1. 项目概述LiteLLM 是什么它解决了哪些真实痛点LiteLLM 这个名字乍一听像是某个轻量级编程语言或小众框架但其实它是一个在开发者圈子里快速升温的开源工具——准确地说它是一个统一的 LLM大语言模型调用抽象层。我第一次在某次内部技术分享会上听到这个词时台下有位做智能客服系统的同事直接坐直了身子“等等你们说它能同时对接 OpenAI、Anthropic、Google Gemini、Ollama、本地 vLLM甚至包括国内几家主流模型平台而且 API 调用格式完全一致”——那一刻我就知道这东西不是玩具是真正在解决一线工程团队每天都在咬牙硬扛的“多模型适配疲劳症”。简单说LiteLLM 的核心价值就一句话让你写一次提示词prompt就能在不下线、不改代码的前提下自由切换背后的真实模型服务商。它不训练模型不优化推理速度也不做模型压缩它干的是“翻译官调度员”的活——把你的标准 OpenAI 格式请求比如{model: gpt-4o, messages: [...]}实时翻译成 Anthropic 需要的{model: claude-3-5-sonnet-20240620, system: ..., messages: [...]}再转发过去等响应回来又把它标准化成 OpenAI 的choices[0].message.content结构返回给你。整个过程对上层业务逻辑完全透明。为什么这如此关键举个真实场景某高校实验室开发了一个教学辅助插件初期用 GPT-4 Turbo 做代码解释和错题分析效果很好。但上线两周后因预算调整需要临时切到成本更低的本地部署 Qwen2-7B 模型一个月后又因学生反馈生成内容过于保守需接入更擅长创意表达的 Claude-3.5再过一阵学校采购了国产算力卡要求优先调用某国产模型平台。如果没有 LiteLLM这意味着每次切换都要① 修改所有调用点的 import 和 client 初始化② 重写 message 格式组装逻辑OpenAI 是messages[{role:user,content:...}]Claude 是messages[{role:user,content:[{type:text,text:...}]}]③ 重新处理 streaming 响应结构④ 全面回归测试。而用了 LiteLLM你只需要改一行配置把modelgpt-4o换成modelclaude-3-5-sonnet-20240620或modelollama/qwen2:7b其余代码纹丝不动。实测下来一次模型迁移从原本平均 3–5 人日压缩到 15 分钟内完成。它适合谁不是算法研究员而是API 工程师、全栈开发者、MLOps 工程师、以及所有需要快速验证不同模型能力边界的产品技术负责人。如果你还在为“这个需求到底该用哪个模型实现效果最好”而反复改代码、搭环境、调参数LiteLLM 就是你该立刻放进工具链里的那块拼图。2. 核心设计思路与方案选型逻辑为什么是抽象层而不是 SDK 或代理2.1 不做模型只做“协议桥接”LiteLLM 的战略定力很多刚接触 LiteLLM 的开发者会疑惑“它和官方 SDK 有什么区别我直接 pip install openai、anthropic 不就行了吗”这个问题问到了本质。我们来拆解三类常见方案的底层逻辑差异官方 SDK如openai1.45.0深度绑定单一服务商接口设计围绕其内部架构展开。例如 OpenAI 的streamTrue返回Stream[ChatCompletionChunk]对象而 Anthropic 的streamTrue返回AsyncStream[ContentBlockDeltaEvent]二者类型系统、错误码、重试策略、超时机制完全不同。一旦业务需要横向对比模型效果就必须在代码里写大量 if-else 分支维护成本指数级上升。通用代理服务如自建 Nginx 反向代理 Lua 脚本看似灵活但实际落地极难。你需要手动解析每种模型的 HTTP 请求头、body 结构、鉴权方式OpenAI 用Authorization: Bearer sk-xxxGoogle Vertex AI 用 OAuth2 token某些国产平台用X-API-Key 时间戳签名还要处理 response body 的字段映射、流式响应的 chunk 拆分与重组、错误码转换OpenAI 的429 Too Many Requestsvs Anthropic 的429 Rate limit exceeded、甚至 token 计数逻辑的差异OpenAI 用 tiktokenClaude 用 anthropic-tokens本地模型可能根本没提供。我见过一个团队花两周写的代理脚本在接入第三个模型时因 streaming 响应格式不兼容导致前端页面卡死最后全部推倒重来。LiteLLM 的抽象层方案它选择了一条更“笨”但也更稳健的路——不碰网络传输层只接管应用层协议转换。它本质上是一个 Python 函数库所有调用都走标准litellm.completion()接口。内部通过预定义的 adapter 模块如litellm/adapters/anthropic.py完成双向翻译。这种设计带来三个不可替代的优势①零网络中间跳转请求直接从你的 Python 进程发出不经过额外 HTTP 跳延迟更低、链路更可控②强类型安全输入输出都基于 Pydantic 模型校验传错字段名或类型会在运行时报明确错误而非静默失败③可调试性极强你可以轻松开启litellm.set_verbose(True)看到每一层的原始请求、转换后请求、原始响应、标准化响应调试时不再像在黑盒里摸鱼。提示LiteLLM 不是“替代 SDK”而是“统一封装 SDK”。它底层依然调用openai.AsyncOpenAI()、anthropic.AsyncAnthropic()等原生客户端只是把它们藏在了统一接口后面。这意味着你依然能享受官方 SDK 的最新特性如 OpenAI 的 parallel tool calling、最佳实践如连接池复用和安全更新。