Kredensial pada koneksi — satu kunci per koneksi, dan satu kunci di kedua ujung
Sebuah penyimpanan memori semantik yang menjangkau dua model dan menyajikan kunci yang berbeda kepada masing-masing, dikompilasi menjadi manifes Kubernetes. Penyimpanan ini membaca materi yang diserap dengan model yang di-hosting dan mengodekannya dengan server embedding yang berjalan di sampingnya di dalam kluster. Kunci yang disajikannya kepada model yang di-hosting diambil dari penyimpanan rahasia kluster. Server embedding memeriksa kuncinya sendiri, dan penyimpanan tersebut menyajikan kunci yang sama itu — kedua ujung membacanya dari satu parameter, sehingga keduanya tidak mungkin ditulis berbeda.
Workspace ini tidak menulis entitas katalog sendiri. Setiap Component, Feature, dan Recipe yang disebutkannya disertakan dalam katalog pustaka standar; berkas-berkas di sini — tiga Aggregates, satu Manifest, dan tiga Releases — adalah keseluruhan dari apa yang ditulis oleh siapa pun.
Apa yang dibangunnya
┌── extraction_model ──► llm a hosted model API │ key on the connection, fetched from a secret store memory ───┤ │ └── embedding_model ──► embeddings an embedding server that checks a key key on the connection ═══ the server's own api_key (both read one parameter)| instans | Component katalog | perannya di sini |
|---|---|---|
memory | core/datastore/cognee | pemanggil: penyimpanan memori semantik yang kedua soket modelnya masing-masing mendeklarasikan slot credential untuk kunci yang disajikannya pada koneksi tersebut |
llm | core/ai-model/openai | model yang di-host, berlabel component.aggrega.ai/hosting: managed; dijangkau sebagai referensi, sehingga tidak ada yang berjalan untuknya di dalam klaster |
embeddings | core/ai-model/tei | Text Embeddings Inference di dalam klaster, berlabel self-hosted; layanan ini mewajibkan kunci dari setiap pemanggil dan menyimpannya di slot api_key miliknya sendiri |
Tiga rilis berbagi satu Manifest, manifest.yaml, dan masing-masing memiliki Aggregate
sendiri:
| rilis | Aggregate | apa yang ditunjukkannya |
|---|---|---|
release-matched.yaml | aggregate-matched.yaml | kedua koneksi ditulis oleh pengembang, kedua ujung koneksi embedding membaca satu parameter |
release-mismatched.yaml | aggregate-mismatched.yaml | sama seperti di atas, tetapi kedua ujung membaca dua parameter: build berhasil, dan pemeriksaan konvensi memberikan saran |
release-operator-wired.yaml | aggregate-operator-wired.yaml | koneksi ekstraksi diserahkan kepada operator: Release menghubungkannya dan menamai kuncinya di infra |
Membuat contoh
Anda dapat mem-build contoh ini dengan perintah di bawah, atau meminta asisten AI Anda mem-build-nya untuk Anda.
Tulis contoh ke folder baru yang dinamai sesuai contoh itu:
aggrega scaffold --example connection-credentialsKemudian ia mencetak perintah yang dijalankan berikutnya. Perintah pertama berpindah ke folder baru:
cd connection-credentialsBuild
Bangun satu release per eksekusi:
aggrega build --release release-matched.yaml --auto-pull # → dist/matched/aggrega build --release release-mismatched.yaml --auto-pull # → dist/mismatched/aggrega build --release release-operator-wired.yaml --auto-pull # → dist/operator-wired/Setiap release menulis ke direktorinya sendiri, sehingga ketiga pohon hasil render dapat berdampingan dan dapat dibandingkan (diff) satu sama lain.
Sebuah release memerlukan lockfile-nya sebelum dibangun, dan lockfile dihasilkan alih-alih dikirimkan. Resolusikan satu terlebih dahulu, atau biarkan build mengisinya:
aggrega pull --release release-matched.yaml # resolve, then build normallyaggrega build --release release-matched.yaml --auto-pull # or resolve during the buildWorkspace meresolusikan entitasnya dari registry default yang disebut .aggrega-config.yaml, sehingga flag --catalog tidak diperlukan.
