Provider Registry

一种插拔式（pluggable）LLM Provider 架构模式，通过单一数据结构（ProviderSpec 元组）集中定义所有 Provider 元数据，告别 if-elif 链。

核心思想

传统方式：

# 糟糕：每加一个 provider 改一次代码
if provider == "openai": ...
elif provider == "anthropic": ...
elif provider == "deepseek": ...

Registry 方式：

# 好：只需添加一个 ProviderSpec 数据类实例
PROVIDERS: tuple[ProviderSpec, ...] = (
    ProviderSpec(name="openai", backend="openai_compat", ...),
    ProviderSpec(name="anthropic", backend="anthropic", ...),
    ...
)

nanobot 的实现

位于 nanobot/providers/registry.py。

ProviderSpec 字段

@dataclass(frozen=True)
class ProviderSpec:
    name: str              # 配置字段名（e.g. "dashscope"）
    keywords: tuple[str]    # 模型名关键字匹配（e.g. ("qwen", "dashscope")）
    env_key: str            # API key 环境变量（e.g. "DASHSCOPE_API_KEY"）
    backend: str            # 实现后端：openai_compat | anthropic | azure_openai | openai_codex | github_copilot
    display_name: str       # status 显示名
    env_extras: tuple[...]  # 额外环境变量（如 ZHIPUAI_API_KEY）
    is_gateway: bool       # 是否为网关（路由任意模型，如 OpenRouter）
    is_local: bool         # 是否为本地部署（vLLM/Ollama）
    detect_by_key_prefix: str  # api_key 前缀匹配（e.g. "sk-or-" → OpenRouter）
    detect_by_base_keyword: str # api_base URL 关键字匹配
    default_api_base: str   # OpenAI-compatible 默认端点
    strip_model_prefix: bool # 是否去掉 "provider/model" 中的 provider 前缀
    supports_max_completion_tokens: bool
    supports_prompt_caching: bool  # Anthropic prompt caching
    model_overrides: tuple[...]   # 特定模型的参数覆盖（如 Kimi K2.5 强制 temperature=1.0）

优先级与检测顺序

PROVIDERS 元组顺序 = 匹配优先级：

custom（direct，最宽泛）
azure_openai（direct）
网关类（openrouter/aihubmix/siliconflow/volcengine/byteplus）— 按 api_key 前缀或 api_base 关键字检测
标准 Provider（anthropic/openai/deepseek/gemini/...）— 按模型名关键字检测
本地部署（vllm/ollama/ovms）
辅助类（groq/qianfan）

添加新 Provider（2步）

Step 1: nanobot/providers/registry.py — PROVIDERS 元组添加 ProviderSpec
Step 2: nanobot/config/schema.py — ProvidersConfig 添加字段

完成后：环境变量、配置匹配、status 显示均自动派生，无需额外代码。