Simon Willison 1行代碼讓10個AI插件"自動排隊

Datasette 生態最近打了個補丁，解決了一個產品經理都懂的老毛?。好總€插件都想調大模型，但沒人管它們該用哪個。

這相當于給10個部門配了10臺打印機，卻沒人指定哪臺打合同、哪臺打草稿。

0.1a1 版本干了什么

核心就一件事：給模型調用加了"目的"（purpose）標簽。插件開發者現在可以寫 llm.model(purpose="enrichment")，而不是硬編碼 GPT-4 或 Claude 的型號。

配置層統一收口。你在一個地方寫死規則："數據清洗用 GPT-5.4-nano，SQL 糾錯用 Sonnet 4.6"，所有插件自動照辦。

新鉤子 register_llm_purposes() 讓插件能主動申報自己的用途。未來做個管理后臺，拉清單、分配模型、看流量，都有了數據基礎。

為什么這設計"很 Simon"

Simon Willison 的個人項目有個共同特征：先解決自己的癢點，再抽象成通用層。Datasette 本身是他在《衛報》做數據新聞時的工具沉淀，LLM 插件同理。

這次更新沒追任何新模型，而是處理"多插件協作時的配置地獄"。換句話說，他在給 AI 時代的微服務架構預演一套服務發現機制。

鉤子設計尤其值得細品。讓插件注冊用途，等于把"聲明式配置"提前到開發階段，而不是運維階段再去對賬。

對開發者的實際影響

如果你在用 datasette-enrichments-llm 做數據增強，現在可以無痛切換底層模型，不用改業務代碼。成本敏感場景切輕量模型，精度敏感場景切大模型，一行配置的事。

更隱蔽的收益是審計。當所有調用都帶 purpose 標簽，賬單拆解、異常追蹤、A/B 測試都有了抓手。

Willison 在發布頁放了贊助鏈接：10 美元/月，換他幫你篩選當月最重要的 LLM 進展。"Pay me to send you less"——這 slogan 本身就像個 purpose 標簽，精準過濾噪音。

下一個會跟進這種"目的驅動"設計的是數據庫工具，還是爬蟲框架？