<<<<<<< HEAD

OneLLM使用手册

1.1项目整体介绍：

OneLLM是集成大模型会话API接口工具，目前支持智谱清言、通义千问、火山方舟、讯飞星火、百度千帆、月之暗面的大模型会话服务。旨在简化用户请求过程，提高开发效率。

1.2项目安装及使用方法：

1.2.1安装方法：

通过pip进行安装：

pip install OneLLM

1.2.2使用方法(以智谱清言为例)：

导入包

import OneLLM

实例化模型

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

zhipu=OneLLM.Zhipu(api_key,model)  #实例化模型

发送请求

msg=input("请输入：")
content=Doubao.send(msg)
print(content)

调试模式发送请求

msg=input("请输入：")
content=Doubao.send_debug(msg)
print(content)

多重对话

while True:
    msg=input("请输入：")
    content=Doubao.send(msg)
    print(content)

1.3主要方法：

1.3.1 send(msg)

普通模式发送请求，返回模型的回复。

1.3.2 send_debug(msg)

调试模式发送请求，返回模型的回复和模型的原始输出。

1.3.3 set_model(model)

设置模型，默认为glm-4。

1.3.4 get_model()

获取当前模型。

1.3.5 set_api_key(api_key)

设置API Key。

1.3.6 get_api_key()

获取当前API Key。

1.3.7 getRequestId()

获取当前请求的ID。

除此之外，对于实例化模型需要初始化传入的参数均可调用get/set方法进行使用。

2.1示例模型的调用方法：

火山方舟大模型：

模型/应用调用API鉴权

API Key 签名鉴权

前提条件
获取API Key：
1.打开并登录方舟控制台-API Key 管理。
2.单击创建 API Key 按钮。
3.在弹出框的名称文本框中确认/更改 API Key 名称，单击创建。

获取 Model ID 作为推理接入点用于模型调用:（此方式目前仅支持 API Key 鉴权）
您可以在模型卡片页面获取模型 Model ID，格式为“模型名称-版本号”。
目前除“视频生成”以外的模型均可通过此方式调用，调用之前请确认模型已开通（参见开通管理）。 签名构造
API Key 签名鉴权方式要求在 HTTP 请求 header 中按如下方式添加 Authorization header:

Authorization: Bearer <ARK_API_KEY>

API 调用示例

curl https://ark.cn-beijing.volces.com/api/v3/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <ARK_API_KEY>" \
  -d '{
    "model": "<Model ID>",
    "messages": [
        {
            "role": "system",
            "content": "You are a helpful assistant."
        },
        {
            "role": "user",
            "content": "Hello!"
        }
    ]
  }'

火山方舟调用示例

#导入包
import OneLLM

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

Doubao=OneLLM.Zhipu(api_key,model)  #实例化模型

#普通模式发送会话
msg=input("请输入：")
content=Doubao.send(msg)
print(content)

#调试模式发送会话
msg=input("请输入：")
content=Doubao.send_debug(msg)
print(content)

#多重对话
while True:
    msg=input("请输入：")
    content=Doubao.send(msg)
    print(content)

参考文档：https://www.volcengine.com/docs/82379/1298459

讯飞星火大模型：

创建新的应用
1.访问讯飞官网,进入开发者中心：
在页面顶部导航栏中找到“开发者中心”或者“我的应用”。点击进入，查看你的应用列表（如果之前创建过应用）。

2.填写应用基本信息，包括：

应用名称：为你的应用选择一个唯一且简洁的名称。
应用类型：根据模型的使用场景选择相应的应用类型（如：文本处理、语音识别等）。
应用描述：简要描述应用的功能和目标。
完成填写后，点击“提交”按钮。创建成功后，你将看到新创建的应用出现在应用列表中。

3.获取API Key
应用创建成功后，你需要获取API Key以方便后续的调用：在应用列表中找到你刚创建的应用, 点击该应用进入应用详情页面，找到左侧详情页找到“可定制化API”