Pull mencetak:
[… omitted: a warning that the declared-sensitive origin of llm.credential reaches the target with no per-key sensitivity marking, because its realization maps it through a valuesMapping]Pull complete: release-matched.lock (entities=15, source_artifacts=0, external_inputs=0)dan build, dengan <workspace> mewakili folder contoh ini:
[… omitted: the same warning about llm.credential the pull printed] notice: LINT: Feature "core/referenced-secret" at core/referenced-secret:1.0.0 declares property "origin" in both values: and infra: pillars (path: origin)[… omitted: a total build time, which differs per run]Build completed: 8 files written to <workspace>/distDua release lainnya mencetak baris yang sama, setiap pull menyebut lockfile-nya
sendiri dan setiap build menulis delapan file. Baris notice:
membahas Feature kredensial yang digunakan setiap lampiran di sini:
core/referenced-secret menerima nama secret-nya, origin, baik dari
values milik pengembang maupun infra milik operator, dan saran tersebut melaporkan
bahwa satu leaf dideklarasikan di kedua pilar. Hal ini tidak mengubah putusan apa pun dan tidak mengubah satu byte pun
hasil render; Credential Features
menjelaskan mengapa leaf tersebut berada di keduanya.
Di mana halaman ini mencetak apa yang dihasilkan sebuah build, bloknya disalin dari eksekusi nyata — lihat Membaca keluaran di halaman-halaman ini untuk konvensi dan tanda yang digunakannya untuk baris yang dihilangkan.
Dengan asisten AI
Asisten AI yang disiapkan dengan tool Aggrega dapat melakukan hal yang sama: tempelkan prompt ini ke asisten tersebut.
Gunakan hanya alat Aggrega, dan jangan membuat folder sendiri. Jika folder ruang kerja belum berisi folder `connection-credentials`, panggil alat `scaffold` sekali dengan `example` diatur ke `connection-credentials` dan tanpa `dir`: alat ini menulis contoh ke dalam folder `connection-credentials` yang baru. Lalu panggil alat `build` sekali untuk setiap Release, dengan urutan ini — `release-matched.yaml`, `release-mismatched.yaml`, `release-operator-wired.yaml` — setiap kali dengan `workspace_root` diatur ke `connection-credentials`, `release` diatur ke file tersebut, `auto_pull` diatur ke true, dan `write` diatur ke true. Beri tahu saya file mana yang ditulis oleh setiap build; file tersebut berada di bawah `connection-credentials/dist/`.Pohon hasil render
dist/matched/helm/├── embeddings-default-service.yaml├── embeddings-headless-service.yaml├── embeddings-statefulset.yaml├── llm-service.yaml├── memory--llm-zdcredential--memory-externalsecret-memory-memory-llm-credential.yaml├── memory-default-service.yaml├── memory-headless-service.yaml└── memory-statefulset.yamlSatu file dibawa oleh sebuah attachment, bukan oleh Recipe milik komponen itu sendiri:
ExternalSecret yang mengambil kunci yang diberikan store kepada model
yang di-hosting. Nama filenya memuat komponen tempat ia dilampirkan, memory, dan
nama attachment tersebut, llm.credential, yang ditulis llm-zdcredential karena
titiknya berbagi satu string dengan nama file itu sendiri; lihat
Penamaan resource yang dirender.
Tidak ada file yang memuat kunci embedding: kunci itu berada dalam Secret yang sudah dimiliki
namespace, sebagaimana ditunjukkan bagian-bagian di bawah.
Dokumen mana yang menulis apa
- Katalog mendeklarasikan titik-titik pengikatan. Component milik penyimpan mendeklarasikan
slot
credentialpada masing-masing dari dua soket modelnya; Component milik server embedding mendeklarasikanapi_keypada dirinya sendiri; setiap Recipe menentukan variabel tempat sebuah kunci dikirimkan. - Aggregate — sang pengembang — menuliskan model mana yang dijangkau oleh penyimpan, kredensial pada setiap koneksi, kunci yang diverifikasi oleh server, dan satu parameter yang dibaca oleh kedua ujung koneksi embedding.
