生成式人工智能 (gen ai) 正在凭借其创造力、解决问题和自动化的潜力重塑行业。然而，由于 api 和配置分散，开发人员在集成来自不同提供商的大型语言模型 (llm) 时经常面临重大挑战。互操作性的缺乏使工作流程变得复杂，延长了开发时间，并阻碍了有效的 gen ai 应用程序的创建。
为了解决这个问题，andrew ng 的团队推出了 aisuite，这是一个开源 python 库，可以简化 openai、anthropic 和 ollama 等提供商之间的法学硕士集成。 aisuite 使开发人员能够使用简单的“provider:model”字符串（例如 openai:gpt-4o 或 anthropic:claude-3-5）在模型之间切换，从而无需大量重写代码。通过提供统一的接口，aisuite 显着降低了复杂性，加速了开发，并为构建多功能 gen ai 应用程序开辟了新的可能性。
在本文中，我们将探讨 aisuite 的工作原理、实际应用以及它在解决与不同法学硕士合作的挑战方面的有效性。
入门
目录
- 什么是aisuite
- 为什么aisuite很重要
- 使用 aisuite 进行实验
- 创建聊天完成
- 创建通用查询函数
什么是aisuite
aisuite 是由 andrew ng 团队开发的开源 python 库，用于简化来自多个提供商的大型语言模型 (llm) 的集成和管理。它抽象化了使用不同 api、配置和数据格式的复杂性，为开发人员提供了一个统一的框架来简化他们的工作流程。
aisuite的主要特点：
- 简单的界面：aisuite 提供了一个简单且一致的界面来管理各种 llm。开发者只需几行代码即可将模型集成到他们的应用程序中，大大降低了 gen ai 项目的进入门槛。
- 统一框架：通过抽象多个api之间的差异，aisuite无缝处理不同类型的请求和响应。这减少了开发开销并加速了原型设计和部署。
- 轻松模型切换：使用aisuite，模型之间的切换就像更改代码中的单个字符串一样简单。例如，开发人员可以指定“provider:model”组合，如 openai:gpt-4o 或 anthropic:claude-3-5，而无需重写应用程序的重要部分。
- 可扩展性：aisuite 旨在适应不断发展的 gen ai 环境。开发人员可以在新模型和提供程序可用时添加它们，确保应用程序保持最新的人工智能功能。
为什么aisuite很重要？
aisuite 解决了 gen ai 生态系统中的一个关键痛点：不同提供商的法学硕士之间缺乏互操作性。通过提供统一的接口，它简化了开发过程，节省了时间并降低了成本。这种灵活性允许团队通过为特定任务选择最佳模型来优化性能。
早期基准测试和社区反馈凸显了 aisuite 减少多模型应用程序集成时间、提高开发人员效率和生产力的能力。随着 gen ai 生态系统的发展，aisuite 降低了实验、构建和扩展人工智能驱动的解决方案的障碍。
尝试 aisuite
让我们通过安装必要的依赖项开始探索 aisuite。
安装依赖项
- 通过执行以下命令创建并激活虚拟环境。
python -m venv venv source venv/bin/activate #for ubuntu venv/scripts/activate #for windows
- 使用 pip 安装 aisuite、openai 和 python-dotenv 库。
pip install aisuite[all] openai python-dotenv
设置环境和凭据
创建一个名为 .env 的文件。该文件将存储您的环境变量，包括 openai 密钥。
- 打开 .env 文件并添加以下代码来指定您的 openai api 密钥：
openai_api_key=sk-proj-7xypjkdag_gdl0_... groq_api_key=gsk_8nigj24k2p0j5rwrwoobw...
- 将 api 密钥添加到环境变量中。
import os
from dotenv import load_dotenv
load_dotenv()
os.environ['openai_api_key'] = os.getenv('openai_api_key')
os.environ['anthropic_api_key'] = getpass('enter your anthropic api key: ')
初始化aisuite客户端
创建 aisuite 客户端实例，实现与多个 llm 的标准化交互。
client = ai.client()
defining the prompt
the prompt syntax closely resembles openai’s structure, incorporating roles and content.