生成最终URL

将鉴权参数组合成最终的键值对，并urlencode生成最终的握手url。开发者可先根据WebSocket协议通用鉴权，确保生成的参数无误。

from urllib.parse import urlencode

v = {
		"authorization": authorization, # 上方鉴权生成的authorization
        "date": date,  # 步骤1生成的date
    	"host": "spark-api.xf-yun.com" # 请求的主机名，根据具体接口替换
}
url = "wss://spark-api.xf-yun.com/v1.1/chat?" + urlencode(v)
"""生成的最终url如下
wss://spark-api.xf-yun.com/v1.1/chat?authorization=YXBpX2tleT0iYWRkZDIyNzJiNmQ4YjdjOGFiZGQ3OTUzMTQyMGNhM2IiLCBhbGdvcml0aG09ImhtYWMtc2hhMjU2IiwgaGVhZGVycz0iaG9zdCBkYXRlIHJlcXVlc3QtbGluZSIsIHNpZ25hdHVyZT0iejVnSGR1M3B4VlY0QURNeWs0Njd3T1dEUTlxNkJRelIzbmZNVGpjL0RhUT0i&date=Fri%2C+05+May+2023+10%3A43%3A39+GMT&host=spark-api.xf-yun.com
"""

讯飞星火调用示例

#导入包
import OneLLM

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

Spark=OneLLM.Zhipu(api_key,model)  #实例化模型


#普通模式发送会话
msg=input("请输入：")
content=Spark.send(msg)
print(content)

#调试模式发送会话
msg=input("请输入：")
content=Spark.send_debug(msg)
print(content)

#多重对话
while True:
    msg=input("请输入：")
    content=Spark.send(msg)
    print(content)

参考文档：https://www.xfyun.cn/doc/spark/general_url_authentication.html

智谱清言大模型：

获取您的API Key：
登录到智谱AI开放平台API Keys 页面获取最新版生成的用户 API Key

新版机制中平台颁发的 API Key 同时包含 “用户标识 id” 和 “签名密钥 secret”，即格式为 {id}.{secret}

使用 API Key 进行请求
用户需要将 API Key 放入 HTTP 的 Authorization header 头中。

curl --location 'https://open.bigmodel.cn/api/paas/v4/chat/completions' \
--header 'Authorization: Bearer <你的apikey>' \
--header 'Content-Type: application/json' \
--data '{
    "model": "glm-4",
    "messages": [
        {
            "role": "user",
            "content": "你好"
        }
    ]
}'

鉴权 token 组装过程

import time
import jwt
 
def generate_token(apikey: str, exp_seconds: int):
    try:
        id, secret = apikey.split(".")
    except Exception as e:
        raise Exception("invalid apikey", e)
 
    payload = {
        "api_key": id,
        "exp": int(round(time.time() * 1000)) + exp_seconds * 1000,
        "timestamp": int(round(time.time() * 1000)),
    }
 
    return jwt.encode(
        payload,
        secret,
        algorithm="HS256",
        headers={"alg": "HS256", "sign_type": "SIGN"},
    )

用户需要将生成的鉴权 token 放入 HTTP 的 Authorization header 头中：

Authorization: 鉴权token

Curl请求中的token参数示例

curl --location 'https://open.bigmodel.cn/api/paas/v4/chat/completions' \
--header 'Authorization: Bearer <你的token>' \
--header 'Content-Type: application/json' \
--data '{
    "model": "glm-4",
    "messages": [
        {
            "role": "user",
            "content": "你好"
        }
    ]
}'

智谱清言调用示例

#导入包
import OneLLM

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

zhipu=OneLLM.Zhipu(api_key,model)  #实例化模型


#普通模式发送会话
msg=input("请输入：")
content=zhipu.send(msg)
print(content)

#调试模式发送会话
msg=input("请输入：")
content=zhipu.send_debug(msg)
print(content)

