litellm-config/merge-auto-consume.md

火山免费额度自动消耗：auto_consume 合入 volc_limit_sync 设计方案

日期：2026-08-11 背景：/root/workspace/huoshan-api-auto_consume/（自动消耗脚本）与 /root/workspace/litellm-config/（LiteLLM 限流回调 + 火山余额同步）合并，使每日 23:00 自动消耗免费额度，防止资源包过期蒸发，避免真实扣费。 前置文档：《merge-volc-limit-into-newapi.md》（2026-08-05，方向相反：把 volc_limit_sync 功能迁往 new-api，未实施）。

---

一、火山免费额度业务模型（一切设计的事实基础）

1.1 日返还循环

每天任意时刻    真实用户 + 消耗任务 的消耗 = 当日采集量（火山实时统计，每模型单独计算）
每天 23:00 CST  消耗任务补齐缺口（可选，见 §4）
次日 00:00 起   火山按昨日采集量发放资源包（不定时，可能延迟到上午）

1.2 五个硬规则（用户确认）

规则	值	影响
采集上限	2M token/模型/天	消耗超过 2M 的部分不返还（白烧）；所有模型统一
发放额度	= 昨日采集量（≤2M）	消耗 X → 次日返还 X，用多少补多少，延迟一天到账
发放时间	不定时	次日 0:00 至发放时点存在余额空窗
资源包有效期	30 天	过期额度实打实消失，失去"启动资金"
消耗顺序	FIFO（先消耗获得时间早的包）	队列头部 = 最早获得 = 最早过期（效期统一 30 天时两者等价）
余额耗尽	请求不失败，按真实价格扣费	全部防护的终极目标：避免扣费
首次开通	每模型赠送 2M	启动资金的种子（无对应前日采集的免费午餐）

1.3 关键账目：启动资金守恒

余额_{N+1} = 余额_N − 消耗_N + 返还_{N+1}
           = 余额_N − 消耗_N + 采集_N
           = 余额_N                    （消耗即采集，≤2M 内全额返还）

推论：

• 使用不损失额度（用多少补多少，仅延迟一天）
• 过期才损失额度（额度蒸发 = 启动资金永久减少）
• 消耗任务的价值 = 防止"启动资金"被 30 天过期侵蚀，把额度滚成新包永续循环
• 真实用量 ≥ 66.7k/天（= 2M/30 天）时，赠送包被自然消耗，脚本自动闲置；低于此值必须靠脚本在最后 9 天窗口洗掉

1.4 扣费风险链（限流系统的真正职责）

免费额度耗尽（余额 = 0） → 继续请求 → 真实扣费

触发扣费的两种路径：

1. 真实用户单日用量 > 当日可用余额（含空窗期 0:00–发放时点余额不足）
2. 消耗任务烧穿余额（脚本自身引入的扣费，必须结构性杜绝）

---

二、两项目现状与合并可行性

2.1 当前项目 volc_limit_sync.py（1536 行，LiteLLM 回调 + 常驻守护）

能力	实现
火山余额同步	SigV4 签名调 ListResourcePackages（Status: Effective 过滤 + seen_tokens 防分页死循环），normalize_volc_name 归一化，按监控模型聚合
动态限额	Peak-Buffer：PeakPool = 当日用量 + 余额；stable_limit = PeakPool − 15% margin（下限 25w）；与静态 HARD_DAILY_LIMITS 取小得 effective_limit
当日用量计数	LiteLLM 成功回调 INCRBY total_tokens → Redis daily_usage:{北京日期}:{model}:{api_base_hash}，北京时间 00:00 滚动，TTL 2 天
超限停用/恢复	soft_evict_from_router 重命名软踢；北京时间 7–13 点每 30 分钟、其余 4 小时检查恢复；startup_audit 启动预踢
模型发现	解析 config.yaml 中 volcengine/ 前缀 + HUOSHAN_BASE_URL 条目 → MONITORED_MODEL_PAIRS；版本号自动推导别名 + MANUAL_MONITORED_MODEL_ALIASES 手工覆盖

2.2 目标项目 huoshan-api-auto_consume/（420 行 + 4 辅助）

能力	实现
语料	/var/log 系统日志分组 + 脱敏（IP/MAC/邮箱/路径）+ 不足时合成日志
计划	calculate_plan：9 天窗口内包 remaining/ceil(days_left)×1.1，最后 24h 冲刺全量，多包相加
执行	直连 Ark API（ark.cn-beijing.volces.com/api/v3/chat/completions），速率伪装（15–40s 随机），指数退避，6h 上限，连续失败 5 次跳过
配置	config.py：MONITOR_TARGETS（id/keyword/alias/extra_params）

