RAGFlow 系列教程 第十课：LLM 抽象层 -- 统一模型接口

系列: RAGFlow v0.25.0 源码深度解析
作者: 耿雨飞
前置知识: 已完成第九课"文档解析器层 – 多模态文档处理实战"的学习

导读

在前面的课程中，我们多次看到 RAGFlow 调用各种大模型完成任务：VLM 做图像理解、Embedding 模型做向量化、Rerank 模型做结果重排序、Chat 模型做对话生成。但这些模型来自几十家不同的供应商（OpenAI、Azure、通义千问、智谱、DeepSeek、Ollama、LiteLLM……），每家的 API 格式、认证方式、错误码各不相同。RAGFlow 是如何用一套统一的接口屏蔽这些差异的？

答案就在rag/llm/目录——RAGFlow 的LLM 抽象层。这个目录仅 8 个文件，却实现了对38+ Chat 模型供应商、20+ Embedding 供应商、15+ Rerank 供应商、12+ 语音转文字供应商、14+ 文字转语音供应商的统一接入。其核心设计是：工厂模式动态注册 + 双后端（OpenAI SDK 直连 / LiteLLM 统一路由）架构。

本课将深入这套抽象层的每一个核心设计，从工厂注册机制、到 Chat 模型的错误重试与函数调用、再到 Embedding / Rerank / Seq2txt /