GPTel项目:如何优化模型选择界面中的模型列表管理
2025-07-02 00:37:15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
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0369Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++097AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
202
2.17 K

React Native鸿蒙化仓库
C++
208
285

Ascend Extension for PyTorch
Python
61
94

🎉 (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
977
575

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
9
1

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++
550
83

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
1.2 K
133