#连续对话
while True:
    msg=input("请输入：")
    content=zhipu.send(msg)
    print(content)

参考文档：https://bigmodel.cn/dev/api/http-call/http-auth

百度千帆大模型：

创建API Key
1.子用户登录百度云控制台后，访问API Key管理控制台 2.点击创建API Key 3.按需配置百度智能云千帆ModelBuilder、百度智能云千帆AppBuilder、 AI开放能力的相关权限

查看API Key
1.在API key列表页，点击显示，经过二次身份验证后，可以查看API Key明文

获取AKSK
成功登录管理控制台后，系统会自动分配一对AK/SK，可通过控制台申请并管理自己的访问密钥，操作方法如下：
1.登录管理控制台，点击“用户账号->安全认证”进入Access Key管理界面。 2.点击Access Key ID右侧的“显示”，可查看其对应的Secret Access Key，点击“隐藏”可隐藏对应的Secret Access Key。
3.在密钥列表页中，根据需要可点击“创建Access Key”来创建新的Access Key ID / Secret Access Key密钥对。

签名API请求
在请求签名之前，请先计算请求的哈希(摘要)。然后，您使用哈希值、来自请求的其他信息以及您的秘密访问密钥(Secret Access Key，SK)，计算另一个称为签名(Signature) 的哈希, 得到签名后，进行一定规则的拼装成最终的认证字符串，也就是最终您需要包含在API请求中的Authorization字段。
您可以通过以下方式携带认证字符串：

在HTTP Header中包含认证字符串
在URL中包含认证字符串

用户也可以将认证字符串放在HTTP请求Query String的authorization参数中。常用于生成URL给第三方使用的场景，例如要临时把某个数据开放给他人下载。

百度千帆调用示例

#导入包
import OneLLM

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

Ernie=OneLLM.Zhipu(api_key,model)  #实例化模型


#普通模式发送会话
msg=input("请输入：")
content=Ernie.send(msg)
print(content)

#调试模式发送会话
msg=input("请输入：")
content=Ernie.send_debug(msg)
print(content)

#多重对话
while True:
    msg=input("请输入：")
    content=Ernie.send(msg)
    print(content)

参考文档：https://cloud.baidu.com/doc/Reference/s/1m5qi1m4y

Kimi大模型：

获取API Key

你需要一个 API 密钥来使用我们的服务。你可以在我们的控制台中创建一个 API 密钥

发送请求

你可以使用我们的 Chat Completions API 来发送请求。你需要提供一个 API 密钥和一个模型名称。你可以选择是否使用默认的 max_tokens 参数，或者自定义 max_tokens 参数。可以参考 API 文档中的调用方法。

公开的服务地址

https://api.moonshot.cn

Moonshot调用示例

#导入包
import OneLLM

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

Moonshot=OneLLM.Zhipu(api_key,model)  #实例化模型


#普通模式发送会话
msg=input("请输入：")
content=Moonshot.send(msg)
print(content)

#调试模式发送会话
msg=input("请输入：")
content=Moonshot.send_debug(msg)
print(content)

#多重对话
while True:
    msg=input("请输入：")
    content=Moonshot.send(msg)
    print(content)

参考文档：https://platform.moonshot.cn/docs/intro#%E8%8E%B7%E5%8F%96-api-%E5%AF%86%E9%92%A5

1.3大模型参照列表：

火山方舟大模型：

Doubao-pro-4k
Doubao-pro-32k
Doubao-pro-128k

讯飞星火大模型：

Spark4.0 Ultra
Spark Max-32K
Spark Max
Spark Pro-128K
Spark Pro
Spark Lite

智谱清言大模型：

glm-4-plus
glm-4-air
glm-4-air-0111
Preview
glm-4-airx
glm-4-long
glm-4-flashx
glm-4-flash
glm-4v-plus-0111
glm-4v-plus
glm-4v
glm-4v-flash
glm-zero-preview