- Manifest — perutean milik operator untuk target ini — menentukan menjadi apa
setiap kredensial di Kubernetes: sebuah referensi ke Secret yang sudah dimiliki namespace
untuk setiap lampiran
core/referenced-secret, kecuali lampiran pada koneksi ke model yang di-hosting, yang diambil dari penyimpan secret klaster. - Release — dokumen milik operator untuk satu lingkungan — memenuhi parameter, menempatkan batas dalam sebuah namespace dan, pada rilis yang disambungkan oleh operator, menyambungkan koneksi ekstraksi serta menamai kunci yang disajikan padanya.
Satu kunci per koneksi
Store menjangkau dua model melalui dua soket yang dideklarasikan oleh entitas katalognya,
extraction_model dan embedding_model, dan setiap soket mendeklarasikan slot
credential. Jadi kunci yang disajikan store berada pada koneksi tempat kunci itu
disajikan, dan setiap koneksi membawa kuncinya sendiri. Dari
aggregate-matched.yaml:
memory: type: core/datastore/cognee values: # The width of the vectors the embedding model above returns. embedding_dimensions: 384 uses: extraction_model: llm: target: llm features: credential: # the key presented to the hosted model type: core/referenced-secret values: key: api-key origin: "{{ .parameters.provider_key_entry }}" embedding_model: embeddings: target: embeddings features: credential: # the key presented to the embedding server type: core/referenced-secret values: key: api-key origin: "{{ .parameters.embedding_key_secret }}"Attachment yang ditulis pada sebuah koneksi menjadi salah satu attachment milik store sendiri,
dinamai menurut alias koneksi, sebuah titik, dan slotnya:
llm.credential dan embeddings.credential. Berikut dua entri pertama dan
empat entri terakhir dari env kontainer store, dari
dist/matched/helm/memory-statefulset.yaml:
- name: LLM_API_KEY valueFrom: secretKeyRef: name: memory-llm.credential key: api-key- name: EMBEDDING_API_KEY valueFrom: secretKeyRef: name: embedding-server-key key: api-key[… omitted: the store's own settings, HTTP_PORT to EMBEDDING_DIMENSIONS]- name: EMBEDDING_ENDPOINT value: http://embeddings-default:8080/v1- name: EMBEDDING_MODEL value: BAAI/bge-small-en-v1.5- name: LLM_ENDPOINT value: https://api.openai.com/v1- name: LLM_MODEL value: gpt-4o-miniDua entri pertama adalah kunci, masing-masing dari kredensial pada koneksinya sendiri,
dengan variabel yang diberikan Recipe store untuk sisi tersebut — LLM_API_KEY untuk
ekstraksi, EMBEDDING_API_KEY untuk embedding. Keduanya adalah referensi, bukan
nilai, dan provider helm menulis entri yang dibacanya dari Secret sebelum
entri biasa. Empat entri terakhir berasal dari dua koneksi tersebut: setiap model
memublikasikan alamat dan nama modelnya, dan Recipe store membacanya
per soket.
Component store juga mendeklarasikan slot kunci pada dirinya sendiri, model_api_key.
Recipe-nya membaca slot itu hanya untuk soket yang tidak dihubungkan, tempat store menjangkau
sebuah provider di alamat provider itu sendiri dan tidak ada koneksi yang membawa
kunci. Kedua soket dihubungkan di sini, sehingga slot itu tidak dibaca.
