llmring
统一调用主流大语言模型的Python库，支持语义别名和成本跟踪。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：llmring。 它的用途是：统一调用主流大语言模型的Python库，支持语义别名和成本跟踪。 完整的 Skill 内容见：https://321skill.com/skills/llmring/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我分析一下这段系统日志，找出可能的错误原因。”，它会通过你配置的‘balanced’模型（例如Claude 3.5 Sonnet）生成分析报告。或者，在代码中，你可以用统一的`service.chat_stream`方法流式调用任何已配置的模型，并自动统计本次调用的Token消耗和估算成本。
介绍
LLMRing是一个旨在简化大语言模型集成的Python库。它解决了开发者在项目中需要对接多个LLM提供商（如OpenAI、Anthropic、Google Gemini、Ollama等）时面临的接口不统一、配置繁琐、成本难以追踪的问题。
通过提供一个统一的API接口，LLMRing让开发者可以用同一套代码调用不同厂商的模型。其核心特色是引入了“锁文件”和“语义别名”机制，开发者可以通过交互式对话或配置文件，将“fast”、“balanced”、“deep”等业务导向的别名映射到具体的底层模型，实现模型选择的抽象化。
这个库非常适合需要灵活切换模型、进行多模型对比测试、或希望将模型选择权从代码中剥离出来的开发者。无论是构建AI应用、开发智能体，还是进行模型效果评估，LLMRing都能提供一致的开发体验。
使用建议是，对于新项目或希望统一现有LLM调用逻辑的场景，可以直接引入LLMRing。需要注意，它要求Python 3.11或更高版本，并且需要开发者自行管理各厂商的API密钥。
核心特点
核心区别在于其“语义别名”和“锁文件”系统，允许开发者用业务术语（如fast/deep）而非具体模型ID来编码，并通过配置文件集中管理模型映射与回退策略，实现了模型选择的完全解耦。同时，它原生集成了MCP协议，能无缝接入外部工具生态。
注意事项
不适合需要直接、精细控制特定厂商独有API参数或使用非主流/私有化部署模型的场景。
常见问题
LLMRing支持哪些大模型？
支持OpenAI、Anthropic、Google Gemini和Ollama等主流提供商，并通过统一接口调用。
什么是锁文件？有什么好处？
锁文件是一个配置文件，它将“fast”等语义别名映射到具体的模型。好处是可以在不修改代码的情况下切换模型、设置回退策略和分享配置。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/llmring/raw/index.md 读取 llmring 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/llmring/raw/index.md（查看排版版本）