Auriko
Auriko
面向 LLM 调用场景的"交易柜台"，统一管理多模型 API 的路由、成本与性能优化。
AI 开发工具AI 基础设施API 管理LLMUsage-based
痛点分析
1. 国内外模型割裂：国内开发者常需同时调用 OpenAI、Claude（海外）和文心一言、通义千问、智谱（国内），API 格式、认证方式、计费规则各不相同 2. 成本不可控：不同模型价格波动大，缺乏实时比价和动态调度能力 3. 稳定性风险：单一供应商故障导致服务中断，缺乏自动 failover 4. 合规焦虑：海外模型调用涉及数据出境合规问题，需要灵活的路由策略
MVP 方案
第一阶段（2-4 周）
- 统一 API 格式：封装国内外主流 LLM 的调用接口
- 基础路由：按模型、按供应商的简单分发
- 用量监控：调用次数、Token 消耗、费用统计
第二阶段（1-2 个月）
- 智能调度：基于延迟、价格、可用性的自动选择
- 缓存机制：重复请求的响应缓存
- 熔断降级：供应商故障时的自动切换
获客策略
| 渠道 | 方式 |
|---|---|
| 开发者社区 | 在 V2EX、稀土掘金、GitHub 中文社区发布技术文章 |
| 开源策略 | 核心 SDK 开源，增值服务收费 |
| 企业直销 | 针对已使用多模型的 AI 创业公司定向 outreach |
| 云厂商合作 | 入驻阿里云、腾讯云市场 |
定价参考
- 免费层：每月 10 万次调用，基础路由
- Pro（¥299/月）：无限调用、智能调度、优先支持
- 企业版：私有化部署、SLA 保障、定制集成
风险与应对
| 风险 | 应对 |
|---|---|
| 云厂商自带类似功能 | 强调多云中立、更细粒度的优化能力 |
| 开源替代品竞争（如 LiteLLM） | 聚焦本土化体验、合规支持、中文服务 |
| 大模型 API 标准统一 | 转向更高阶的功能：Agent 编排、RAG 优化等 |
验证步骤
1. 需求验证：在 3-5 个 AI 开发者社群发起调研，确认痛点强度 2. MVP 验证：邀请 10-20 个团队试用核心功能，收集反馈 3. 付费验证：上线后观察免费到付费的转化率 4. 合规验证：确认数据路由策略符合中国数据安全法规