2.3 可复用资产与冲突点

重叠（合并即消除重复）：

• SigV4 签名（volc_signer.py ≈ get_signed_headers）——同一账户同一组 AK/SK
• fetch_all_packages（目标版缺 seen_tokens 防循环保护，保留当前版）
• 资源包→模型映射（当前版 normalize_volc_name + 别名体系更健壮，目标版 keyword 模糊匹配退役）

关键事实：模型配置天然单一化。config.yaml 的 volcengine 上游模型名（剥掉 volcengine/ 前缀）就是 Ark endpoint id，与 MONITOR_TARGETS 的 id 一一对应（deepseek-v4-flash 的 -ga-260731 vs -0731 差异已由 MANUAL_MONITORED_MODEL_ALIASES 覆盖）→ MONITOR_TARGETS 退役，消耗任务直接由 config.yaml 驱动。

冲突点与解法：

1. 限额 vs 消耗：消耗请求必须直连 Ark，绝不改走 LiteLLM（否则被 quota_interceptor 拦下自杀）
2. 消耗量必须计入 daily_usage（手动 INCR 同 key）——空窗期防扣费闭环的关键，见 §5.3
3. 脚本自身不能烧穿余额（结构性防扣费，见 §4.4）

---

三、消耗策略设计

3.1 为什么不做"烧满 2M"

API 请求的 token 消耗不可精确控制（输入按字符估算、输出不确定）。若目标 = 补满 2M：

• 烧超采集上限的部分不返还 → 白烧
• 烧到余额 0 仍继续 → 直接扣费
• 精确校准需要逐请求调整 → 复杂度不可接受

3.2 目标：洗掉"即将过期的额度"（过期风险驱动）

消耗量 = Σ(该模型 ExpiryTime − now ≤ MONITOR_DAYS 的资源包剩余额度)

• 消耗量 ≤ 快过期包剩余 ≤ 当前可用余额 → 结构上不可能烧穿余额（估算偏差只决定多烧/少烧几笔请求，多烧部分来自非过期包，次日照常返还，无害）
• FIFO 先烧最早获得 = 最早过期的包 → 脚本烧的恰好是最该洗的包，顺序自动正确
• 不追求 2M 精确值 → 无校准问题

3.3 均分逻辑（保留旧 calculate_plan，经真实使用验证）

对每个 9 天窗口内的包：
    days_left ≤ 1.0 → plan = remaining                      # 24h 冲刺，全量兜底
    days_left > 1.0 → plan = remaining / ceil(days_left) × 1.1   # 均分 + 10% 提前量
总 plan = Σ(各包 plan)

为什么均分优于一次性洗光（在新模型下）：

1. 最小干扰真实用户：只在额度即将死亡（进窗口）后才每天接管 1/D，其余留给真实用户 → 免费额度利用率最大化，空窗风险最小
2. 请求负载分摊：每天 3–5 次请求（而非 25–40 次），速率伪装自然，风控友好
3. 余额下降平缓：23:00 后余额仍保留大部分 → 扣费只发生在余额真正归零时，均分下脚本几乎不可能制造归零
4. FIFO 自动一致：效期统一 30 天 → 获得早 = 过期早 → 队列头部 = 窗口内包，计划与执行不打架（分包明细仅用于定总量）

与日返还循环的契合：旧脚本本就是"每天跑一次、分 D 天烧完"的设计；自动化后每天重算（余额/天数变化 → div 递减 → 当日份额递增），节奏天然吻合。9 天窗口 + 1.1 系数 + 24h 冲刺：只要每天触发成功，任何进窗口的包都赶在过期前清空。

3.4 三个约束（旧逻辑缺失，必须补）

plan = min(plan, 2M − daily_usage)                          # 采集上限：超出不返还，白烧
plan = min(plan, 余额快照 − 本次会话已烧 − BUFFER)             # 防扣费：脚本不烧穿余额

执行停止条件（每轮请求后检查，3 条闭环）：

daily_usage ≥ 2M                     → 停（采集上限，再烧不返还）
余额快照 − 本次已烧 ≤ 0               → 停（防扣费）
本次已烧 ≥ plan                       → 停（任务完成）

3.5 消耗量估算

• 单次请求：输入 3–5.5 万字符 ≈ 5–11 万 token（中文 1 字 ≈ 1–2 token）+ 输出 ~1000
• 极值 2M / 8 万 ≈ 25 次请求 → 15–40s 间隔 ≈ 10–17 分钟，1 小时窗口绰绰有余
• 均分模式每天 3–5 次请求，更宽松

3.6 触发调度

• 北京时间 23:00 ± 随机抖动（防固定时间被风控识别），Redis consume:last_run:{日期} 去重，当天未跑过才触发
• 守护线程（active_monitor_loop 已有主循环）检测时点 → spawn daemon 线程执行，不阻塞主循环
• 23:00 的时点语义：距 00:00 采集结算 1 小时，此时窗口内包状态已定（真实用户当天用量已发生），洗包目标最准

