python/finyx_data_ai

Fork 0

Ubuntu 74dbbebffb 初步完成接口开发和冒烟测试

2026-01-11 07:48:19 +08:00

5.0 KiB

Raw Permalink Blame History

硅基流动（SiliconFlow）配置说明

📋 配置概述

已成功在项目中添加硅基流动（SiliconFlow）大模型 API 支持。

⚙️ 配置项

环境变量

在 .env 文件中添加以下配置：

# 硅基流动 (SiliconFlow) - 可选
SILICONFLOW_API_KEY=your_siliconflow_api_key_here
SILICONFLOW_BASE_URL=https://api.siliconflow.cn/v1/chat/completions
SILICONFLOW_MODEL=deepseek-chat

配置说明

配置项	说明	默认值	必填
`SILICONFLOW_API_KEY`	硅基流动 API Key	无	是（使用硅基流动时）
`SILICONFLOW_BASE_URL`	硅基流动 API 地址	`https://api.siliconflow.cn/v1/chat/completions`	否
`SILICONFLOW_MODEL`	默认使用的模型	`deepseek-chat`	否

🎯 支持的模型

硅基流动支持多种模型，包括但不限于：

DeepSeek 系列:
- deepseek-chat (推荐，默认)
- deepseek-coder
- deepseek-v2
Qwen 系列:
- qwen-turbo
- qwen-plus
- qwen-max
其他模型: 查看硅基流动官方文档获取完整模型列表

💻 使用方法

1. 配置 API Key

编辑 .env 文件，添加您的硅基流动 API Key：

SILICONFLOW_API_KEY=sk-xxxxxxxxxxxxx

2. 在接口中使用

方式一：通过 options 指定模型

{
  "tables": [...],
  "project_id": "project_001",
  "options": {
    "model": "deepseek-chat",
    "temperature": 0.3
  }
}

方式二：使用默认配置

如果未指定模型，且配置了 SILICONFLOW_API_KEY，系统会自动使用配置的默认模型。

3. 模型名称格式

支持以下模型名称格式：

deepseek-chat - 直接使用模型名
deepseek-coder - DeepSeek Coder 模型
qwen-turbo - Qwen Turbo 模型
qwen-plus - Qwen Plus 模型
qwen-max - Qwen Max 模型（通过硅基流动）
siliconflow:deepseek-chat - 带前缀格式（会自动提取模型名）

🔧 代码实现

配置加载

配置已添加到 app/core/config.py：

# 硅基流动 (SiliconFlow)
SILICONFLOW_API_KEY: Optional[str] = os.getenv("SILICONFLOW_API_KEY")
SILICONFLOW_BASE_URL: str = os.getenv(
    "SILICONFLOW_BASE_URL", 
    "https://api.siliconflow.cn/v1/chat/completions"
)
SILICONFLOW_MODEL: str = os.getenv("SILICONFLOW_MODEL", "deepseek-chat")

API 调用

已在 app/utils/llm_client.py 中实现硅基流动 API 调用方法：

async def _call_siliconflow(
    self,
    prompt: str,
    system_prompt: Optional[str] = None,
    temperature: float = 0.3,
    model: str = "deepseek-chat",
    **kwargs
) -> str:
    """调用硅基流动 API"""
    # 实现细节...

🚀 使用示例

示例 1: 使用 DeepSeek Chat

curl -X POST "http://localhost:8000/api/v1/inventory/ai-analyze" \
  -H "Content-Type: application/json" \
  -d '{
    "tables": [...],
    "project_id": "project_001",
    "options": {
      "model": "deepseek-chat",
      "temperature": 0.3
    }
  }'

示例 2: 使用 Qwen 模型（通过硅基流动）

curl -X POST "http://localhost:8000/api/v1/inventory/ai-analyze" \
  -H "Content-Type: application/json" \
  -d '{
    "tables": [...],
    "project_id": "project_001",
    "options": {
      "model": "qwen-turbo",
      "temperature": 0.3
    }
  }'

📝 注意事项

API Key 获取:
- 访问硅基流动官网注册账号
- 在控制台获取 API Key
- 将 API Key 添加到 .env 文件中
模型选择:
- deepseek-chat 适合通用对话和文本生成
- deepseek-coder 适合代码相关任务
- qwen-* 系列适合中文场景
API 格式:
- 硅基流动使用 OpenAI 兼容的 API 格式
- 请求和响应格式与 OpenAI 一致
费用:
- 请查看硅基流动官方定价
- 不同模型价格不同
- 建议先测试少量请求
限流:
- 注意 API 调用频率限制
- 已实现自动重试机制（指数退避）
- 默认最多重试 3 次

🔄 模型优先级

当指定模型名称时，系统按以下优先级选择 API 平台：

通义千问（DashScope）: 模型名以 qwen 开头（不包括通过硅基流动的 qwen）
OpenAI: 模型名以 gpt 或 openai 开头
硅基流动:
- 模型名以 deepseek 开头
- 模型名包含 siliconflow
- 模型名为 qwen-turbo, qwen-plus, qwen-max（通过硅基流动）
- 其他未识别的模型（如果配置了 SILICONFLOW_API_KEY）

✅ 验证配置

测试配置是否正确：

# 检查配置加载
source venv/bin/activate
python3 -c "from app.core.config import settings; print(f'SILICONFLOW_API_KEY: {settings.SILICONFLOW_API_KEY is not None}')"

📚 参考文档

配置完成时间: 2026-01-10 支持状态: ✅ 已实现并可用

5.0 KiB Raw Permalink Blame History Unescape Escape