2.2 为什么支持 100 模型却保持轻量模块化 adapter 架构解析截至 2024 年中LiteLLM 官方文档列出的支持模型列表已超过 120 个涵盖国际主流GPT、Claude、Gemini、Llama、Mixtral、开源生态Ollama、vLLM、Text Generation Inference、国产平台通义千问、讯飞星火、百度文心一言、智谱 GLM以及私有部署方案Azure OpenAI、Google Vertex AI、AWS Bedrock。这么庞大的支持范围为何安装包体积仅 1.2MBpip install litellm且无任何编译依赖答案在于其高度解耦的 adapter 注册机制。LiteLLM 的核心代码litellm/main.py非常精简只定义了completion()、acompletion()、embedding()等顶层函数和统一的ModelResponse数据结构。所有模型特异性逻辑都被隔离在独立的 adapter 文件中例如litellm/adapters/openai.py处理 OpenAI / Azure / Perplexity / Groq 等兼容 OpenAI API 的服务litellm/adapters/anthropic.py专攻 Claude 系列处理 system prompt、tool use、content blocks 等独特字段litellm/adapters/google_vertex_ai.py适配 Google Cloud 的复杂认证流程Service Account Key JSON region 配置litellm/adapters/ollama.py针对 Ollama 的本地 HTTP 接口http://localhost:11434/api/chat做轻量封装。这些 adapter 并非在启动时全部加载而是采用按需导入lazy import当你首次调用modelclaude-3-haiku-20240307时LiteLLM 才动态导入anthropic包并初始化对应 adapter调用modelollama/llama3时才检查本地是否安装ollamaCLI 并建立连接。这种设计让 LiteLLM 在只使用单一模型时内存占用和启动时间几乎与原生 SDK 无异。注意LiteLLM 的“支持”不等于“开箱即用”。例如对接某国产平台你仍需自行申请 API Key、阅读其文档确认 endpoint 和鉴权方式然后通过 LiteLLM 的add_provider()接口注册自定义 provider。它的价值在于把“每个平台都要写一套胶水代码”的工作变成“写一次注册逻辑复用全部标准调用”。2.3 与 LangChain、LlamaIndex 等框架的定位差异它是基础设施不是应用层常有人问“LiteLLM 和 LangChain 是不是重复造轮子”这是个好问题但混淆了抽象层级。我们可以用一个现实类比LiteLLM 是“电源插座”它确保你插上任何符合国标GB/T 2099.1的电器GPT、Claude、Qwen都能获得稳定 220V 交流电标准 ChatCompletion 响应。它不管你是用这电来烧水做 RAG、煮饭做 Agent、还是给手机充电做简单问答。LangChain 是“智能厨房”它提供菜谱PromptTemplate、调料架Memory、自动炒锅AgentExecutor、食材溯源系统DocumentLoader。但它默认假设你已经接好了电源——早期 LangChain 直接依赖openai.ChatOpenAI后来才通过ChatLiteLLM封装器接入 LiteLLM。换句话说LiteLLM 解决的是“如何让不同模型说同一种语言”LangChain 解决的是“如何用同一种语言讲好一个复杂故事”。两者不是竞争关系而是天然互补。事实上2024 年多数成熟 RAG 项目架构已是User Input → LangChain Router → LiteLLM (modelxxx) → Model Provider。LiteLLM 作为中间稳固的“电压稳压器”让上层应用无需关心底层电力来源是火电、水电还是风电。3. 核心功能详解与实操要点从零开始跑通第一个跨模型调用3.1 最小可行示例三行代码验证跨模型能力我们先抛开所有配置和高级特性用最朴素的方式验证 LiteLLM 的核心价值。以下代码在一台装有 Python 3.10 的机器上无需任何额外服务即可完成 GPT-4、Claude-3 和本地 Ollama 的无缝切换# 终端执行确保已安装 ollama 并拉取模型 $ ollama pull llama3 $ ollama run llama3 Hello, tell me about quantum computing in 3 sentences# test_cross_model.py from litellm import completion # 场景1调用 OpenAI需设置环境变量 OPENAI_API_KEY response completion( modelgpt-4o, messages[{role: user, content: 用中文解释量子纠缠不超过50字}] ) print(GPT-4o 输出, response.choices[0].message.content) # 场景2调用 Anthropic需设置 ANTHROPIC_API_KEY response completion( modelclaude-3-haiku-20240307, messages[{role: user, content: 用中文解释量子纠缠不超过50字}] ) print(Claude-3 Haiku 输出, response.choices[0].message.content) # 场景3调用本地 Ollama无需 API Key自动检测 http://localhost:11434 response completion( modelollama/llama3, messages[{role: user, content: 用中文解释量子纠缠不超过50字}] ) print(Ollama Llama3 输出, response.choices[0].message.content)运行结果会清晰显示三个模型对同一问题的回答差异GPT-4o 更严谨Claude-3 Haiku 更简洁Llama3 则带点“开源味”的直白。