Kimi大模型：

moonshot-v1-8k
moonshot-v1-32k
moonshot-v1-128k
moonshot-v1-8k-vision-preview
moonshot-v1-32k-vision-preview
moonshot-v1-128k-vision-preview

百度千帆大模型：

ERNIE 4.0
ERNIE 4.0 Turbo
ERNIE 3.5
ERNIE Speed Pro =======

OneLLM使用手册

1.1项目整体介绍：

1.2项目安装及使用方法：

1.2.1安装方法：

通过pip进行安装：

pip install OneLLM

1.2.2使用方法(以智谱清言为例)：

导入包

import OneLLM

实例化模型

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

zhipu=OneLLM.Zhipu(api_key,model)  #实例化模型

发送请求

msg=input("请输入：")
content=Doubao.send(msg)
print(content)

调试模式发送请求

msg=input("请输入：")
content=Doubao.send_debug(msg)
print(content)

多重对话

while True:
    msg=input("请输入：")
    content=Doubao.send(msg)
    print(content)

1.3主要方法：

1.3.1 send(msg)

普通模式发送请求，返回模型的回复。

1.3.2 send_debug(msg)

调试模式发送请求，返回模型的回复和模型的原始输出。

1.3.3 set_model(model)

设置模型，默认为glm-4。

1.3.4 get_model()

获取当前模型。

1.3.5 set_api_key(api_key)

设置API Key。

1.3.6 get_api_key()

获取当前API Key。

1.3.7 getRequestId()

获取当前请求的ID。

除此之外，对于实例化模型需要初始化传入的参数均可调用get/set方法进行使用。

1.4示例模型的调用方法：

阿里千问大模型：

开通百炼的模型服务
登录阿里云百炼大模型服务平台后，如果页面顶部显示如下消息，您需要开通百炼的模型服务，以获得免费额度。开通百炼不会产生费用，仅调用、部署、调优模型会产生相应费用（超出免费额度后）。
获取API Key
1.前往API-KEY页面，单击创建我的API-KEY。
2.在已创建的API Key操作列，单击查看，获取API KEY。 3.获得API Key后，建议您将其配置到环境变量中，以便在调用模型或应用时使用。这样可以避免在代码中显式地配置API Key，从而降低API Key泄漏的风险。在环境变量中配置API Key的具体操作，请参见配置API Key到环境变量。

千问调用示例

#导入包
import OneLLM

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

Qwen=OneLLM.Zhipu(api_key,model)  #实例化模型


#普通模式发送会话
msg=input("请输入：")
content=Qwen.send(msg)
print(content)

#调试模式发送会话
msg=input("请输入：")
content=Qwen.send_debug(msg)
print(content)

#多重对话
while True:
    msg=input("请输入：")
    content=Qwen.send(msg)
    print(content)

参考文档：https://help.aliyun.com/zh/model-studio/developer-reference/get-api-key?spm=a2c4g.11186623.help-menu-2400256.d_3_0.168b44ceFz04D8&scm=20140722.H_2712195._.OR_help-T_cn~zh-V_1

火山方舟大模型：

模型/应用调用API鉴权

API Key 签名鉴权

Authorization: Bearer <ARK_API_KEY>

API 调用示例

curl https://ark.cn-beijing.volces.com/api/v3/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <ARK_API_KEY>" \
  -d '{
    "model": "<Model ID>",
    "messages": [
        {
            "role": "system",
            "content": "You are a helpful assistant."
        },
        {
            "role": "user",
            "content": "Hello!"
        }
    ]
  }'

火山方舟调用示例

#导入包
import OneLLM

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

Doubao=OneLLM.Zhipu(api_key,model)  #实例化模型

#普通模式发送会话
msg=input("请输入：")
content=Doubao.send(msg)
print(content)

#调试模式发送会话
msg=input("请输入：")
content=Doubao.send_debug(msg)
print(content)

