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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00