pgAI扩展支持OpenRouter等第三方大语言模型的探索与实践

在AI技术快速发展的今天，大语言模型(LLM)生态系统已经远远超出了OpenAI一家独大的局面。Google的Gemini、Anthropic的Claude、Meta的Llama等模型都提供了与GPT-4相当的服务水平，且往往更具成本效益。本文探讨了如何在PostgreSQL的pgAI扩展中实现对OpenRouter等第三方大语言模型的支持。

技术背景

pgAI是PostgreSQL的一个扩展，目前主要支持OpenAI的ChatGPT模型。但随着大语言模型生态的多样化，开发者需要能够灵活接入不同供应商的模型服务。OpenRouter作为一个聚合平台，提供了统一的API接口来访问多种大语言模型，包括Gemini、Claude、Llama等，其API设计与OpenAI兼容。

技术实现方案

核心思路是利用OpenAI Python库的兼容性，通过配置不同的base_url和api_key参数来连接不同的模型服务。具体实现包括：

1. 连接参数扩展：

   • 增加base_url参数，可设置为OpenRouter或其他兼容服务的地址
   • 支持额外的api_key参数用于认证

2. 模型名称适配：

   • 使用OpenRouter返回的模型列表中的名称标识符

一个简单的实现示例如下：

CREATE OR REPLACE FUNCTION public.simple_chat_complete(
    _base_url text,
    _api_key text,
    _model text,
    _message text,
    _is_stream boolean,
    ...其他参数...
) RETURNS jsonb
LANGUAGE plpython3u
AS $function$
import openai
client = openai.OpenAI(base_url=_base_url, api_key=_api_key)
response = client.chat.completions.create(
    model=_model,
    messages=_message_1,
    ...其他参数...
)
return response.model_dump_json()
$function$;

兼容性考量

在PostgreSQL中直接修改现有函数签名会带来兼容性问题，特别是当其他数据库对象(如视图、函数等)依赖于原函数时。可能的解决方案包括：

1. 创建新函数：使用不同的函数名(如simple_chat_complete)来提供新功能，保持原有函数不变

2. 函数重载：

   • 保留原函数，新增带base_url参数的版本
   • 原函数体改为调用新函数并传入NULL作为base_url
   • 确保调用时参数明确，避免PostgreSQL无法确定使用哪个函数版本

实践建议

对于希望使用多种大语言模型的开发者，可以考虑以下实践路径：

1. 抽象化连接层：创建统一的连接函数(如llm_connect)，作为各种模型连接函数(openai_connect、ollama_connect等)的基础

2. 模型适配层：处理不同模型的输入输出差异，提供一致的接口

3. 性能监控：记录不同模型的响应时间和成本，为模型选择提供数据支持

未来展望

PostgreSQL与AI的结合为数据处理和分析开辟了新途径。随着大语言模型生态的持续发展，pgAI扩展有望成为连接数据库与多种AI服务的桥梁，使开发者能够在SQL环境中轻松利用不同供应商的AI能力。这种集成不仅能够提升开发效率，还能为数据分析和应用开发带来更多可能性。