Satu kunci di kedua ujung
Server embedding memeriksa sebuah kunci. Server tersebut menyimpan kunci itu dalam slot pada
Component miliknya sendiri, api_key, dan Recipe-nya mengirimkan apa pun yang mengisi slot itu sebagai
API_KEY, variabel yang dibaca Text Embeddings Inference saat startup. Dari
aggregate-matched.yaml:
embeddings: type: core/ai-model/tei values: model: BAAI/bge-small-en-v1.5 features: api_key: # the key the server verifies type: core/referenced-secret values: key: api-key origin: "{{ .parameters.embedding_key_secret }}"Itu adalah satu lampiran pada server. Kunci yang disajikan store adalah lampiran lain,
pada koneksi milik store, yang ditunjukkan di atas. Mengisi slot di satu ujung tidak mengisi apa pun di
ujung lainnya, sehingga mendeklarasikan kunci di kedua ujung adalah hal minimum, bukan
duplikasi. Yang membuat keduanya tetap satu kunci adalah bahwa keduanya membaca satu parameter,
embedding_key_secret, yang dideklarasikan oleh Aggregate dan dipenuhi oleh Release:
parameters: provider_key_entry: ai/openai-api-key embedding_key_secret: embedding-server-keyManifest mengikat core/referenced-secret ke k8s-existing-secret, yang
membaca origin sebagai nama Secret yang sudah ada di namespace dan tidak merender
apa pun. Jadi kedua ujung mereferensikan Secret yang sama itu. Dalam env kontainer
server, dari dist/matched/helm/embeddings-statefulset.yaml:
- name: API_KEY valueFrom: secretKeyRef: name: embedding-server-key key: api-keydan dalam milik store, dari dist/matched/helm/memory-statefulset.yaml:
- name: EMBEDDING_API_KEY valueFrom: secretKeyRef: name: embedding-server-key key: api-keySecret dibuat di luar Release, oleh siapa pun yang men-deploy-nya, sehingga material kunci tidak pernah melewati file yang ditulis maupun artefak hasil render.
Mengapa server tidak pernah melihat kunci para pemanggilnya
Lampiran pada sebuah koneksi hanya berlaku bagi pemanggil. Dua kredensial milik store adalah lampiran dari store: apa yang dirender darinya berada di samping store, dan kontainer store merujuknya. Tidak ada satu pun darinya yang sampai ke komponen yang dituju sebuah koneksi, sehingga sebuah target dirender sama apa pun yang dibawa oleh koneksi-koneksi yang mencapainya.
Model yang di-host menunjukkannya dengan jelas. Model ini merender satu file, sebuah Service yang memetakan
nama di dalam kluster ke host penyedia — seluruh spec dari
dist/matched/helm/llm-service.yaml:
spec: type: ExternalName externalName: api.openai.com ports: - port: 443Kunci yang diserahkan store kepadanya diambil di samping store, seperti yang ditunjukkan
bagian berikutnya. Server embedding menunjukkannya melalui perbandingan: rilis
yang tidak cocok di bawah ini mengubah kunci pada koneksi embedding milik store dan membiarkan
kunci server apa adanya, dan tiga file server di dist/mismatched/ berbeda
dari yang ada di dist/matched/ hanya pada label aggrega.ai/aggregate-name,
yang menyebutkan Aggregate yang menjadi dasar pembangunan masing-masing file.
Jadi, tidak ada satu pun dalam konfigurasi server yang menyebutkan kunci yang dipegang pemanggil. Saat berjalan, sebuah permintaan membawa kunci pemanggil dan server membandingkannya dengan kunci yang dipegangnya; pemanggil, di pihaknya, hanya membaca apa yang dipublikasikan server: sebuah alamat dan nama model.
Satu kunci per server
Text Embeddings Inference memeriksa satu kunci. Setiap pemanggil menyajikan kunci yang sama, pemanggil yang menyajikan kunci lain akan ditolak, dan server tidak dapat membedakan satu pemanggil dari pemanggil lainnya, sehingga mencabut akses satu pemanggil berarti mengganti kunci yang disajikan oleh setiap pemanggil. Berapa pun banyaknya koneksi yang menjangkaunya, slot api_key miliknya menyimpan satu kunci. Batasan itu adalah batasan server itu sendiri, dan core/ai-model/vllm serta core/ai-model/tgi dalam katalog juga memilikinya. Ini bukan batasan koneksi: pemanggil yang menjangkau beberapa server menyimpan satu kunci per koneksi, sebagaimana store di sini menyimpan dua.