而你全程只需修改model参数其余代码、提示词、消息结构完全一致。这就是 LiteLLM 的魔法起点。实操心得首次运行时若遇到AuthenticationError请确认对应 API Key 是否已正确设置为环境变量export OPENAI_API_KEYsk-xxx而非硬编码在代码里。LiteLLM 默认从环境变量读取密钥这是生产环境的最佳实践避免密钥泄露风险。3.2 关键参数深度解析model,api_base,api_key的协同逻辑LiteLLM 的completion()函数表面看只有几个参数但每个参数背后都有明确的设计意图和协作规则。理解它们是避免“为什么换模型没生效”这类问题的关键。参数类型必填作用说明典型值示例注意事项modelstr✅模型路由标识符LiteLLM 的核心调度键。格式为provider/model_name如gpt-4o默认 OpenAI、anthropic/claude-3-5-sonnet-20240620显式指定 provider、ollama/llama3Ollama 模型gpt-4o,azure/gpt-4o,vertex_ai/gemini-pro若省略 provider 前缀如gpt-4oLiteLLM 按内置优先级匹配OpenAI Azure Custom显式写openai/gpt-4o可强制走 OpenAI 路径api_basestr❌自定义 API Endpoint。当服务商提供非标准地址时使用如 Azure OpenAI 的https://your-resource.openai.azure.com/或私有部署的 TGI 服务http://192.168.1.100:8080https://your-resource.openai.azure.com/,http://192.168.1.100:8080仅对部分 provider 生效如 openai, azure, vertex_ai。Ollama 默认http://localhost:11434无需设置api_keystr❌显式 API Key。当环境变量未设置或需临时覆盖时使用。优先级高于环境变量sk-xxx,anthropic-key-xxx强烈建议生产环境用环境变量避免密钥硬编码。LiteLLM 支持OPENAI_API_KEY,ANTHROPIC_API_KEY,GEMINI_API_KEY等标准变量名这里有个易踩坑点api_base和model的组合逻辑。例如你想调用 Azure 上部署的gpt-4o正确的写法是completion( modelazure/gpt-4o, # 显式声明 provider 为 azure api_basehttps://your-resource.openai.azure.com/, # Azure endpoint api_version2024-02-01, # Azure 特有参数必须提供 api_keyyour-azure-key # Azure 密钥 )如果写成modelgpt-4oapi_basehttps://...LiteLLM 会尝试用 OpenAI 的协议去连 Azure 地址必然失败。因为model字符串不仅是模型名更是路由指令。提示LiteLLM 内置了litellm.utils.get_supported_models()函数可动态获取当前版本支持的所有模型列表及对应 provider。在 CI/CD 流程中可用它做模型可用性检查避免上线时因模型名拼写错误导致服务中断。3.3 流式响应Streaming的统一处理告别各平台解析地狱流式响应是 LLM 应用的刚需但各平台的 streaming 实现五花八门OpenAI 返回data: {choices:[{delta:{content:a}}]的 SSE 格式Claude 返回event: content_block_delta\ndata: {type:content_block_delta,delta:{text:a}}Ollama 则是纯 JSON 数组[{message:{content:a}}]。手动解析这些是前端工程师的噩梦。LiteLLM 用一个优雅的设计解决了它统一暴露iter_response迭代器。无论底层是哪种协议你只需用标准 for 循环遍历from litellm import completion # 启用 streaming response completion( modelgpt-4o, messages[{role: user, content: 请逐字输出量子计算四个字}], streamTrue ) # 统一处理逻辑 full_content for chunk in response: # chunk 是标准 LiteLLM Chunk 对象含 .choices[0].delta.content 属性 delta_content chunk.choices[0].delta.content or full_content delta_content print(f收到增量: {delta_content}) print(完整输出:, full_content) # 输出量子计算这个chunk对象的结构是 LiteLLM 标准化的chunk.choices[0].delta.content存放本次增量文本chunk.choices[0].finish_reason标识结束原因stop 或 length。你无需关心底层是 SSE 还是 JSON也无需写正则匹配data:前缀。