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
Elastic 中国社区官方博客13 小时前
Elasticsearch:使用 Agent Builder 的 A2A 实现 - 开发者的圣诞颂歌
大数据·数据库·人工智能·elasticsearch·搜索引擎·ai·全文检索
chools14 小时前
【AI超级智能体】快速搞懂工具调用Tool Calling 和 MCP协议
java·人工智能·学习·ai
郝学胜-神的一滴14 小时前
深度学习必学:PyTorch 神经网络参数初始化全攻略(原理 + 代码 + 选择指南)
人工智能·pytorch·python·深度学习·神经网络·机器学习
leobertlan14 小时前
好玩系列:用20元实现快乐保存器
android·人工智能·算法
笨笨饿14 小时前
#58_万能函数的构造方法:ReLU函数
数据结构·人工智能·stm32·单片机·硬件工程·学习方法
jr-create(•̀⌄•́)14 小时前
从零开始:手动实现神经网络识别手写数字(完整代码讲解)
人工智能·深度学习·神经网络
冬奇Lab15 小时前
一天一个开源项目(第78篇):MiroFish - 用群体智能引擎预测未来
人工智能·开源·资讯
冬奇Lab15 小时前
你的 Skill 真的好用吗?来自OpenAI的 Eval 系统化验证 Agent 技能方法论
人工智能·openai
数智工坊15 小时前
Transformer 全套逻辑:公式推导 + 原理解剖 + 逐行精读 - 划时代封神之作!
人工智能·深度学习·transformer
GreenTea15 小时前
AI 时代,工程师的不可替代性在哪里
前端·人工智能·后端