一個Python插件，讓5個AI模型在同一個系統(tǒng)里各司其職——這不是概念驗(yàn)證，是西蒙·威利森（Simon Willison）3月25日放出的datasette-llm 0.1a1。

數(shù)據(jù)清洗用GPT-5.4-nano，SQL糾錯換Sonnet 4.6。過去這種切換要寫死代碼，現(xiàn)在一行配置搞定。威利森在發(fā)布帖里打了個比方：「就像給每個AI任務(wù)配了專屬插座，管理員只看面板就知道哪條線插在哪?！?/p>

插件架構(gòu)的「翻譯層」邏輯

datasette-llm的核心是個中間層。其他插件調(diào)用時(shí)不再直接指定模型，而是聲明用途（purpose），比如enrichment或query-assistance。系統(tǒng)根據(jù)配置表自動路由。

威利森埋了個鉤子叫register_llm_purposes()。插件開發(fā)者注冊自己的用途字符串后，后續(xù)工具能一次性拉取全量列表——這對想做可視化配置面板的人來說，省掉了一半的臟活。

一個細(xì)節(jié)：用途字符串是明文約定的，沒有強(qiáng)制校驗(yàn)。威利森選擇相信開發(fā)者不會把enrichment拼成enrichmant——或者說，拼錯了就讓它默默失敗，這是Python社區(qū)的典型做派。

為什么現(xiàn)在才做

datasette本身是個探索SQLite數(shù)據(jù)庫的工具，去年開始密集接入LLM。問題是每個插件各自為政：A插件硬編碼了GPT-4，B插件死磕Claude，用戶想統(tǒng)一換模型得改多處配置。

0.1a1的版本號說明這仍是早期測試。但威利森的發(fā)布時(shí)間值得玩味——就在GPT-5.4系列模型泄露后的第4天。他顯然在等一個足夠混亂的模型生態(tài)，來證明「抽象層」的必要性。

付費(fèi)訂閱的反向操作

發(fā)布帖底部掛著威利森的贊助鏈接：每月10美元，獲得「當(dāng)月最重要的LLM進(jìn)展精選郵件」。他的slogan是「Pay me to send you less」——花錢讓我少發(fā)點(diǎn)。

這個冷笑話和他做插件的思路一致：信息過載時(shí)代，篩選比堆砌值錢。datasette-llm干的也是這事，只不過對象是模型調(diào)用而非郵件。

0.1a1的文檔里沒提多租戶場景。如果你的團(tuán)隊(duì)有10個數(shù)據(jù)集，每個想配不同的模型組合——這個配置面板，威利森留給了社區(qū)補(bǔ)完。