开发与工程 provider-integrationllm-providersopenai-compatibledeepchatcode-review

添加 LLM 提供商(DeepChat 开发技能)

通过审查明确的最小源码变更,为 DeepChat 添加新的 LLM 提供商集成。

FollowSkills 评估 · FSRS-2.0
不推荐
56/ 100 五分制 2.8 / 5
1 2 3 4 5 6
1信任安全15 / 25 · 3.0/5

技能文档明确要求审查源代码更改,包含防护栏(如不自动安装SDK、不存储OAuth凭据于API密钥字段、不在渲染器执行提供商逻辑等),强调最小变更和用户确认流程。然而,未明确说明具体的数据流透明度和回滚机制,且发布者身份未验证(但未因此扣分)。扣分原因:缺少对敏感数据处理和回滚的详细说明。

2可靠稳定8 / 20 · 2.0/5

技能提供了清晰的步骤和典型文件列表,但未附带已提交的测试套件或独立的执行证据。静态审查下,无法验证其关键路径的可靠性。扣分原因:未提供足够的测试覆盖和错误处理细节。

3适用触发11 / 15 · 3.7/5

技能明确描述了三种支持路径(OpenAI兼容、现有原生传输、特殊提供商),并给出了输入要求和防护栏,有助于准确触发。但未说明非适用场景或环境限制(如网络可达性),且未明确针对中文用户优化。扣分原因:缺少明确的非适用边界和触发条件验证。

4规范维护12 / 15 · 4.0/5

技能文档结构清晰,包含目标、输入、路径、防护栏、工作流和输出清单,但缺少安装说明、版本控制、变更日志和已知限制的披露。发布者未验证,但未因此扣分。扣分原因:缺少版本与维护责任声明。

5有效结果6 / 15 · 2.0/5

技能描述清晰的目标和流程,预期能完成添加提供商的核心任务,但静态审查下无法验证实际输出是否直接可用。扣分原因:缺少代表性输出验证或与替代方案的成本效益比较。

6证据核验4 / 10 · 2.0/5

仓库中存在CI工作流和测试脚本,但技能本身未包含可复现的测试证据或第三方执行结果。扣分原因:缺乏针对该技能关键路径的独立验证。

证据充分度: 评估于 2026年8月7日 审查版本 4e3771b44d4f
上游仓库在本次评估后已有新提交;当前评分仍对应所示审查版本,可能尚未覆盖最新改动。
使用前请注意
  • 技能文档未提供敏感数据处理细节,建议审视实际实现中API密钥和OAuth凭据的存储与加密方式。
  • 缺少回滚方案,若添加提供商时出现问题,应确保能恢复到先前状态。
  • 未提及非适用场景,用户可能误用技能处理不支持的提供商类型。
  • 文档无版本和变更记录,维护责任不明确,建议确认更新渠道。
查看完整评分方法 →

这个 Skill 能做什么,适合哪些场景?

该技能用于指导开发者向 DeepChat 代码库添加新的大语言模型提供商。它要求先收集提供商标识、API 类型、认证方式、模型元数据等输入,然后根据 API 兼容性将请求分类到三条受支持路径之一:OpenAI 兼容 API、现有原生传输(如 Anthropic、Gemini)或特供提供商实现。技能全程强调遵循现有架构,避免运行时清单、自动 SDK 安装等反模式,并强制要求编写测试和运行格式化、国际化、lint 命令。由于该技能旨在修改 DeepChat 源码,因此适用于参与该仓库开发的开发者或集成新提供商的贡献者。

该技能定义了一个为 DeepChat 添加新 LLM 提供商的工作流程。它首先读取现有的提供商文件(如 defaults.ts、providerRegistry.ts、providerFactory.ts 等)以理解当前架构,然后根据 API 兼容性将请求分类为:OpenAI 兼容 API、现有原生传输(Anthropic/Gemini/Vertex/Azure/Bedrock/Ollama/ACP)或需要自定义实现的特供提供商。根据分类,它指示修改相应的源文件,包括 provider 注册、模型目录映射、认证处理等。随后要求添加或更新测试以验证提供商创建、认证和模型发现,并运行 pnpm format、pnpm i18n、pnpm lint 及聚焦的测试。最后报告变更文件、凭据存储方式、模型元数据源和验证命令。

  1. 正在为 DeepChat 仓库添加新 LLM 提供商(如新的 OpenAI 兼容端点)的开发者。
  2. 需要为内部 OpenAI 兼容服务扩展 DeepChat 的贡献者,希望遵循项目架构。
  3. 需要为特殊 API 行为(如独特认证流程)添加适配器的维护者。
  4. 需要为已有原生传输(如 AWS Bedrock)添加提供商集成,但仅需注册和映射的开发者。
  5. 希望了解如何为自定义模型添加提供商支持,并确保测试覆盖的贡献者。

这个 Skill 有哪些优点和局限?

优点
  • 强制遵循现有架构,避免引入运行时清单等反模式。
  • 提供了清晰的分类路径(OpenAI 兼容、原生传输、特供提供商),简化决策。
  • 强调添加测试和运行 lint/format,确保代码质量。
  • 要求报告变更文件、凭据存储位置和验证命令,提高了可审计性。
  • 与 DeepChat 现有提供商架构紧密集成,适合贡献者使用。
局限
  • 仅适用于 DeepChat 仓库内部,通用性有限。
  • 需要了解 DeepChat 的源码结构和提供商架构,初学者上手较难。
  • 未提供具体的代码示例,抽象程度较高。
  • 未提及对非代码用户的适用性,仅面向开发者。
  • 未说明跨平台测试情况。

如何安装这个 Skill?

该技能是 DeepChat 仓库的一部分(位于 .agents/skills/add-provider/SKILL.md)。要使用它,请克隆 DeepChat 仓库并安装依赖:git clone https://github.com/ThinkInAIXYZ/deepchat && cd deepchat && pnpm install && pnpm run installRuntime。技能本身无需单独安装。

如何使用这个 Skill?

当被要求向 DeepChat 添加提供商时,可提示:'使用 add-provider 技能为 <ProviderName> 添加提供商支持。' 技能将引导你收集所需输入(提供商 ID、显示名称、API 类型、基础 URL、认证类型、模型元数据源、测试模型、网站/文档 URL 等),然后按工作流程执行:阅读相关规范文档,检查当前提供商文件,分类请求,进行最小化源码变更,添加测试,并运行验证命令(pnpm format、pnpm i18n、pnpm lint 及聚焦测试)。

常见问题

该技能需要哪些前置条件?
需要能访问 DeepChat 仓库,并具备 Node.js/pnpm 环境。同时需了解 LLM API 的基本概念和项目结构。
该技能是否适用于非 OpenAI 兼容的提供商?
适用。技能提供了'现有原生传输'和'特供提供商'路径,可处理 Anthropic、Gemini 等非 OpenAI 兼容的传输。
该技能是否会自动修改代码?
否,技能仅提供指导和规则,实际修改由开发者执行。它强调'最小的显式源码变更',并要求手动运行测试和格式化命令。
该技能是否支持添加任意提供商?
只要能够收集到所需输入,技能允许添加任何提供商。但若无法安全识别路径,技能会拒绝请求。

同仓库的其他 Skills

均来自 ThinkInAIXYZ/deepchat

相关 Skills