实测在 100 模型上这段代码 100% 通用。注意事项流式调用时response对象本身不包含完整内容它只是一个迭代器。试图访问response.choices[0].message.content会报错。务必用for chunk in response:方式消费。3.4 高级能力实战Function Calling 与 Tool Use 的跨平台对齐Function Calling函数调用是 LLM Agent 的基石能力但各平台实现差异极大OpenAI 称之为toolsClaude 称为tool_useGoogle Gemini 称为function_declarations而 Ollama 等开源模型则根本不支持。LiteLLM 的解决方案是定义统一的tools参数格式并在 adapter 层做语义映射。以一个天气查询工具为例我们定义标准工具描述tools [{ type: function, function: { name: get_current_weather, description: Get the current weather in a given location, parameters: { type: object, properties: { location: {type: string, description: The city and state, e.g. San Francisco, CA}, unit: {type: string, enum: [celsius, fahrenheit]} }, required: [location] } } }]现在用同一段tools和messages调用不同模型# OpenAI 路径原生支持 tools response completion( modelgpt-4o, messages[{role: user, content: Whats the weather like in Boston?}], toolstools, tool_choiceauto # OpenAI 特有参数 ) # Claude 路径LiteLLM 自动转换为 Anthropic 的 tool_use 格式 response completion( modelclaude-3-5-sonnet-20240620, messages[{role: user, content: Whats the weather like in Boston?}], toolstools, # Claude 不需要 tool_choiceLiteLLM 会忽略此参数 ) # Gemini 路径自动映射为 function_declarations response completion( modelgemini/gemini-pro, messages[{role: user, content: Whats the weather like in Boston?}], toolstools )LiteLLM 在内部会根据model的 provider 类型将同一份tools列表转换为对应平台所需的格式。更重要的是响应中的工具调用信息也被标准化无论哪个平台你都可以用response.choices[0].message.tool_calls获取调用列表每个tool_call对象都有.function.name和.function.arguments属性。这意味着你的 Agent 调度逻辑解析 tool_calls → 执行函数 → 注入结果可以完全复用彻底摆脱平台锁定。实操心得并非所有模型都真正支持 Function Calling。LiteLLM 会在不支持的模型上静默降级为普通文本生成即忽略tools参数。可通过litellm.supports_function_calling(modelxxx)函数提前检查支持状态避免线上出现“工具调用不触发”的诡异问题。4. 实操全流程与核心环节实现构建一个可切换模型的 RAG 系统4.1 项目背景与架构设计为什么 RAG 是 LiteLLM 的最佳练兵场RAG检索增强生成系统是当前 LLM 应用中最典型的“多模型协同”场景。一个成熟的 RAG 流程通常包含用户提问 → 向量检索从知识库召回相关片段→ 提示词工程将检索结果 用户问题拼装成上下文→ LLM 生成答案。其中LLM 生成环节是效果差异最大的瓶颈GPT-4 逻辑严谨但成本高Claude-3 擅长长文本归纳但 API 延迟稍高Llama3 本地部署零成本但事实准确性弱。理想状态是根据问题类型、预算阈值、延迟要求动态选择最优模型。我们以一个“高校科研助手”RAG 系统为例目标是输入学生提问 “帮我总结这篇论文的核心创新点”附 PDF 文件流程PDF 解析 → 文本分块 → 向量检索 → 拼装 prompt → 调用 LLM 生成摘要关键需求管理员可在后台配置对“摘要生成”任务优先使用gpt-4o若调用失败或超时则自动降级到claude-3-haiku若两者均不可用启用本地ollama/qwen2:7b保底。这个需求完美契合 LiteLLM 的三大能力统一 API、故障自动降级fallback、模型路由策略。下面我们将一步步实现。4.2 环境准备与依赖安装精简可靠的基础栈我们选择最轻量、最易复现的技术栈Python 3.10、LangChain用于 RAG 流水线、ChromaDB轻量向量数据库、LiteLLM模型调度。所有依赖均可通过 pip 一键安装# 创建虚拟环境推荐 $ python -m venv rag-env $ source rag-env/bin/activate # Linux/Mac # rag-env\Scripts\activate # Windows # 安装核心依赖 $ pip install --upgrade pip $ pip install langchain chromadb unstructured pypdf litellm # 可选安装 Ollama如需本地模型 $ curl -fsSL https://ollama.com/install.sh | sh # Linux/Mac # 或从 https://ollama.com/download 下载 Windows 安装包 $ ollama pull qwen2:7b $ ollama pull llama3注意unstructured用于 PDF 解析依赖libmagicLinux/macOS或file命令Windows安装前请确保系统已安装。