32、【Agent】【OpenCode】模型配置(配置 Qwen 模型)

【声明】本博客所有内容均为个人业余时间创作,所述技术案例均来自公开开源项目(如Github,Apache基金会),不涉及任何企业机密或未公开技术,如有侵权请联系删除

背景

上篇 blog
【Agent】【OpenCode】模型配置(OpenRouter&OpenCode)

分析了 OpenRouter 是个纯国外的服务,国内虽然可以访问,但是依赖国际路线,此外,其数据处理受 I 国和 A 国管辖,和 OpenCode Zen 一样,发送给 OpenRouter 的代码,提示词也会经手境外服务器,两者本质上都是面向全球开发者的国外服务,对国内用户存在网络延迟和数据合规风险,然后介绍了 OpenRouter 的优点(一站式接入,不用注册 OpenAI,Claude,Qwen,一个 API Key 可以使用不同模型),然后分析了 OpenCode Zen 里提到的 OpenRouter 不能确定最佳模型版本的原因:模型实现黑盒,质量不可控;以及参数可能被覆盖或限制,最后再对比了 OpenRouter 和 OpenCode Zen 的适用场景(一个是模型超市,另一个是精品店),下面继续分析

OpenCode

OK,上篇 blog 分析完了 OpenCode Zen 不用 OpenRouter 的原因,下面继续看下 OpenCode Zen 剩下的描述,首先是模型

可以看到,opencode/xxx 不只有 6 个免费的模型,还有更多的 GPT,Claude,Gemini 等其他众多收费模型,然后是免费模型的说明,免费是限时的,另外,模型托管在 A 国,所以之前一直分析讨论的数据安全合规,以及网络延迟是个问题,另外,免费模型的数据可能会被用来训练(天下没有免费的午餐),OpenCode Zen 就分析到这里,下面来看配置模型直连国内的 API

首先打开 OpenCode,在 OpenCode CLI 输入 /connect

接着在 search 栏搜索 Alibaba,可以看到两个模型供应商 Alibaba 和 Alibaba (China) ,选择 Alibaba(China),上面那个会走国际路线

接着输入 API Key,就是之前 blog 【AI】【Agent】联网使用大模型(DashScope&ModelStudio) 申请的

然后在终端输入

bash 复制代码
opencode providers list

可以看到添加好的模型供应商

然后上面的 ~/.local/share/opencode/auth.json 可以看到注册的 API Key,所以 auth.json 属于敏感信息,注意权限(建议设置成 600)只有管理员能看

然后打开 OpenCode,在 OpenCode CLI 输入 /models 可以选择该供应商下的模型,这里选的是 Qwen-Plus

选择完成后,在 CLI 输入

你是谁?

可以看到 Qwen Plus 模型这么简单的问题消耗了 1w 个 tokens?

在当前项目的路径下,新建一个 opencode.json 配置文件,对 Qwen-Plus 模型进行配置,配置文件内容如下

javascript 复制代码
{
    "$schema": "https://opencode.ai/config.json",
    "model": "alibaba-cn/qwen-plus",
    "provider": {
      "alibaba-cn": {
        "id": "alibaba-cn",
        "name": "Alibaba (China)",
        "npm": "@ai-sdk/openai-compatible",
        "api": "https://dashscope.aliyuncs.com/compatible-mode/v1",
        "models": {
          "qwen-plus": {
            "id": "qwen-plus",
            "name": "Qwen Plus",
            "family": "qwen",
            "release_date": "2024-01-01",
            "attachment": false,
            "reasoning": false,
            "tool_call": true,
            "temperature": true,
            "cost": {
              "input": 0,
              "output": 0
            },
            "limit": {
              "context": 131072,
              "output": 32768
            },
            "modalities": {
              "input": ["text"],
              "output": ["text"]
            }
          }
        }
      }
    }
  }

这里的配置把 reasoning 设置成了 false,把推理关掉,再次尝试在 OpenCode CLI 里输入

你是谁?

可以看到没有了推理过程,回答很简短,但是消耗的 tokens 还是有 1w 😂?

算了,算了


OK,本篇先到这里,如有疑问,欢迎评论区留言讨论,祝各位功力大涨,技术更上一层楼!!!更多内容见下篇 blog

相关推荐
weixin_4462608516 小时前
AtumAI:面向数据中心控制平面策略的规范化智能体生成框架
人工智能·平面
ZZHow102416 小时前
PyTorch深度学习入门笔记(小土堆)P7-14
人工智能·pytorch·笔记·python·深度学习
Dr.kangder16 小时前
AI4SE:AI赋能软件工程——从自动化到智能化的演进之路
人工智能·自动化·软件工程
百工蜂Agent16 小时前
大模型只会吐文字——那它怎么「动手」干活?
agent
GuWenyue17 小时前
大模型幻觉无解?7步搭建Milvus+LangChain电子书RAG,私有小说精准问答零编造
人工智能·langchain·ai编程
是Dream呀17 小时前
客户催着要数据,我用TRAE Work十分钟完成10万元项目
人工智能·架构·trae
IanSkunk17 小时前
眼健康机构系统化运营:流程拆解与协同机制怎么建?
大数据·人工智能
40kuai17 小时前
四款主流AI模型网关对比与选型指南
人工智能
2601_9632827717 小时前
极寒区域无线通信系统工程实战:黑龙江冰雪环境对讲机组网、射频损耗与设备耐寒可靠性优化全指南
大数据·数据库·人工智能
海的辽阔17 小时前
GraphRAG 与 LightRAG 全面解析:传统 RAG 为什么开始走向图检索?
人工智能·rag