#多重对话
while True:
    msg=input("请输入：")
    content=Doubao.send(msg)
    print(content)

参考文档：https://www.volcengine.com/docs/82379/1298459

讯飞星火大模型：

2.填写应用基本信息，包括：

应用名称：为你的应用选择一个唯一且简洁的名称。
应用类型：根据模型的使用场景选择相应的应用类型（如：文本处理、语音识别等）。
应用描述：简要描述应用的功能和目标。
完成填写后，点击“提交”按钮。创建成功后，你将看到新创建的应用出现在应用列表中。

生成最终URL

将鉴权参数组合成最终的键值对，并urlencode生成最终的握手url。开发者可先根据WebSocket协议通用鉴权，确保生成的参数无误。

from urllib.parse import urlencode

v = {
		"authorization": authorization, # 上方鉴权生成的authorization
        "date": date,  # 步骤1生成的date
    	"host": "spark-api.xf-yun.com" # 请求的主机名，根据具体接口替换
}
url = "wss://spark-api.xf-yun.com/v1.1/chat?" + urlencode(v)
"""生成的最终url如下
wss://spark-api.xf-yun.com/v1.1/chat?authorization=YXBpX2tleT0iYWRkZDIyNzJiNmQ4YjdjOGFiZGQ3OTUzMTQyMGNhM2IiLCBhbGdvcml0aG09ImhtYWMtc2hhMjU2IiwgaGVhZGVycz0iaG9zdCBkYXRlIHJlcXVlc3QtbGluZSIsIHNpZ25hdHVyZT0iejVnSGR1M3B4VlY0QURNeWs0Njd3T1dEUTlxNkJRelIzbmZNVGpjL0RhUT0i&date=Fri%2C+05+May+2023+10%3A43%3A39+GMT&host=spark-api.xf-yun.com
"""

讯飞星火调用示例

#导入包
import OneLLM

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

Spark=OneLLM.Zhipu(api_key,model)  #实例化模型


#普通模式发送会话
msg=input("请输入：")
content=Spark.send(msg)
print(content)

#调试模式发送会话
msg=input("请输入：")
content=Spark.send_debug(msg)
print(content)

#多重对话
while True:
    msg=input("请输入：")
    content=Spark.send(msg)
    print(content)

参考文档：https://www.xfyun.cn/doc/spark/general_url_authentication.html

智谱清言大模型：

获取您的API Key：
登录到智谱AI开放平台API Keys 页面获取最新版生成的用户 API Key

新版机制中平台颁发的 API Key 同时包含 “用户标识 id” 和 “签名密钥 secret”，即格式为 {id}.{secret}

使用 API Key 进行请求
用户需要将 API Key 放入 HTTP 的 Authorization header 头中。

curl --location 'https://open.bigmodel.cn/api/paas/v4/chat/completions' \
--header 'Authorization: Bearer <你的apikey>' \
--header 'Content-Type: application/json' \
--data '{
    "model": "glm-4",
    "messages": [
        {
            "role": "user",
            "content": "你好"
        }
    ]
}'

鉴权 token 组装过程

import time
import jwt
 
def generate_token(apikey: str, exp_seconds: int):
    try:
        id, secret = apikey.split(".")
    except Exception as e:
        raise Exception("invalid apikey", e)
 
    payload = {
        "api_key": id,
        "exp": int(round(time.time() * 1000)) + exp_seconds * 1000,
        "timestamp": int(round(time.time() * 1000)),
    }
 
    return jwt.encode(
        payload,
        secret,
        algorithm="HS256",
        headers={"alg": "HS256", "sign_type": "SIGN"},
    )

用户需要将生成的鉴权 token 放入 HTTP 的 Authorization header 头中：

Authorization: 鉴权token

Curl请求中的token参数示例

curl --location 'https://open.bigmodel.cn/api/paas/v4/chat/completions' \
--header 'Authorization: Bearer <你的token>' \
--header 'Content-Type: application/json' \
--data '{
    "model": "glm-4",
    "messages": [
        {
            "role": "user",
            "content": "你好"
        }
    ]
}'