Kunci satu koneksi dari penyimpanan rahasia
Manifest mengikat setiap lampiran core/referenced-secret berdasarkan tipenya, dan
salah satunya berdasarkan namanya. Dari manifest.yaml:
features: # One realization for every core/referenced-secret attachment: the Secret # already exists in the namespace, and origin is its name. type: core/referenced-secret:1.0.0: helm/k8s-existing-secret:1.0.0 # One attachment bound differently, by its name. An attachment written on # a connection is named for the connection's alias, a dot and the slot, # so the memory store's credential on its llm connection is # llm.credential. That key is fetched from the store, and origin is the # store entry to fetch. name: llm.credential: helm/k8s-external-secret:1.0.0k8s-external-secret membaca origin sebagai entri penyimpanan yang akan diambil. origin
milik koneksi tersebut adalah parameter provider_key_entry, yang dipenuhi sebagai
ai/openai-api-key, sehingga lampiran tersebut merender sebuah ExternalSecret yang
direkonsiliasi menjadi sebuah Secret oleh operator penyimpanan rahasia di dalam klaster. Seluruh spec
dari
dist/matched/helm/memory--llm-zdcredential--memory-externalsecret-memory-memory-llm-credential.yaml:
spec: refreshInterval: "1h" secretStoreRef: name: platform-secret-store kind: ClusterSecretStore target: name: memory-llm.credential creationPolicy: Owner data: - secretKey: api-key remoteRef: key: "ai/openai-api-key"Secret yang diisinya, memory-llm.credential, dinamai menurut penyimpanan dan
koneksi tersebut, dan itulah nama yang dirujuk oleh LLM_API_KEY milik penyimpanan di atas.
Realisasi tersebut membaca dari sebuah ClusterSecretStore bernama platform-secret-store.
Apa yang dibawa sebuah parameter ditentukan oleh realisasi yang membacanya: entri penyimpanan untuk kunci model yang di-host, nama sebuah Secret untuk kunci embedding. Kunci satu koneksi mendapatkan realisasinya sendiri, sementara setiap lampiran lain dengan tipe yang sama tetap memakai realisasi milik tipe tersebut.
Tempat kedua ujung me-resolve sebuah secret
Platform target me-resolve sebuah secret melalui referensi di dalam sebuah cakupan secret: batas tempat satu sumber daya dapat menyebut nama sumber daya lain. Jika kedua ujung sebuah koneksi berada dalam satu cakupan, keduanya mereferensikan satu sumber daya secret. Jika keduanya berada dalam cakupan yang berbeda, setiap ujung memiliki sumber daya secret sendiri, yang direalisasikan dari entri penyimpanan yang sama. Manifest memilih realisasi setiap ujung — berdasarkan tipe Feature untuk setiap lampiran bertipe tersebut, atau untuk satu lampiran berdasarkan namanya.
Setiap target mendefinisikan cakupan dengan istilahnya sendiri. Pada Kubernetes, yang menjadi target build workspace ini, cakupannya adalah namespace: sebuah workload hanya dapat mereferensikan Secret di namespace-nya sendiri. Setiap rilis di sini menempatkan satu batasnya dalam satu namespace,
aggrega.ai/namespace: memory, dan setiap dokumen yang dirender membawanya — bagian awal kedua StatefulSet:
metadata: name: memory namespace: memory
# dist/matched/helm/embeddings-statefulset.yamlmetadata: name: embeddings namespace: memoryJadi kedua ujung mereferensikan satu Secret di atas. Jika server embedding berada di namespace tersendiri, Manifest mengikat kredensial kedua ujung berdasarkan nama —
api_key dan embeddings.credential — ke k8s-external-secret, Release memenuhi parameter dengan entri penyimpanan, dan setiap ujung memiliki sebuah
ExternalSecret di namespace-nya sendiri, keduanya mengambil satu entri yang sama. Penyimpanan kemudian menjangkau server lintas namespace, yang dibahas dalam
cross-boundary-networking. Pada target lainnya, cakupannya adalah sebuah proyek Compose, sebuah konfigurasi root Terraform, dan sebuah stack CloudFormation; Model Kredensial
menjelaskan masing-masing.
