第35章：自定义 LLM、Embedding 与向量存储适配器

版本：LlamaIndex 0.12.x
定位：把企业内部基础设施接入 LlamaIndex
源码关联：llama_index.core.llms、llama_index.core.embeddings、llama_index.core.vector_stores

1. 项目背景

某大型企业的 AI 平台团队面临一个"三明治困境"：上层是业务方强烈要求用 LlamaIndex 快速搭建 RAG 应用，底层是公司已有的基础设施——自建模型网关（统一鉴权、限流、审计）和自研向量数据库。在中间层的团队发现，LlamaIndex 官方 LLM 类（OpenAI、Anthropic 等）直接向公网 API 发请求，绕过了公司网关的审计链路；官方的 VectorStore 集成列表里也没有他们自研的向量库。基础设施组的态度很明确：“任何 AI 应用必须通过网关调用模型，不允许直连外部 API——这是安全红线。”

不做适配的后果是三重困境：

(1) 技术栈不兼容。公司的模型网关使用自定义鉴权 Header——X-Gateway-Token和X-Department-ID，响应格式也与 OpenAI 的choices[0].message.content不同，而是data.reply.text。官方 LLM 类直接构造 OpenAI 格式的请求体，无法适配这套私有协议。同理