oiiai-lib 0.0.3

A minimalist Python package scaffolded with uv

oiiai

oiiai 是一个简单的 AI 模型调用工具包，提供模型列表获取和模型调用功能。

特性

• 🚀 支持多个 AI 提供商的模型列表获取
• 📦 统一的 API 接口
• 🛠️ 简单易用的设计
• 🔧 可扩展的架构
• 📝 统一的日志记录系统（支持 JSON 格式和异步日志）

支持的提供商

提供商	模型获取	说明
智谱 AI	✅ FetchZhipu	从官方文档页面解析模型列表
OpenRouter	✅ FetchOpenRouter	通过 API 获取模型列表
ModelScope	✅ FetchModelScope	通过 API 获取模型列表
SiliconFlow	✅ FetchSiliconFlow	通过 API 获取模型列表
IFlow	✅ FetchIFlow	通过 API 获取模型列表

安装

使用 pip

pip install oiiai-lib

使用 uv

uv add oiiai-lib

快速开始

from oiiai import (
    FetchZhipu,
    FetchOpenRouter,
    FetchModelScope,
    FetchSiliconFlow,
    FetchIFlow,
)

# 获取可用模型列表

# 从智谱 AI 获取模型列表
zhipu_fetcher = FetchZhipu()

zhipu_models = zhipu_fetcher.fetch_models()
print(f"智谱 AI 可用模型: {len(zhipu_models)} 个")

# 从 OpenRouter 获取模型列表
openrouter_fetcher = FetchOpenRouter(api_key="your-api-key")

openrouter_models = openrouter_fetcher.fetch_models()
print(f"OpenRouter 可用模型: {len(openrouter_models)} 个")

# 从 ModelScope 获取模型列表
modelscope_fetcher = FetchModelScope()

modelscope_models = modelscope_fetcher.fetch_models()
print(f"ModelScope 可用模型: {len(modelscope_models)} 个")

# 从 SiliconFlow 获取模型列表
siliconflow_fetcher = FetchSiliconFlow()

siliconflow_models = siliconflow_fetcher.fetch_models()
print(f"SiliconFlow 可用模型: {len(siliconflow_models)} 个")

# 从 IFlow 获取模型列表
iflow_fetcher = FetchIFlow()

iflow_models = iflow_fetcher.fetch_models()
print(f"IFlow 可用模型: {len(iflow_models)} 个")

API 参考

基类 FetchBase

所有模型获取器的抽象基类。

from oiiai import FetchBase

class MyFetcher(FetchBase):
    @property
    def provider(self) -> str:
        return "my_provider"
    
    def fetch_models(self) -> List[str]:
        # 实现获取逻辑
        return ["model-1", "model-2"]

FetchOpenRouter

从 OpenRouter API 获取模型列表。

from oiiai import FetchOpenRouter

# 使用 API Key（可选，不传则从环境变量 OPENROUTER_API_KEY 获取）
fetcher = FetchOpenRouter(api_key="your-api-key")

# 获取模型列表
models = fetcher.fetch_models()
print(models)  # ['openai/gpt-4o', 'anthropic/claude-3-opus', ...]

FetchZhipu

从智谱 AI 官方文档页面解析模型列表。

from oiiai import FetchZhipu

fetcher = FetchZhipu()
models = fetcher.fetch_models()
print(models)  # ['glm-4-flash', 'glm-4', ...]

FetchModelScope

从 ModelScope API 获取模型列表。

from oiiai import FetchModelScope

fetcher = FetchModelScope()
models = fetcher.fetch_models()
print(models)  # ['deepseek-ai/DeepSeek-R1-0528', 'Qwen/Qwen2.5-72B-Instruct', ...]

FetchSiliconFlow

从 SiliconFlow API 获取模型列表。需要设置环境变量 SILICONFLOW_API_KEY。

from oiiai import FetchSiliconFlow

fetcher = FetchSiliconFlow()
models = fetcher.fetch_models()
print(models)  # ['deepseek-ai/DeepSeek-R1', 'Qwen/Qwen2.5-72B-Instruct', ...]

FetchIFlow

从 IFlow 平台获取模型列表。

from oiiai import FetchIFlow

fetcher = FetchIFlow()
models = fetcher.fetch_models()
print(models)  # ['qwen3-max', 'deepseek-r1', 'kimi-k2', ...]

日志配置

oiiai 提供统一的日志记录系统，支持 JSON 格式输出和异步日志。

基本配置

import logging
from oiiai import configure_logging, shutdown_logging

# 配置日志级别为 DEBUG，使用 JSON 格式输出
configure_logging(level=logging.DEBUG)

# 使用完毕后关闭日志（清理异步日志资源）
shutdown_logging()

配置选项

configure_logging(
    level=logging.WARNING,    # 日志级别（默认: WARNING）
    handler=None,             # 自定义 Handler（默认: NullHandler）
    use_json=True,            # 是否使用 JSON 格式（默认: True）
    async_enabled=False,      # 是否启用异步日志（默认: False）
)

自定义 Handler

import logging
from oiiai import configure_logging

# 使用文件 Handler
file_handler = logging.FileHandler("oiiai.log")
configure_logging(level=logging.INFO, handler=file_handler)

异步日志

在高并发场景下，可以启用异步日志避免阻塞：

from oiiai import configure_logging, shutdown_logging

# 启用异步日志
configure_logging(level=logging.INFO, async_enabled=True)

# 程序退出前务必调用 shutdown_logging() 确保日志写入完成
shutdown_logging()

JSON 日志格式

启用 JSON 格式后，日志输出包含以下字段：

字段	说明
timestamp	ISO 8601 格式时间戳
level	日志级别
provider	Provider 标识符
message	日志消息
module	模块名称
function	函数名称
line	行号
exc_info	异常堆栈（可选）

开发

克隆仓库

git clone https://github.com/weisiren000/oiiai
cd oiiai

安装开发依赖

uv sync --dev

运行测试

uv run pytest

代码格式化

uv run ruff format .
uv run ruff check .

扩展

实现自定义获取器只需继承 FetchBase 并实现 provider 属性和 fetch_models() 方法。

许可证

MIT License. 详见 LICENSE 文件。

贡献

欢迎提交 Issue 和 Pull Request！

链接

• GitHub 仓库
• PyPI 页面
• 文档