pinellm 1.0.4

A Python library for managing LLM chat models

PineLLM

一个轻量级的多供应商LLM交互框架

---

项目概述

PineLLM 是一个用于与多个大语言模型（LLM）供应商进行交互的Python框架，支持灵活的模型配置、成本计算、工具调用等功能。当前支持阿里云Qwen系列模型，未来计划扩展更多供应商。

---

核心功能

1. 多供应商支持

• 内置国内大部分模型供应商，如阿里云Qwen系列
• 可通过配置扩展其他供应商

2. 模型配置管理

• 模型参数自动填充（如温度、上下文长度等）
• 供应商API密钥动态加载
• 模型元数据管理（价格、性能指标等）

3. 成本计算

• 根据模型配置计算输入/输出/总费用
• 支持实时费用统计

4. 工具调用

• 内置基础工具（如获取当前时间）
• 支持自定义工具扩展

5. 结构化响应

• 自动处理JSON/YAML格式响应
• 提供安全的嵌套数据访问

---

快速开始

安装

pip install pinellm

---

使用示例

配置管理(使用load_config())

from pinellm import ConfigManager

config = ConfigManager()

# 设置参数
mymodels = {
    "qwen-plus":{
        "newname": "qwen-plus-latest",
        "name": "qwen-plus",
        "type": "text",
        "description": "能力均衡，推理效果、成本和速度介于通义千问-Max和通义千问-Turbo之间，适合中等复杂任务。",
        "price_in": 0.002,
        "price_out": 0.0008,
        "max_tokens_in": 129024,
        "max_tokens_out": 8192,
        "max_thought": 0,
        "max_context": 131072,
        "enable_search": True,
        "response_format": True,
        "tools": True,
        "text_input": True,
        "text_output": True,
        "audio_input": False,
        "audio_output": False,
        "image_input": False,
        "image_output": False,
        "video_input": False,
        "video_output": False,
        "thought_chain": False,
        "modalities": ["text"],
        "temperature": 0.95,
        "top_p": 0.7,
        "presence_penalty": 0.6,
        "n": 1,
        "seed": 1234
    }
}

config.load_config(models=mymodels)

# 配置供应商
mysuppliers = {
    {
        "name": "custom_supplier",
        "url": "https://api.example.com/v1/chat",
        "api_key": "YOUR_API_KEY", # 避免明文，可以是一个apikey的获取函数，如：os.getenv("API_KEY"),
        "models": ["qwen-plus-latest"]
    }
}

config.load_config(suppliers=mysuppliers)


# 配置工具映射

def get_name():
    return "PineKing"

mytools = {
    "get_name": get_name
}

config.load_config(tools=mytools)

配置管理（直接设置参数）

from pinellm import ConfigManager

config = ConfigManager()

config.Model_Map.qwen-plus.name = "qwen-plus"
config.Model_Map.qwen-plus.newname = "qwen-plus-latest"
config.Model_Map.qwen-plus.type = "text"
# 省略更多...

# 配置供应商
config.Supplier_Map.supplier_name.name = "custom_supplier"
config.Supplier_Map.supplier_name.url = "https://api.example.com/v1/chat"
config.Supplier_Map.supplier_name.api_key = "YOUR_API_KEY" # 避免明文，可以是一个apikey的获取函数，如：os.getenv("API_KEY"),
config.Supplier_Map.supplier_name.models = ["qwen-plus-latest"]
# 省略更多...

# 配置工具映射
def get_name():
    return "PineKing"
config.Tools_Map.get_name = get_name

def get_age():
    return 18
config.Tools_Map.get_age = get_age

---

基础聊天请求

from pinellm import ChatRequest, Message

# 创建消息
messages = [
    Message("system", "You are a helpful assistant."),
    Message("user", "介绍一下你自己")
]

# 发送请求
response = ChatRequest(
    model="qwen-plus",
    messages=messages
).send()

# 处理响应
print(f"回答：{response.choices.message.content}") # 回答：你好！我是通义千问，阿里巴巴集团旗下的超大规模语言模型。我能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本、逻辑推理、编程等等，还能表达观点，玩游戏等。我熟练掌握多种语言，包括但不限于中文、英文、德语、法语、西班牙语等。如果你有任何问题或需要帮助，随时可以问我！
print(f"费用：{response.price.total_price} 元") # 费用：0.0001848 元

---

工具调用示例

# 工具调用示例

# 引入相关模块
# 对话请求构建工具
from pinellm import ChatRequest,Message,Tool
# 工具调用处理工具
from pinellm import toolsutilize
# 配置管理工具
from pinellm.config import ConfigManager

# 配置文件
config = ConfigManager()

# 增加自定义工具
def get_neme():
    return "PineKing"

config.Tools_Map.get_neme = get_neme

# 调用工具
## 构建消息列表
messages = [Message(role="system", content="你是一位用户对话助理，请根据用户需求提供帮助"),
            Message(role="user", content="请告诉我你的名字")]

## 构建请求体并直接发送请求
response = ChatRequest(
    model="qwen-plus",
    messages=messages,
    tools=[Tool(name="get_neme",description="获取助理名字",properties=None)]
).send()