智谱清言调用示例

#导入包
import OneLLM

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

zhipu=OneLLM.Zhipu(api_key,model)  #实例化模型


#普通模式发送会话
msg=input("请输入：")
content=zhipu.send(msg)
print(content)

#调试模式发送会话
msg=input("请输入：")
content=zhipu.send_debug(msg)
print(content)

#连续对话
while True:
    msg=input("请输入：")
    content=zhipu.send(msg)
    print(content)

参考文档：https://bigmodel.cn/dev/api/http-call/http-auth

百度千帆大模型：

查看API Key
1.在API key列表页，点击显示，经过二次身份验证后，可以查看API Key明文

在HTTP Header中包含认证字符串
在URL中包含认证字符串

用户也可以将认证字符串放在HTTP请求Query String的authorization参数中。常用于生成URL给第三方使用的场景，例如要临时把某个数据开放给他人下载。

百度千帆调用示例

#导入包
import OneLLM

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

Ernie=OneLLM.Zhipu(api_key,model)  #实例化模型


#普通模式发送会话
msg=input("请输入：")
content=Ernie.send(msg)
print(content)

#调试模式发送会话
msg=input("请输入：")
content=Ernie.send_debug(msg)
print(content)

#多重对话
while True:
    msg=input("请输入：")
    content=Ernie.send(msg)
    print(content)

参考文档：https://cloud.baidu.com/doc/Reference/s/1m5qi1m4y

Kimi大模型：

获取API Key

你需要一个 API 密钥来使用我们的服务。你可以在我们的控制台中创建一个 API 密钥

发送请求

公开的服务地址

https://api.moonshot.cn

Moonshot调用示例

#导入包
import OneLLM

model="glm-4" #选择模型
api_key=" your api key " #填入你的API Key

Moonshot=OneLLM.Zhipu(api_key,model)  #实例化模型


#普通模式发送会话
msg=input("请输入：")
content=Moonshot.send(msg)
print(content)

#调试模式发送会话
msg=input("请输入：")
content=Moonshot.send_debug(msg)
print(content)

#多重对话
while True:
    msg=input("请输入：")
    content=Moonshot.send(msg)
    print(content)

参考文档：https://platform.moonshot.cn/docs/intro#%E8%8E%B7%E5%8F%96-api-%E5%AF%86%E9%92%A5

1.5大模型参照列表：

阿里千问大模型：

qwen-max
qwen-plus
qwen-turbo
qwen-long

火山方舟大模型：

Doubao-pro-4k
Doubao-pro-32k
Doubao-pro-128k

讯飞星火大模型：

Spark4.0 Ultra
Spark Max-32K
Spark Max
Spark Pro-128K
Spark Pro
Spark Lite

智谱清言大模型：

glm-4-plus
glm-4-air
glm-4-air-0111
Preview
glm-4-airx
glm-4-long
glm-4-flashx
glm-4-flash
glm-4v-plus-0111
glm-4v-plus
glm-4v
glm-4v-flash
glm-zero-preview

Kimi大模型：

moonshot-v1-8k
moonshot-v1-32k
moonshot-v1-128k
moonshot-v1-8k-vision-preview
moonshot-v1-32k-vision-preview
moonshot-v1-128k-vision-preview

百度千帆大模型：

ERNIE 4.0
ERNIE 4.0 Turbo
ERNIE 3.5
ERNIE Speed Pro

e6068a1a1599727c76be7b5e8f21684f06786bf2

ERNIE Lite Pro

License
- OSI Approved :: MIT License
Operating System
- OS Independent
Programming Language
- Python :: 3

Release files for OneLLMAPI 1.0

For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.

