用户仍可手动输入自定义模型目录仅作为参考数据不强制约束、不影响既有配置。整个方案从数据模型、服务层、API 到前端界面形成闭环是一个可直接投入生产使用的完整解决方案。【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考