LLM 模型配置指南

适用版本:ChengOS v0.1.0+ | 最后核对:2026-08-12 | 来源:deploy/config/providers.tomlcrates/cheng-nodes/src/nodes/builtin/ai/llmdeploy/.env.example

模型供应商在每套安装中配置一次,之后按节点选用。本文介绍供应商白名单、各供应商实际具备的能力,以及凭证如何挂接。

模型配置的三个层次

分三层,搞清楚你在改哪一层很有帮助:

  1. deploy/config/providers.toml——供应商白名单。未在此注册的供应商根本无法使用。它声明凭证结构、能力和默认模型列表。
  2. 凭证——你的密钥和端点,加密存放在凭证库中,每个供应商账号一条。
  3. 节点配置——某个 ai/llm 或智能体节点使用哪个供应商和模型,在属性面板中选择。

已注册的供应商

共有十六个供应商预先注册。能力列反映的是平台实际会使用的能力,这并不总等同于厂商 API 所支持的能力:

供应商 对话 向量嵌入 重排序 原生 function calling 凭证结构
OpenAI API 密钥 + 可选端点
Anthropic (Claude) API 密钥
Gemini API 密钥 + 可选端点
DeepSeek API 密钥 + 可选端点
Moonshot API 密钥 + 可选端点
MiniMax API 密钥 + 可选端点
智谱 API 密钥 + 可选端点
DashScope API 密钥 + 可选端点
混元 API 密钥 + 可选端点
千帆 API 密钥 + 可选端点
Ollama 仅端点
LM Studio 仅端点
vLLM 仅端点
Cohere API 密钥
Jina API 密钥
Custom(OpenAI 兼容) 供应商名 + 端点 + 密钥

在构建智能体之前,有两项值得特别注意。 Anthropic 和 Ollama 声明原生 function calling——当前的供应商实现没有编码 tools 与 JSON mode,因此这项能力被刻意不予声明。如果你要构建 use_function_calling = trueReAct 智能体,请从 ✅ 那一列中选择供应商。Anthropic 和 Ollama 用作普通 ai/llm 对话节点依然很好;这是工具调用方面的限制,不是对模型质量的评价。

Cohere 和 Jina 只提供向量嵌入/重排序——它们不会出现在对话模型下拉列表中,这是正确行为而非缺陷。

协议族

供应商按传输协议分组,这也是能支持这么多供应商的原因:大多数都使用 OpenAI 的 chat-completions 格式。

协议族 供应商
open_ai_chat_completions OpenAI、LM Studio、vLLM、DeepSeek、MiniMax、智谱、DashScope、Moonshot、混元、千帆
anthropic_messages Anthropic
gemini_generate_content Gemini
ollama_chat Ollama
custom_open_ai_compatible Custom

添加供应商凭证

在管理控制台中为供应商添加凭证。表单由该供应商声明的 credential_schema 生成,因此界面上恰好只显示这个供应商需要的字段:

Schema 字段
api_key_only api_key(敏感)
api_key_with_endpoint api_key(敏感)+ 可选 endpoint
endpoint_only endpoint——用于自托管服务
custom_llm provider_name、端点和密钥

敏感字段在界面中掩码显示,在 API 响应中脱敏。

模型列表

fetch_models_enabled 的供应商在配置好凭证后会从其 API 实时拉取模型列表——因此新模型无需更新 ChengOS 就会出现。当实时拉取不可用时,会使用 providers.toml 中声明的 default_chat_modelsdefault_embedding_models

上下文窗口与按模型覆盖

每个供应商都声明一个默认上下文窗口,并对不同的模型提供按模式匹配的覆盖。OpenAI 的默认值是 128K,但 gpt-3.5-turbo* 被覆盖为 16385——因为错误的上下文窗口要么浪费容量,要么导致请求因长度而失败。

覆盖项还为媒体模型声明输出模态:gpt-image-*dall-e-* 输出图像,tts-* 输出音频。这正是媒体生成能够正确路由和校验的依据。

Anthropic 的 Claude 3.x/3.5 系列声明为 200K。

自托管与私有端点

Ollama、LM Studio 和 vLLM 只需端点、不需密钥。若模型服务位于私有地址,你还需要:

ALLOW_PRIVATE_LLM_ENDPOINTS=true

它默认为 true。设为 false 可阻止对私有网段的请求——在面向公网的安装上值得这么做,因为一个指向内网地址的工作流会变成 SSRF 攻击面。

其他任何使用 OpenAI 格式的服务都可以用 custom 供应商接入。

在节点上选择模型

使用 llm-model-select 控件的字段会显示一个跨所有已连接供应商的统一下拉列表。节点作者用 x-model-typex-model-name-includesx-model-name-excludesx-provider-filter 收窄它——这就是为什么向量嵌入字段提供的是嵌入模型而非全部模型。

ai/llm 与智能体节点上的模型配置也可以通过 llm_config 以 JSON 对象形式提供,这是让工作流参数化模型(而非写死)的方式。

预设

deploy/config/presets.yaml 为节点类型定义具名的配置补丁——一个会被浅合并进目标节点配置的 config_patch。预设声明所属的 preset_type 分类、适用的 node_type、标签、可选的 risk_levellowmediumhigh),以及 llm_visible(控制受限的 LLM 发现是否可以呈现该预设)。llm_visible 默认为 false,因此除非你显式开启,预设对模型是不可见的。

按工作区的 presets.yaml 会覆盖同 id 的全局预设(不区分大小写),也可以新增预设。

下一步

© 版权声明
THE END
喜欢就支持一下吧
点赞6 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容