首页
/ Langchain-Chatchat项目中调用讯飞星火API与本地模型的技术方案

Langchain-Chatchat项目中调用讯飞星火API与本地模型的技术方案

2025-05-04 00:30:09作者:郜逊炳

在Langchain-Chatchat项目中,开发者经常需要整合不同的AI模型服务来构建完整的对话系统。本文将详细介绍如何在该项目中同时使用讯飞星火API和本地模型的技术方案。

在线API与本地模型的区别

在线API如讯飞星火提供即用型的AI服务,开发者只需通过API密钥即可调用,无需关心模型部署细节。而本地模型则需要自行部署和管理,通常需要额外的工具支持。

讯飞星火API的集成

对于讯飞星火这类在线API,集成过程相对简单:

  1. 获取API密钥
  2. 在项目配置文件中填写API密钥
  3. 无需使用Xinference等本地部署工具

本地模型的部署方案

当需要使用本地模型(如Embedding模型)时,推荐采用以下方案:

  1. 使用Xinference工具将本地模型运行起来
  2. Xinference会提供一个兼容OpenAI API格式的本地端点
  3. 在配置文件中指定该本地端点的URL

混合部署方案

对于同时使用在线LLM和本地模型的场景:

  1. LLM部分:直接配置讯飞星火API密钥
  2. Embedding部分:通过Xinference部署本地模型
  3. 在配置文件中分别指定不同的模型来源

高级配置建议

对于自行搭建的VLLM服务器:

  1. 即使没有API密钥,也可以通过HTTP头部验证
  2. 在配置文件中需要明确指定验证头信息
  3. 确保服务器地址和端口配置正确

最佳实践

  1. 优先使用在线API简化部署流程
  2. 对性能敏感或数据隐私要求高的模块使用本地模型
  3. 通过OneAPI等工具统一管理不同来源的API调用
  4. 合理规划模型部署位置,平衡性能与成本

通过以上方案,开发者可以在Langchain-Chatchat项目中灵活地组合使用讯飞星火API和本地模型,构建出既强大又符合特定需求的对话系统。

登录后查看全文
热门项目推荐
相关项目推荐