xingxing/llm-intelligence
1
0
Fork 0
forked from niuniu/llm-intelligence
Code Pull Requests Activity
Files
9c9a520530980398ca3627836e40f01a0469429a
llm-intelligence/PRD.md

6.1 KiB
Raw Blame History

LLM Intelligence Hub — 产品需求文档 v0.1

文档版本：v0.1 日期：2026-05-03 负责人：宰相（AI 辅助） 状态：初稿，征询中

一、产品概述

1.1 背景与问题

背景：

  • 大模型（LLM）市场竞争激烈，OpenAI/Anthropic/Google/DeepSeek/Meta 等提供商持续发布新版本、调整定价和免费政策
  • 「立交桥」项目需要在多个 AI Agent 间做模型决策，需要实时掌握各模型的能力、定价、免费额度、区域限制等信息
  • 现有信息分散在多个平台（OpenRouter、Anthropic 官网、Google AI Studio、GitHub 等），缺乏统一聚合视图

核心问题：

  1. 模型信息分散，更新不及时
  2. 免费政策区域差异大，难以获取完整信息
  3. 定价随版本快速变化，人工维护成本高
  4. 缺乏一个可持续积累的 LLM 知识库

1.2 目标

建设一个可持续运营的 LLM 情报中心：

  • 自动采集 + 人工补充，持续追踪 20+ 提供商的模型动态
  • 建立结构化 LLM 数据库（定价/能力/政策/评测）
  • 每日自动生成可视化报告（Web 页面）
  • 支持按场景（编码/写作/推理/免费）筛选最优模型

1.3 成功指标

指标 目标值
模型覆盖率 20+ 提供商，500+ 模型
信息更新频率 每日增量更新
报告生成 每日 08:00 自动生成
Web 可访问性 内网可访问，支持导出 PDF

二、功能需求

2.1 核心功能（Must Have）

F1：模型数据库

  • 字段：模型名称、提供商、版本、API ID、输入价格、输出价格、上下文窗口、Capabilities（Vision/Tools/JSON等）、免费标记、免费额度、区域限制、更新时间
  • 来源：OpenRouter API（724模型）、Anthropic/Google 官方文档、GitHub 模型列表
  • 更新策略：每日增量同步 + 人工校正

F2：免费政策追踪

  • 内容：各提供商免费模型列表、免费额度说明、限流规则、区域限制
  • 特殊标记：限时免费、试用政策、新用户优惠

F3：区域定价追踪

  • 内容：同一模型在不同区域的定价差异（如中国区 vs 全球区）
  • 货币支持：USD/CNY/EUR 汇率换算

F4：每日报告生成

  • 格式：Web 页面（HTML）+ PDF 导出
  • 内容：
    • 今日新上线/更新模型
    • 价格变动提醒
    • 免费政策变更
    • 热门模型 TOP 10 推荐（按场景）
    • 成本优化建议

F5：搜索与筛选

  • 筛选维度：提供商、免费/付费、场景（编码/写作/推理）、价格区间、上下文长度
  • 搜索：模型名称、提供商、特性关键词

2.2 进阶功能（Should Have）

F6：价格对比计算器

  • 输入 Token 数量 → 输出各提供商成本对比
  • 按月成本估算

F7：模型评测排行榜

  • 聚合 MMLU / HumanEval / GSM8K / MATH 等基准评测数据
  • 按场景排名（编码/推理/写作/免费）

F8：告警系统

  • 价格变动 > 10% 触发告警
  • 新模型上线通知
  • 免费额度变更通知

F9：API 接口

  • 提供 JSON API 供其他系统集成
  • 支持 AI Agent 查询最优模型

2.3 未来功能（Nice to Have）

F10：竞品追踪

  • 追踪各提供商市场份额、融资动态、战略动向

F11：多语言界面

  • 中文 / 英文双语界面

三、非功能需求

3.1 技术要求

  • 部署：内网服务器，支持 Docker 部署
  • 存储：SQLite（轻量）+ PostgreSQL（生产）
  • 数据量：预估 500+ 模型 × 50+ 字段，每日增量 10-50 条
  • 性能：报告生成 < 30 秒

3.2 运维要求

  • 自动更新：每日 08:00 cron 触发数据同步
  • 监控：失败告警、日志留存 30 天
  • 备份：数据库每日增量备份

3.3 安全要求

  • 访问控制：内网认证（如需）
  • 数据来源标注：所有数据标注来源 URL，确保可溯源

四、竞品参考

竞品 URL 核心能力 弱点
OpenRouter openrouter.ai/models 724模型实时数据，免费标记，ELO排名 无中文界面，不追踪区域定价
AIPriceIndex (GitHub) LLM 定价历史追踪 仅定价，无评测
Artificial Analysis artificialanalysis.ai 模型性能排行，成本计算 付费为主，无免费模型追踪
truefoundry/models (GitHub) 21提供商 1000+模型配置 非实时，需人工 PR 更新
Model-ID-Cheatsheet (GitHub) 107模型精确 ID 仅 API ID，无定价

五、技术方案建议

方案 A（快速启动）

  • 数据源：OpenRouter API + 官方文档爬虫
  • 存储：SQLite + 每日 CSV 导出
  • 报告：静态 HTML 页面 + GitHub Pages 托管
  • 工期：2 周 MVP

方案 B（生产级）

  • 数据源：OpenRouter + Anthropic + Google + DeepSeek 官方 API
  • 存储：PostgreSQL + TimescaleDB（时序数据）
  • 报告：Web Dashboard（React） + PDF 自动生成
  • 告警：邮件/钉钉通知
  • 工期：4-6 周

六、用户故事

# 用户 故事
U1 立立 "我每天早上看一眼报告，就知道今天该用哪个模型省钱"
U2 小龙 "我想查某个场景下最便宜的免费模型，5秒内找到"
U3 宰相 "我想让 AI Agent 能自动查询最优模型，不用每次问人"
U4 项目经审 "我想看到本周价格变动汇总，作为成本核算依据"

七、风险与依赖

风险 影响 应对
数据源 API 变更 爬虫失效 多源交叉验证，建立镜像
免费额度频繁调整 报告滞后 每日检查 + 变更告警
提供商定价策略差异化 数据结构复杂 设计灵活 schema，支持扩展字段

八、上线计划

阶段 内容 目标
Phase 0 需求确认 + 技术方案选定 1 周
Phase 1 MVP：10 提供商数据 + 静态报告 2 周
Phase 2 Web Dashboard + 告警 + 评测排行 2 周
Phase 3 API 开放 + Agent 集成 1 周
View Git Blame Copy Permalink