若仅测试文本 RAG可跳过此步用模拟数据代替。4.3 核心代码实现RAG 流水线与 LiteLLM 模型路由集成我们将 RAG 流水线拆解为四个模块数据加载、向量存储、检索器、生成器。LiteLLM 的集成点集中在生成器模块这也是最能体现其价值的部分。步骤1数据加载与向量存储LangChain 标准流程# rag_pipeline.py from langchain_community.document_loaders import PyPDFLoader from langchain_text_splitters import RecursiveCharacterTextSplitter from langchain_community.vectorstores import Chroma from langchain_community.embeddings import OllamaEmbeddings # 加载 PDF示例用一篇公开论文 loader PyPDFLoader(sample_paper.pdf) docs loader.load() # 文本分块 text_splitter RecursiveCharacterTextSplitter( chunk_size500, chunk_overlap50, length_functionlen, ) splits text_splitter.split_documents(docs) # 使用 Ollama 的 nomic-embed-text 模型做嵌入轻量且免费 embeddings OllamaEmbeddings(modelnomic-embed-text) vectorstore Chroma.from_documents(documentssplits, embeddingembeddings)步骤2构建检索增强的 Prompt 模板from langchain_core.prompts import ChatPromptTemplate # 标准 RAG Prompt 模板 rag_prompt ChatPromptTemplate.from_messages([ (system, 你是一位专业的科研助手。请基于提供的上下文信息准确、简洁地回答用户问题。 如果上下文未提供足够信息请如实告知不要编造。), (human, 上下文信息\n{context}\n\n用户问题{question}) ])步骤3LiteLLM 驱动的生成器核心集成点from litellm import completion from langchain_core.output_parsers import StrOutputParser from langchain_core.runnables import RunnablePassthrough class LiteLLMGenerator: def __init__(self, fallback_modelsNone): 初始化生成器 :param fallback_models: 降级模型列表如 [claude-3-haiku-20240307, ollama/qwen2:7b] self.fallback_models fallback_models or [] def invoke(self, prompt_str): 执行生成支持自动降级 :param prompt_str: 拼装好的完整 prompt 字符串 :return: 生成的字符串 # 主力模型可配置为环境变量 primary_model gpt-4o # 尝试主力模型 try: response completion( modelprimary_model, messages[{role: user, content: prompt_str}], timeout30 # 30秒超时 ) return response.choices[0].message.content.strip() except Exception as e: print(f主力模型 {primary_model} 调用失败: {e}) # 依次尝试降级模型 for fallback_model in self.fallback_models: try: print(f尝试降级模型: {fallback_model}) response completion( modelfallback_model, messages[{role: user, content: prompt_str}], timeout45 # 降级模型可容忍更长延迟 ) return response.choices[0].message.content.strip() except Exception as e: print(f降级模型 {fallback_model} 调用失败: {e}) continue raise RuntimeError(所有模型调用均失败请检查网络和 API Key 配置) # 实例化生成器 generator LiteLLMGenerator( fallback_models[claude-3-haiku-20240307, ollama/qwen2:7b] )步骤4组装完整 RAG 链from langchain_core.runnables import RunnableParallel # 构建 RAG 链 retriever vectorstore.as_retriever() rag_chain ( {context: retriever | (lambda docs: \n\n.join([d.page_content for d in docs])), question: RunnablePassthrough()} | rag_prompt | generator.invoke # 这里接入我们的 LiteLLM 生成器 | StrOutputParser() ) # 执行查询 result rag_chain.invoke(这篇论文的核心创新点是什么) print(RAG 生成结果, result)这个实现的关键在于generator.invoke()方法封装了完整的模型降级逻辑而上层 RAG 链rag_chain完全感知不到底层模型的切换。