GPTel项目:如何优化模型选择界面中的模型列表管理
2025-07-02 03:58:02作者:史锋燃Gardner
在AI辅助编程工具GPTel的实际使用中,随着接入的AI服务提供商增多,用户可能会面临模型选择列表过长的问题。本文将详细介绍如何通过Elisp代码优化GPTel的模型选择界面,帮助用户更高效地管理可用模型。
问题背景
当GPTel同时接入OpenAI、Gemini和Anthropic等多个AI服务提供商时,模型选择列表会变得非常庞大(可能多达44个模型)。这不仅影响用户体验,还可能让不熟悉模型的用户难以做出最佳选择。特别是当某些模型(如gpt-3.5-turbo)在性能上明显不如其他模型(如gpt-4.0-mini)时,这种管理显得尤为重要。
解决方案
GPTel提供了灵活的Elisp接口,允许用户通过编程方式管理模型列表。核心思路是使用cl-set-difference函数从后端模型列表中移除不需要的模型。
基础实现
最简单的实现方式是针对单个后端移除指定模型:
(let ((models-to-remove '(gpt-3.5-turbo gpt-4-turbo gpt-4o)))
(cl-callf (lambda (models) (cl-set-difference models models-to-remove))
(gptel-backend-models (gptel-get-backend "ChatGPT")))
这段代码会从ChatGPT后端的模型列表中移除gpt-3.5-turbo、gpt-4-turbo和gpt-4o三个模型。
高级实现
对于需要管理多个后端的情况,可以编写更通用的解决方案:
(defun gptel-remove-models-from-backend (backend-name models-to-remove)
"从指定后端移除不需要的模型"
(cl-callf (lambda (models) (cl-set-difference models models-to-remove))
(gptel-backend-models (gptel-get-backend backend-name)))
(let ((backend-model-removals
'(("ChatGPT" . (gpt-3.5-turbo gpt-4-turbo gpt-4o))
("Gemini" . (gemini-2.5-flash-preview-04-17))
("Claude" . (claude-3-5-sonnet-20241022)))))
(dolist (item backend-model-removals)
(gptel-remove-models-from-backend (car item) (cdr item))))
这种实现方式允许用户为每个后端单独配置需要移除的模型列表,代码更加模块化和可维护。
最佳实践
-
定期更新:随着AI服务提供商不断推出新模型,建议定期审查和更新模型移除列表。
-
性能考量:可以根据官方文档或实际测试结果,移除性能较差的模型。
-
成本控制:某些高成本模型如果使用频率低,可以考虑从列表中移除。
-
组织方式:可以将模型管理代码放在Emacs配置文件的适当位置,确保在GPTel初始化后执行。
技术细节
cl-callf是Common Lisp风格的函数,用于就地修改变量值cl-set-difference用于计算两个列表的差集gptel-get-backend用于获取指定名称的后端对象gptel-backend-models用于访问或修改后端的模型列表
通过这种灵活的模型管理方式,用户可以根据自己的需求定制GPTel的模型选择界面,提升使用效率和体验。这种设计也体现了Emacs"可编程编辑器"的核心理念,允许用户深度定制工具行为。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
570
99
暂无描述
Dockerfile
709
4.51 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
952
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2