messages = [
{"role": "system", "content": "you are a helpful assistant."},
{"role": "user", "content": "tell a joke in 1 line."}
]
查询型号
用户可以使用aisuite查询模型，如下。
# openai model response = client.chat.completions.create(model="openai:gpt-4o", messages=messages, temperature=0.75) # ollama model response = client.chat.completions.create(model="ollama:llama3.1:8b", messages=messages, temperature=0.75) # anthropic model response = client.chat.completions.create(model="anthropic:claude-3-5-sonnet-20241022", messages=messages, temperature=0.75) # groq model response = client.chat.completions.create(model="groq:llama-3.2-3b-preview", messages=messages, temperature=0.75) print(response.choices[0].message.content)
- model="openai:gpt-4o"：指定模型的类型和版本。
- messages=messages：将之前定义的提示发送到模型。
- 温度=0.75：调整响应的随机性。较高的值鼓励创造性输出，而较低的值会产生更具确定性的结果。
- response.choices[0].message.content：从模型的响应中检索文本内容。
创建聊天完成
让我们使用 openai 模型创建聊天完成代码。
import os
from dotenv import load_dotenv
load_dotenv()
os.environ['openai_api_key'] = os.getenv('openai_api_key')
import aisuite as ai
client = ai.client()
provider = "openai"
model_id = "gpt-4o"
messages = [
{"role": "system", "content": "you are a helpful assistant"},
{"role": "user", "content": "provide an overview of the latest trends in ai"},
]
response = client.chat.completions.create(
model = f"{provider}:{model_id}",
messages = messages,
)
print(response.choices[0].message.content)
- 使用以下命令运行应用程序。
python app.py
您将得到如下输出，
创建用于查询的通用函数
与其编写单独的代码来调用不同的模型，不如创建一个通用函数来消除代码重复并提高效率。
def ask(message, sys_message="you are a helpful assistant", model="openai:gpt-4o"):
client = ai.client()
messages = [
{"role": "system", "content": sys_message},
{"role": "user", "content": message}
]
response = client.chat.completions.create(model=model, messages=messages)
return response.choices[0].message.content
print(ask("provide an overview of the latest trends in ai"))
ask 函数是一个可重用的实用程序，设计用于向 ai 模型发送查询。它接受以下参数：
- 消息：用户的查询或提示。 sys_message（可选）：指导模型行为的系统级指令。
- model：指定要使用的ai模型。 该函数处理输入参数，将其发送到指定模型，并返回 ai 的响应，使其成为与各种模型交互的多功能工具。
下面是使用通用询问函数与 openai 模型交互的完整代码。
import os
from dotenv import load_dotenv
load_dotenv()
os.environ['openai_api_key'] = os.getenv('openai_api_key')
import aisuite as ai
def ask(message, sys_message="you are a helpful assistant", model="openai:gpt-4o"):
client = ai.client()
messages = [
{"role": "system", "content": sys_message},
{"role": "user", "content": message}
]
response = client.chat.completions.create(model=model, messages=messages)
return response.choices[0].message.content
print(ask("provide an overview of the latest trends in ai"))
运行代码将产生以下输出。
与多个 api 交互
让我们通过以下代码探索使用 aisuite 与多个模型进行交互。
import os
from dotenv import load_dotenv
load_dotenv()
os.environ['OPENAI_API_KEY'] = os.getenv('OPENAI_API_KEY')
os.environ['GROQ_API_KEY'] = os.getenv('GROQ_API_KEY')
import aisuite as ai
def ask(message, sys_message="You are a helpful assistant", model="openai:gpt-4o"):
client = ai.Client()
messages = [
{"role": "system", "content": sys_message},
{"role": "user", "content": message}
]
response = client.chat.completions.create(model=model, messages=messages)
return response.choices[0].message.content
print(ask("Who is your creator?"))
print(ask('Who is your creator?', model='ollama:qwen2:1.5b'))
print(ask('Who is your creator?', model='groq:llama-3.1-8b-instant'))
print(ask('Who is your creator?', model='anthropic:claude-3-5-sonnet-20241022'))
与 anthropic 或 groq 等提供商交互时可能会遇到挑战。希望 aisuite 团队正在积极解决这些问题，以确保无缝集成和功能。
aisuite 是一款用于浏览大型语言模型的强大工具。它使用户能够利用多个人工智能提供商的优势，同时简化开发并鼓励创新。凭借其开源基础和直观的设计，aisuite 成为现代人工智能应用程序开发的基石。
感谢您阅读这篇文章！！
感谢 gowri m bhatt 审阅内容。
如果您喜欢这篇文章，请点击心形按钮♥并分享以帮助其他人找到它！
本教程的完整源代码可以在这里找到，
github - codemaker2015/aisuite-examples : github.com
资源
github - andrewyng/aisuite：与多个生成式 ai 提供商的简单、统一的接口：github.com
