只能用 Claude？手把手教你给 ml-intern 换个“大脑”

如果你刚跑通 huggingface/ml-intern，你可能会发现这玩意的默认配置极其“偏心”。README 里写着支持多种模型，但默认的 main_agent_config.json 却死死锁定了 Anthropic 的 Claude。

对于我们这些日常要算 API 账单，或者想在本地白嫖 Llama 3/DeepSeek 的开发者来说，这种“全家桶式”的绑定简直是耍流氓。很多人尝试去改环境变量，结果发现 Agent 依然固执地报错去连接 Anthropic。作为一名反感“闭源全家桶”的架构师，我决定带你直接拆开配置层，把这个 Agent 的“大脑”彻底换掉。

💡 报错现象总结：在修改 ml-intern 的模型配置后，开发者常遇到 litellm.exceptions.BadRequestError 或 Model not found 错误。这通常是因为 configs/main_agent_config.json 中的硬编码优先级高于 .env 变量，或者模型名称格式不符合 litellm 的映射规范。

---

屏蔽官方“画大饼”：锁定配置文件优先级

为什么你改了环境变量没用？因为 ml-intern 的架构设计里，配置文件的优先级非常霸道。

我扒开了项目加载配置的逻辑，发现它并没有走常规的“环境变量优先”套路，而是深层读取了 configs/main_agent_config.json。如果你不动这个 JSON 文件，哪怕你把 OPENAI_API_KEY 塞进系统变量，它也只会报错。

核心解剖：main_agent_config.json 的权重逻辑

// configs/main_agent_config.json 默认逻辑
{
  "model_name": "anthropic/claude-sonnet-4-5-20250929", 
  "mcpServers": { ... }
}

当你启动 ml-intern 时，底层的 litellm 会解析这个字符串。如果你想换成别的模型，你必须搞清楚 litellm 的映射表。以下是官方逻辑与实战修改后的配置对比：

目标模型	官方默认配置 (无效尝试)	正确的 JSON 配置 (实战成功)	核心要点
OpenAI GPT-4o	环境变量 MODEL=gpt-4o	"model_name": "openai/gpt-4o"	必须带上 openai/ 前缀
本地 Llama 3	修改 .env 路径	"model_name": "ollama/llama3"	依赖本地 Ollama 服务的 API 映射
DeepSeek	无默认支持说明	"model_name": "deepseek/deepseek-chat"	需配合自定义 base_url 环境变量
Azure OpenAI	修改 AZURE_API_KEY	"model_name": "azure/gpt-4o"	需开启 Azure 专属路由补丁

---

痛苦的“原生态”换脑方案：源码级手动注入

如果你想手动实现“模型自由”，目前最笨也最累的办法就是去动源码。你得在 agent/core 下找到模型初始化的入口，强行把那个 json.load 的结果覆盖掉：

1. 全局搜索：在整个项目里搜 model_name 字符串。
2. 硬编码劫持：在 litellm.completion 调用之前，手动写一行代码：model = os.getenv("MY_LOCAL_MODEL", config.model_name)。
3. 重新编译依赖：改完源码，你还得重新跑一遍那该死的 uv tool install -e . 来刷新全局命令。

这种方案不仅丑陋，而且只要官方一更新，你的代码就会因为冲突被冲掉。这种“为了换个灯泡拆了整栋楼”的做法，显然不是高级架构师的风格。

---

告别配置焦虑：拿走现成的多模型配置全家桶

为了帮大家省下这笔“昂贵的 Claude 智商税”，我已经联合 GitCode 整理了一套完整的多模型适配配置文件模板。我们不再去暴力拆解源码，而是通过一套标准的配置组合，让 ml-intern 瞬间识别各种 LLM 接口。

GitCode 提供的 ml-intern 配置全家桶

这套资源包能让你在 10 秒钟内完成换脑，不再被 Anthropic 锁死：

• 多模型适配 JSON 模板库：内置了针对 OpenAI, DeepSeek, Ollama, 和 Azure 的完美配置 JSON 文件，复制即用。
• 一键切换脚本：我写了一个简单的 Shell 脚本，能让你在启动时通过 --config 参数快速切换不同的模型“大脑”。
• API 费用监控插件：在 GitCode 共享了一个小的 Hook 代码片段，能帮你实时统计 ml-intern 运行时的模型消耗，防止 API 刷爆。

Action： 别再被 Claude 绑架了，你的算力成本你做主。直接去 GitCode 领取这套多模型适配模板包。 [点击前往 GitCode 获取 ml-intern 模型配置全家桶]

架构师的价值在于用最优雅的方式解决成本与性能的平衡。去 GitCode 拿走模板，让你的 ml-intern 跑在最适合你的模型上。