西蒙把5個AI模型塞進1個開關，開發者集體破防

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

數據清洗用GPT-5.4-nano，SQL糾錯換Sonnet 4.6。過去這種切換要寫死代碼，現在一行配置搞定。威利森在發布帖里打了個比方：「就像給每個AI任務配了專屬插座，管理員只看面板就知道哪條線插在哪。」

插件架構的「翻譯層」邏輯

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

威利森埋了個鉤子叫register_llm_purposes()。插件開發者注冊自己的用途字符串后，后續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。

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

為什么現在才做

datasette本身是個探索SQLite數據庫的工具，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。但威利森的發布時間值得玩味——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，來證明「抽象層」的必要性。

付費訂閱的反向操作

發布帖底部掛著威利森的贊助鏈接：每月10美元，獲得「當月最重要的LLM進展精選郵件」。他的slogan是「Pay me to send you less」——花錢讓我少發點。

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

0.1a1的文檔里沒提多租戶場景。如果你的團隊有10個數據集，每個想配不同的模型組合——這個配置面板，威利森留給了社區補完。