Source distribution (sdist)

Source distribution for OneLLMAPI 1.0
File	Size	Uploaded
onellmapi-1.0.tar.gz	18.2 kB	May 23, 2025	Details

Built distribution (wheel)

Table of built distributions (wheels) for OneLLMAPI 1.0
File	Interpreter	ABI	Platform	Reset
onellmapi-1.0-py3-none-any.whl 22.9 kB May 23, 2025	Python 3	none	any	Details

Total release size: 41.1 kB

Release files / onellmapi-1.0.tar.gz

Download URL	onellmapi-1.0.tar.gz
Size	18.2 kB
Tags	Source
SHA-256 checksum How to use checksums	`f412f30054d61f5ccb33c0861126c80041fc7c7f420532f157e675f8810b7039`
BLAKE2b-256 checksum How to use checksums	`cbb752dd4bc9fea25b5aa0ac58ec56dadf6664e9e6b7617ff3d41d302657b180`
Upload date	May 23, 2025
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.1.0 CPython/3.12.4`

Release files / onellmapi-1.0-py3-none-any.whl

Download URL	onellmapi-1.0-py3-none-any.whl
Size	22.9 kB
Tags	Python 3
SHA-256 checksum How to use checksums	`957534be0040ee69ca31b147359b8bbae0d0c95cb70d595a11aaa01f409e2212`
BLAKE2b-256 checksum How to use checksums	`11596b9e9b26ac9e5edab75174c7d5d0803b3aed17299c80f5e3e1aec83db8d8`
Upload date	May 23, 2025
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.1.0 CPython/3.12.4`

Release history Release notifications | RSS feed

This release

1.0 This release

May 23, 2025 2 release files

OneLLMAPI 1.0

OneLLM使用手册

1.1项目整体介绍：

1.2项目安装及使用方法：

1.2.1安装方法：

1.2.2使用方法(以智谱清言为例)：

1.3主要方法：

1.3.1 send(msg)

1.3.2 send_debug(msg)

1.3.3 set_model(model)

1.3.4 get_model()

1.3.5 set_api_key(api_key)

1.3.6 get_api_key()

1.3.7 getRequestId()

除此之外，对于实例化模型需要初始化传入的参数均可调用get/set方法进行使用。

2.1示例模型的调用方法：

火山方舟大模型：

火山方舟调用示例

讯飞星火大模型：

讯飞星火调用示例

智谱清言大模型：

智谱清言调用示例

百度千帆大模型：

百度千帆调用示例

Kimi大模型：

Moonshot调用示例

1.3大模型参照列表：

火山方舟大模型：

讯飞星火大模型：

智谱清言大模型：

Kimi大模型：

百度千帆大模型：

OneLLM使用手册

1.1项目整体介绍：

1.2项目安装及使用方法：

1.2.1安装方法：

1.2.2使用方法(以智谱清言为例)：

1.3主要方法：

1.3.1 send(msg)

1.3.2 send_debug(msg)

1.3.3 set_model(model)

1.3.4 get_model()

1.3.5 set_api_key(api_key)

1.3.6 get_api_key()

1.3.7 getRequestId()

除此之外，对于实例化模型需要初始化传入的参数均可调用get/set方法进行使用。

1.4示例模型的调用方法：

阿里千问大模型：

千问调用示例

火山方舟大模型：

火山方舟调用示例

讯飞星火大模型：

讯飞星火调用示例

智谱清言大模型：

智谱清言调用示例

百度千帆大模型：

百度千帆调用示例

Kimi大模型：

Moonshot调用示例

1.5大模型参照列表：

阿里千问大模型：

火山方舟大模型：

讯飞星火大模型：

智谱清言大模型：

Kimi大模型：

百度千帆大模型：

Project links

Key dates

1 maintainer

Credits

License

Requires

Classifiers

Release files for OneLLMAPI 1.0

Source distribution (sdist)

Built distribution (wheel)

Release files / onellmapi-1.0.tar.gz

Release files / onellmapi-1.0-py3-none-any.whl

Release history Release notifications | RSS feed