大语言模型API配置指南
本指南提供了如何配置和使用不同大语言模型API的详细说明，包括硅基流动的Qwen/QwQ-32B模型和Deepseek的Deepseek-v3模型。
模型配置选项
硅基流动: Qwen/QwQ-32B模型
# 全局LLM配置
[llm]
# 模型名称
model = "Qwen/QwQ-32B"
# API基础URL
base_url = "https://api.siliconflow.cn/v1"
# 你的API密钥 (请替换为你自己的密钥)
api_key = "sk-你的API密钥"
# 最大生成标记数
max_tokens = 4096
# 温度参数 (0.0表示最确定性的输出)
temperature = 0.0
Deepseek: Deepseek-v3模型
# 全局LLM配置
[llm]
# 模型名称
model = "deepseek-chat"
# API基础URL
base_url = "https://api.deepseek.com/v1"
# 你的API密钥 (请替换为你自己的密钥)
api_key = "sk-你的API密钥"
# 最大生成标记数
max_tokens = 4096
# 温度参数 (0.0表示最确定性的输出)
temperature = 0.0
环境准备
浏览器安装
为了避免潜在问题和确保Web交互功能正常工作，建议安装Playwright浏览器：
这将安装所有必要的浏览器依赖，确保项目能够正常进行网页抓取和自动化操作。
使用提示
-
API密钥安全: 请确保不要在公共场合分享你的API密钥。使用时替换sk-你的API密钥为你的实际密钥。
-
参数调整: 可以根据需要调整max_tokens和temperature参数。温度越低，输出越确定；温度越高，输出越多样。
-
配置文件位置: 将以上配置保存在项目的配置文件中（通常为.toml格式）。
-
依赖安装: 除了Playwright浏览器外，确保已安装所有必要的Python依赖。
已知问题和限制
虽然上述配置可以成功运行，但存在一些需要注意的问题：
-
效率问题: 使用这些API可能会遇到响应速度慢的情况，特别是在处理复杂任务时。
-
API超时: 有时API调用可能会超时，尤其是在网络不稳定或服务负载高的情况下。
-
文件保存不稳定: 生成的文件可能不总是能成功下载或保存，这可能需要多次尝试或实现重试机制。
这些是目前已知的局限性，我们正在努力解决这些问题。如有更好的解决方案，欢迎社区贡献。
注: 本指南提供的是基本配置和使用信息，仅供参考。实际应用中可能需要根据具体需求和环境做进一步调整。
大语言模型API配置指南
本指南提供了如何配置和使用不同大语言模型API的详细说明，包括硅基流动的Qwen/QwQ-32B模型和Deepseek的Deepseek-v3模型。
模型配置选项
硅基流动: Qwen/QwQ-32B模型
Deepseek: Deepseek-v3模型
环境准备
浏览器安装
为了避免潜在问题和确保Web交互功能正常工作，建议安装Playwright浏览器：
这将安装所有必要的浏览器依赖，确保项目能够正常进行网页抓取和自动化操作。
使用提示
API密钥安全: 请确保不要在公共场合分享你的API密钥。使用时替换
sk-你的API密钥为你的实际密钥。参数调整: 可以根据需要调整
max_tokens和temperature参数。温度越低，输出越确定；温度越高，输出越多样。配置文件位置: 将以上配置保存在项目的配置文件中（通常为
.toml格式）。依赖安装: 除了Playwright浏览器外，确保已安装所有必要的Python依赖。
已知问题和限制
虽然上述配置可以成功运行，但存在一些需要注意的问题：
效率问题: 使用这些API可能会遇到响应速度慢的情况，特别是在处理复杂任务时。
API超时: 有时API调用可能会超时，尤其是在网络不稳定或服务负载高的情况下。
文件保存不稳定: 生成的文件可能不总是能成功下载或保存，这可能需要多次尝试或实现重试机制。
这些是目前已知的局限性，我们正在努力解决这些问题。如有更好的解决方案，欢迎社区贡献。
注: 本指南提供的是基本配置和使用信息，仅供参考。实际应用中可能需要根据具体需求和环境做进一步调整。