Operator menyambungkan sebuah koneksi
aggregate-operator-wired.yaml menuliskan koneksi embedding dan membiarkan
soket extraction_model milik store tidak terikat: entitas katalog store mendeklarasikannya, dan pengembang menyerahkannya kepada operator. Release menyambungkannya ke
model ter-hosting yang dideklarasikan oleh Aggregate. Dari release-operator-wired.yaml:
memory: uses: # A connection the Aggregate does not write, into a socket the # store's catalog entity declares, to a component the Aggregate # declares. A Release writes no values, so the credential on it # names its secret in infra. extraction_model: llm: target: llm features: credential: type: core/referenced-secret infra: origin: ai/openai-api-keySebuah Release dapat menyambungkan koneksi ke soket yang dideklarasikan oleh entitas katalog dan
dibiarkan tidak terikat oleh Aggregate, ke komponen yang dideklarasikan oleh Aggregate. Release tidak menambahkan
komponen, dan tidak pernah mengubah target koneksi yang ditulis oleh Aggregate. Release tidak menulis
values, sehingga kredensial pada koneksi tersebut menamai secret-nya di infra:
core/referenced-secret mengambil origin dari values milik pengembang atau
infra milik operator, tepat salah satu dari keduanya, dan build berhenti pada
attachment yang membawa keduanya atau tidak membawa satu pun.
Attachment tersebut dinamai llm.credential persis seperti pada release yang cocok, sehingga
tingkat nama pada Manifest mengikatnya dengan cara yang sama. Selain label yang menamai
Aggregate, dua baris berbeda antara dist/operator-wired/ dan
dist/matched/. data dari ExternalSecret:
data: - secretKey: value remoteRef: key: "ai/openai-api-key"dan referensi store ke Secret yang diisinya, di
dist/operator-wired/helm/memory-statefulset.yaml:
- name: LLM_API_KEY valueFrom: secretKeyRef: name: memory-llm.credential key: valueKunci data adalah value dan bukan api-key karena key adalah leaf values,
yang hanya ditulis oleh Aggregate, sehingga attachment yang dibuat oleh Release saja
membaca nilai default Feature. Realisasi tersebut memublikasikan kunci itu dan store
membacanya dari apa yang dipublikasikan, sehingga keduanya tetap sesuai.
Model ter-hosting diberi label managed, sehingga koneksi yang menjangkaunya membawa
kredensial atau menyatakan dalam values-nya sendiri bahwa model tersebut tidak memerlukannya,
unauthenticated: true. Hal ini berlaku dokumen mana pun yang menulis koneksi tersebut.
Hapus blok features: dari koneksi Release dan build
akan berhenti. Penghentian tersebut adalah E0033, asersi yang gagal dari Component milik store, dan
pesannya diakhiri dengan kalimat aturan itu sendiri: the extraction_model connection
llm of “memory” reaches “llm”, whose component.aggrega.ai/hosting label is
managed, with no credential: attach one under credential on that connection, or
set unauthenticated: true in its values (koneksi extraction_model llm dari “memory” menjangkau “llm”, yang label component.aggrega.ai/hosting-nya adalah managed, tanpa kredensial: lampirkan satu di bawah credential pada koneksi tersebut, atau atur unauthenticated: true dalam values-nya).
Ketika kedua ujung tidak sepakat
aggregate-mismatched.yaml memberikan dua parameter untuk kunci server dan kunci store:
parameters: provider_key_entry: type: string description: > The store entry holding the key the memory store presents to the hosted model provider. embedding_key_secret: type: string description: The Secret holding the key the embedding server verifies. # The fault: a second parameter for what is meant to be the same key. memory_embedding_key_secret: type: string description: The Secret holding the key the memory store presents to the embedding server.api_key milik server membaca embedding_key_secret dan koneksi milik store membaca memory_embedding_key_secret, yang dipenuhi oleh Release dengan dua Secret yang berbeda. Build berhasil dan menulis delapan file: compiler mengevaluasi setiap lampiran yang diberikan kepadanya dan tidak membandingkan apa pun di antara kedua ujung. Server tetap mereferensikan embedding-server-key, dan store kini menyajikan kunci lain, dari dist/mismatched/helm/memory-statefulset.yaml:
- name: EMBEDDING_API_KEY valueFrom: secretKeyRef: name: embedding-client-key key: api-keySetelah di-deploy, server hanya menerima permintaan store jika kedua Secret tersebut kebetulan menyimpan kunci yang sama.