---

四、限额设计（防扣费）——v2 简化逻辑

4.1 为什么废弃 Peak-Buffer 峰值状态机（存量场景产物）

旧逻辑 stable_limit = PeakPool × 0.85（PeakPool = usage + balance，首锁/门控重锁/DROP 状态机维护）有两个问题：

1. 比例 margin 在 usage 接近 balance 时数学失效（致命）：
   • u=0.5b 时限额允许再烧 0.775b，实际余额只剩 0.5b（超 55%）
   • u=0.8b 时允许再烧 0.73b，实际只剩 0.2b（超 3.6 倍）→ 烧穿扣费
   • 存量场景没爆是因为 usage 远小于 balance；新模型"返还 = 消耗"使 usage 天天逼近 balance → 必炸
2. 峰值状态机防的是旧 bug（存量包余额只减不增时，滞后虚高把 PeakPool 漂移、限额越算越多 399,836 → 599,511）。新模型 balance 每天真实跳涨（返还），锁峰值会把真实发放当异常压住——跟随现值即可，状态机删除

4.1b 1.7M/1.8M 保守值的来历：post-hoc 滞后时代的遗产

旧拦截机制是"请求成功后记账 + 踢模型"（log_success_event），超限请求本身已放行，存在"滞后一个请求"的漏网量。因此限额必须打折留安全垫：HARD_DAILY_LIMITS 默认 1.8M（2M 打 9 折）、stable_limit 打 8.5 折（≈1.7M 效应）。

现状已改为请求前闸门：async_pre_call_hook → _check_request_block（429 拒绝，不进 router，不触发 retries/fallback）——主拦截不再滞后，"滞后一个请求"的折扣失去存在必要。新公式精确到 2M；BUFFER 30 万保留，但它防的是余额统计滞后（实测 20 万内不动，固定量非比例），与请求滞后无关。

4.2 新公式

effective_limit = min(HARD_DAILY_LIMITS, max(0, usage + balance − BUFFER))
HARD_DAILY_LIMITS → 统一 2M（采集上限；doubao-seed-code-preview-251028 480 万遗留一并改为 2M）

usage + balance = 当日初始可用池，天然稳定：

• 消耗中：usage ↑ / balance ↓ → 池恒定 → 限额恒定 ✓
• 返还：balance 跳涨 → 池涨 → 限额次日自动解锁（无需 RECHARGE）✓
• 过期：balance 跳跌 → 池跌 → 限额收紧（无需 DROP）✓
• 余额滞后（实测 20 万内不动）：池虚高 ≤ 20 万 → BUFFER 30 万覆盖 ✓
• 消耗任务 23:00 烧（usage 计入）：池不变 → 滞后窗口内限额偏松 ≤ BUFFER ✓
• 余额耗尽：池 − 30 万 ≤ 0 → 限额 0 → 全拦，扣费结构性杜绝 ✓

与消耗任务同构：限额放行条件 = balance − BUFFER ≥ 0；消耗任务停止条件 = 余额快照 − 已烧 ≤ 0——同一把尺子。

4.3 简化后保留/删除清单

保留	删除（~100 行）
同步频率控制（驱动改为 balance，余额越低同步越勤）	volc:peak_pool:* 状态机
remaining = balance − BUFFER 写入	RECHARGE / DROP / 首锁 / 门控重锁分支
软踢 / 恢复 / 审计 / pre-block / usage 记账	volc:last_seen_pool / volc:last_balance
get_usage_key 北京时间滚动	stable_limit 改直接写 max(0, usage + balance − BUFFER)

4.4 空窗期防扣费闭环（消耗量计入 daily_usage 的理由）

23:00 消耗任务把额度洗掉后余额可能很低，此时真实用户请求必须被拦。拦截依据 = daily_usage vs effective_limit：

• 若消耗量不计入 daily_usage：限额看到"真实用户才用 100k，未超限" → 放行 → 扣费
• 若计入：daily_usage ≈ 真实 + 消耗任务 ≈ 2M → 超限拦截 → 空窗期安全

同步线程检测 balance 归零 → limit 收紧有 2–60min 滞后；消耗量计入让拦截在滞后窗口内也有效，双保险。

4.3 限额与消耗共用数据、方向相反

数据	限额（拦真实用户）	消耗任务（洗过期额度）
daily_usage	超限踢出	停止条件（≥2M 停）
remaining（余额−缓冲）	限额收紧	防烧穿上限
stable_limit	effective_limit 组成	不适用（直连旁路）