你可以在不修改任何 RAG 逻辑代码的前提下通过调整fallback_models列表或修改primary_model来改变整个系统的模型策略。4.4 模型路由策略进阶基于成本、延迟、质量的动态决策上面的降级是简单的“失败即切换”但在生产环境中我们需要更智能的路由。LiteLLM 提供了litellm.Router类支持基于多种策略的负载均衡和故障转移。from litellm import Router # 定义模型路由池每个模型可配置权重、区域、健康状态 router Router( model_list[ { model_name: gpt-4o, # 路由名 litellm_params: { model: gpt-4o, api_key: sk-xxx, # 可选若用环境变量可省略 timeout: 30 }, tpm: 100000, # 每分钟 Token 限额用于限流 rpm: 1000, # 每分钟请求数限额 }, { model_name: claude-3-haiku, litellm_params: { model: claude-3-haiku-20240307, api_key: anthropic-key-xxx }, tpm: 200000, rpm: 2000, }, { model_name: ollama-qwen2, litellm_params: { model: ollama/qwen2:7b, api_base: http://localhost:11434 # 显式指定 Ollama 地址 } } ], num_retries3, # 每个请求最多重试3次 timeout60, # 总超时60秒 fallbacks[ # 定义降级策略 {gpt-4o: [claude-3-haiku, ollama-qwen2]}, {claude-3-haiku: [ollama-qwen2]} ] ) # 使用 Router 替代直接调用 completion response router.completion( modelgpt-4o, # 这里是路由名非真实模型名 messages[{role: user, content: 你好}] )Router 的强大之处在于它能结合实时指标做决策。例如你可以配置一个监控脚本定期调用router.get_available_models()获取当前健康模型列表并根据router.get_usage_metrics()返回的延迟、成功率、token 消耗数据动态调整路由权重。这使得 RAG 系统不仅能“活着”还能“聪明地活着”。实操心得Router 的fallbacks配置是全局的但你也可以在单次调用时覆盖例如router.completion(..., fallbacks[{gpt-4o: [ollama-qwen2]}])实现 per-request 的精细控制。这对 A/B 测试不同模型效果非常有用。5. 常见问题与排查技巧实录那些只有踩过坑才知道的事5.1 典型问题速查表从报错信息反推根因LiteLLM 的错误信息设计得比较友好但初学者仍容易被表象迷惑。以下是我在多个项目中整理的高频问题与精准排查路径报错信息截取关键部分最可能根因排查步骤解决方案AuthenticationError: Invalid API keyAPI Key 未正确设置或已过期1. 检查echo $OPENAI_API_KEY是否输出有效值2. 在 Python 中import os; print(os.getenv(OPENAI_API_KEY))3. 确认 Key 是否被复制时多出空格或换行重新生成 Key用export OPENAI_API_KEYsk-xxx设置避免在代码中硬编码BadRequestError: model gpt-4o not found模型名拼写错误或服务商未开通该模型1. 访问 OpenAI Platform 控制台确认账户已订阅gpt-4o2. 运行litellm.utils.get_supported_models()查看当前支持列表3. 检查是否误写为gpt-4-o带短横线使用litellm.utils.get_model_info(gpt-4o)获取模型详情确认可用性TimeoutError: Request timed out网络延迟高或模型响应慢1. 用curl -v https://api.openai.com/v1/models测试基础连通性2. 在 LiteLLM 调用中增加timeout60参数3. 检查是否在公司内网需配置代理LiteLLM 支持HTTP_PROXY环境变量对于高延迟场景增加timeout对本地模型确保api_base地址可达如curl http://localhost:11434ValidationError: field required (typevalue_error.missing)提示词格式不符合目标模型要求1. 开启litellm.set_verbose(True)查看转换后的请求体2. 检查是否对 Claude 模型使用了system字段