在Vercel AI SDK中使用兼容模式对接第三方大模型的经验分享
在使用Vercel AI SDK开发聊天应用时,很多开发者会遇到需要对接非OpenAI官方模型的情况。本文将分享一个实际案例,介绍如何正确使用@ai-sdk/openai-compatible模块来对接阿里云通义千问模型,并解决自定义参数传递的问题。
问题背景
当开发者尝试使用@ai-sdk/openai模块的兼容模式对接阿里云DashScope平台的通义千问模型时,发现无法通过providerOptions传递模型特定的参数。例如,想设置enable_thinking参数来控制模型是否显示思考过程,但该参数在最终请求中并未生效。
错误做法分析
开发者最初尝试了以下方式:
import { createOpenAI } from '@ai-sdk/openai';
const qwen = createOpenAI({
name: 'qwen',
apiKey: 'xxxxx',
baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
compatibility: 'compatible',
});
const stream = streamText({
model: qwen('qwen3-235b-a22b'),
prompt: 'who are you?',
providerOptions: {
qwen: {
enable_thinking: false,
},
},
});
这种方法的问题在于,@ai-sdk/openai模块主要是为OpenAI官方API设计的,虽然提供了兼容模式,但对于第三方模型的特有参数支持不够完善。
正确解决方案
Vercel AI SDK团队专门提供了@ai-sdk/openai-compatible模块来处理这类需求。该模块专为兼容OpenAI API的第三方服务设计,能够更好地支持各种自定义参数。
正确做法如下:
import { createOpenAICompatible } from '@ai-sdk/openai-compatible';
const qwen = createOpenAICompatible({
apiKey: 'xxxxx',
baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
});
const stream = streamText({
model: qwen('qwen3-235b-a22b'),
prompt: 'who are you?',
providerOptions: {
qwen: {
enable_thinking: false,
},
},
});
技术要点解析
-
模块选择:
@ai-sdk/openai-compatible是专门为兼容OpenAI API的第三方服务设计的,相比@ai-sdk/openai的兼容模式,它提供了更灵活的参数传递机制。 -
参数传递:通过
providerOptions可以传递服务商特定的参数,这些参数会直接合并到最终的API请求中。 -
兼容性处理:该模块会自动处理与OpenAI API的兼容性问题,开发者无需关心底层实现细节。
实际应用建议
-
对于完全兼容OpenAI API的服务,优先使用
@ai-sdk/openai模块。 -
对于需要传递特定参数或有不完全兼容情况的第三方服务,使用
@ai-sdk/openai-compatible模块。 -
在对接新模型时,建议先查阅服务商的API文档,了解其特有的参数和功能。
-
可以通过网络请求调试工具验证最终发出的请求参数是否符合预期。
总结
Vercel AI SDK提供了灵活的模块化设计,使开发者能够轻松对接各种大模型服务。通过正确选择和使用@ai-sdk/openai-compatible模块,开发者可以充分利用第三方模型的特有功能,同时保持代码的简洁性和可维护性。这一经验不仅适用于阿里云通义千问模型,也可推广到其他兼容OpenAI API的第三方模型服务。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00