Pemeriksaan konvensi publikasi pada sebuah Release adalah tempat hal ini terdeteksi:
aggrega lint --release release-mismatched.yamlrelease-mismatched.yaml:warn: E0329 connection-credential-matches-target-key: connection "embeddings" on socket "embedding_model" of component "memory" carries a credential in its credential slot and its target "embeddings" holds a key in its api_key slot, but the two ends write their secret's locator differently, so they may name different secrets and the target would refuse the key this caller presents. The locators are compared as written, and neither is shown here. Reading one parameter at both ends keeps them one key; that agreement is the standard-catalog convention, and the build does not check it.conventions checked: 10 entities, 1 advisory finding(s)Pemeriksaan yang sama atas release yang cocok tidak melaporkan apa pun:
aggrega lint --release release-matched.yamlconventions checked: 10 entities, 0 advisory finding(s)dan atas release yang dihubungkan operator juga tidak melaporkan apa pun.
Aturan ini menemukan kedua ujung melalui nama yang diberikan katalog standar kepada keduanya — api_key milik target dan credential milik koneksi — lalu membandingkan origin yang ditulis setiap ujung, sebagaimana tertulis: dua ujung yang membaca satu parameter dianggap sama, dan tidak ada yang di-resolve. Aturan ini tidak pernah mengutip keduanya, karena yang tertulis di sana bisa saja secret itu sendiri. Aturan ini tidak menilai target berlabel managed, yang api_key-nya, jika target mendeklarasikannya, adalah kunci yang disajikan kepada vendornya, bukan kunci yang disajikan oleh pemanggilnya; sehingga koneksi ke llm tidak menghasilkan temuan apa pun di ketiga release. Temuan ini bersifat saran: aggrega lint keluar dengan kode 0, dan workspace yang kedua ujungnya sengaja berbeda dapat memilih keluar dengan allow_connection_credential_mismatches. Editor yang mengajukan pertanyaan yang sama kepada daemon, yaitu aggrega/lint dengan menyebut Release, menerima temuan yang sama dengan kode connection-credential-matches-target-key dan kode pendek E0329. Aturan ini beserta apa yang dibacanya dijelaskan di Aturan disiplin.
Determinisme
Ketiga release dibangun dengan --verify-determinism, yang merender setiap
node dua kali dan membandingkan byte yang dihasilkan:
aggrega build --release release-matched.yaml --verify-determinismMembangun ulang salah satu dari ketiganya dari tree yang bersih menghasilkan kembali keluaran rendernya byte demi byte.
Menyesuaikannya
- Tambahkan pemanggil kedua untuk server embedding. Kredensial koneksinya
juga membaca
embedding_key_secret. Server memegang satu kunci untuk setiap pemanggil, sehingga pemanggil kedua menyajikan kunci yang sama. - Ambil juga kunci embedding dari penyimpanan. Ikat
api_keydanembeddings.credentialberdasarkan nama kek8s-external-secretdan penuhiembedding_key_secretdengan entri penyimpanan alih-alih nama sebuah Secret. Kedua ujung berubah bersama karena keduanya membaca parameter tersebut. - Jangkau model yang tidak memeriksa kunci. Jangan sertakan kredensial pada
koneksi. Jika target diberi label
managed, nyatakan hal itu pada koneksi denganunauthenticated: truedi dalamvalues-nya.
Untuk berbagi satu kunci di antara koneksi beberapa pemanggil, lihat model-api-key-sharing. Untuk router yang memegang kunci penyedia atas nama pemanggilnya, lihat ai-agent-and-model-router. Model yang mendasari semua ini adalah Model Kredensial.