---

五、架构与实现

5.1 代码形态

litellm-config/
├── volc_limit_sync.py      # 现状：签名/拉取/归一化/限额/守护线程
│                            # 新增：23:00 调度钩子（检测时点 + spawn 消耗线程 + 去重）
├── volc_consume.py         # 新增：消耗任务（从 auto_consume 移植 + 改造）
│   ├── load_base_logs / generate_dynamic_payload / _sanitize_line   # 原样
│   ├── calculate_plan                                              # 保留 + 两个 clamp
│   ├── run_stealthy_consume                                        # 保留（停止条件 + 手动 INCR）
│   └── consume_once(model)                                         # 新封装：查缺口 → 执行 → 记账
├── config.yaml             # 模型入口不变（消耗任务读同一份监控发现）
└── .env                    # 密钥统一走 env（HUOSHAN_API_KEY 即 Ark key）

请求直连 Ark（HUOSHAN_API_KEY），复用 MONITORED_MODEL_PAIRS / MONITORED_MODEL_ALIASES / fetch_all_packages / 签名。MONITOR_TARGETS 与 config.py 不再需要。

5.2 Redis key 一览

key	读写方	说明
daily_usage:{日期}:{model}:{hash}	LiteLLM 回调 INCR + 消耗任务 INCR	当日用量，TTL 2 天
limit:dynamic:volcengine:remaining:{model}	守护线程写	余额 − BUFFER
limit:dynamic:volcengine:stable_limit:{model}	守护线程写	稳定限额
volc:peak_pool:{日期}:{model}	守护线程	当日峰池
consume:last_run:{日期}	消耗任务	当日去重，新增

5.3 消耗任务执行流程

23:00 触发（守护线程）
 → consume:last_run:{今天} 已存在？ → 跳过
 → 遍历 MONITORED_MODELS（config.yaml 发现的 volcengine 模型）
     → fetch_all_packages（复用）→ 按模型过滤窗口内包
     → plan = calculate_plan 结果，应用两个 clamp
     → plan > 阈值(如 5 万)？
         → 读 remaining 快照 → spawn 消耗线程
             → 循环：生成语料 payload → 直连 Ark（速率伪装/退避/6h 上限）
             → 成功 → INCR daily_usage；每轮检查 3 停止条件
             → 失败 > 5 次 → 跳过该模型
 → 写 consume:last_run:{今天}

5.4 代码资产迁移清单

资产	来源	处理
签名 / fetch_all_packages / 归一化 / 模型发现	volc_limit_sync	原样复用
calculate_plan（9 天窗口/均分×1.1/冲刺/相加）	auto_consume	保留，加 2 个 clamp
语料生成/脱敏/合成	auto_consume	原样移植
速率伪装/退避/失败上限/6h 上限	auto_consume	原样移植
_record_usage 的 key 计算（get_usage_key）	volc_limit_sync	消耗任务复用做 INCR
调度钩子	新增	守护线程 23:00 检测 + 去重

---

六、风险与边界（已确认/已知）

项	结论
空窗期（0:00–次日发放不定时）	用户确认可接受；均分策略使空窗概率最小化（余额平缓下降）
烧满 2M 的精确性	放弃该策略，改为过期风险驱动，结构性规避
物理上限	窗口内快过期额度 > 2M 时每天最多洗 2M，极少数过期蒸发不可避（返还上限硬约束）
触发连续性	依赖每天 23:00 成功；连续失败 ~8 天耗尽窗口缓冲（冲刺兜底），守护线程常驻风险低
风控	23:00 ± 抖动 + 15–40s 随机间隔 + 每天 3–5 次请求，接近真实行为
容器语料	LiteLLM 容器内无 /var/log 系统日志 → 合成语料兜底（5000 行够用）
消耗任务自身扣费	结构性杜绝：plan ≤ 余额快照 − 缓冲，且每轮检查余额

---

七、待确认事项

1. MONITOR_DAYS 沿用 9 天（推荐：每天触发 + 冲刺兜底下足够，且与旧逻辑一致）
2. 实现落点：拆 volc_consume.py 模块（推荐，单文件将超 2000 行）还是严格并入 volc_limit_sync.py
3. 消耗触发阈值（plan 小于多少跳过）：建议 5 万 token，避免无谓请求
4. 消耗任务与真实用户的额度优先级：均分策略已隐含"真实用户优先"，无需额外开关

---

八、实施步骤（确认后执行）

1. 移植 auto_consume.py 的语料/执行逻辑到 volc_consume.py，请求层改为直连 Ark（env key）
2. calculate_plan 加两个 clamp + 停止条件；执行循环加 daily_usage INCR 与余额检查
3. volc_limit_sync.py 守护线程加 23:00 调度钩子 + consume:last_run 去重
4. HARD_DAILY_LIMITS 统一为 2M；MONITOR_TARGETS/config.py 退役
5. 用 test_connection.py 等价方式验证 Ark 连通 → 手动触发一次消耗任务（dry-run 模式验证 plan 计算与 clamp）→ 观察 Redis key 变化
6. 全量回归：守护线程限额逻辑不受影响（消耗线程独立 daemon）