# 判断是否调用工具
if response.choices.message.tool_calls:
    ## 调用工具
    tool_messages = toolsutilize(response)
    ## 如果结果不需要返回大模型处理，则直接返回工具返回的消息
    print(tool_messages[-1].content) # 返回：PineKing
    
    ## 如果结果需要返回大模型处理，则将工具返回的消息添加到消息列表中，再次发送请求
    messages += tool_messages
    response = ChatRequest(
        model="qwen-plus",
        messages=messages,
        tools=[Tool(name="get_neme", description="获取助理名字", properties=None)]
    ).send()
    ## 大模型返回结果
    print(response.choices.message.content) # 返回：我的名字是PineKing。很高兴为您服务！

---

流式调用示例

# 引入相关模块
from pinellm import ChatRequest, Message

# 创建消息
messages = [
    Message("system", "You are a helpful assistant."),
    Message("user", "介绍一下你自己")
]

# 发送请求
responses = ChatRequest(
    model="qwen-plus",
    messages=messages
).send_stream()

for response in responses:
    print(f"Error: {response.message}")
else:
    print(response.choices.message.content)

推理模型调用示例(非流式)

# 引入相关模块
from pinellm import ChatRequest, Message

# 创建消息
messages = [
    Message("system", "You are a helpful assistant."),
    Message("user", "介绍一下你自己")
]

# 发送请求(支持send()和send_stream())
# 使用send()方法，返回一个完整的响应对象，通过response.choices.message.content获取结果，通过response.choices.message.reasoning获取推理过程，通过response.choices.message.if_tool_call获取是否调用工具
response = ChatRequest(
    model="qwq-plus",
    messages=messages
).send()
if response.error:
    print(f"Error: {response.message}")
else:
    print(response.choices.message.content)
    print(response.choices.message.reasoning)
    if response.choices.message.if_tool_call:
        print(response.choices.message.tool_calls)

推理模型调用示例(流式)

# 引入相关模块
from pinellm import ChatRequest, Message

# 创建消息
messages = [
    Message("system", "You are a helpful assistant."),
    Message("user", "介绍一下你自己")
]

# 发送请求(支持send()和send_stream())
# 使用send_stream()方法，返回一个生成器对象，通过yield获取结果，通过yield获取推理过程，通过yield获取是否调用工具
response = ChatRequest(
    model="qwq-plus",
    messages=messages
).send_stream()
if response.error:
    print(f"Error: {response.message}")

---

开发计划

短期目标（1-3个月）

功能模块	进度	说明
支持更多供应商	20%	计划集成Anthropic、OpenAI等
图像处理增强	10%	支持图片输入/输出
文档自动化	5%	使用mkdocs生成文档
性能优化	30%	异步请求支持

中期目标（3-6个月）

功能模块	说明
工具市场	用户可上传/下载工具插件
模型比较工具	自动对比不同模型输出
成本监控系统	实时API调用费用统计

长期目标

功能模块	说明
多语言支持	完善非中文环境支持
企业级部署	Kubernetes部署方案
安全审计	API密钥加密存储

---

模型和厂商适配 （持续更新）

阿里云

• API文档：阿里云文档
• 供应商：阿里云供应商
• 模型列表：阿里云模型列表
  • qwen-max
  • qwen-plus

DeepSeek

• API文档：DeepSeek文档
• 供应商：DeepSeek供应商
• 模型列表：DeepSeek模型列表
  • deepseek-chat
  • deepseek-reasoner(推理模型)

智谱AI

• API文档：智谱AI文档
• 供应商：智谱AI供应商
• 模型列表：智谱AI模型列表
  • glm-4-plus
  • glm-4-air
  • glm-4-airx
  • glm-4-long
  • glm-4-flashx
  • glm-4-flash

---

模块详解

1. 配置模块 (pinellm.config)

• ConfigManager

  • 单例模式管理配置
  • 自动合并内置配置和用户自定义配置
  • 提供模型/供应商/工具的快速查找接口

• Supplier

  • 根据模型名称自动匹配供应商
  • 动态获取API密钥和URL
  • 提供安全的API参数获取接口

2. 聊天模块 (pinellm.llm_chat)

• chat()

  • 处理完整的请求-响应流程
  • 自动计算费用并附加到响应
  • 支持工具调用的链式处理

• cost()

  • 使用Decimal进行高精度费用计算
  • 根据模型价格参数动态计算

3. 工具模块 (pinellm.tools)

• 内置工具

  • get_current_time()：获取当前时间（含星期）
  • get_weather()：基础天气查询（待扩展）

• 工具扩展规范

  def new_tool(latitude: float, longitude: float):
      # 自定义工具实现
      return f""
  

---

贡献指南

1. Fork仓库
2. 创建新分支 git checkout -b feature/tool-extension
3. 提交PR至 main 分支
4. 遵循PEP8编码规范

---

联系我

• 项目地址：https://github.com/PineKings/pinellm
• 开发者邮件：[e-mail]

---