uni api
0.0.104
الإنجليزية | الصينية
للاستخدام الشخصي ، يعد واحد/New-API معقدًا للغاية مع العديد من الميزات التجارية التي لا يحتاجها الأفراد. إذا كنت لا تريد واجهة واجهة أمامية معقدة وتفضل الدعم لمزيد من النماذج ، فيمكنك تجربة UNI-API. هذا مشروع يوحد إدارة واجهات برمجة تطبيقات نموذج اللغة الكبيرة ، مما يتيح لك استدعاء خدمات الواجهة الخلفية المتعددة من خلال واجهة API موحدة واحدة ، وتحويلها جميعًا إلى Openai ، ودعم موازنة التحميل. تشمل خدمات الواجهة الخلفية المدعومة حاليًا: Openai ، Anthropic ، Gemini ، Vertex ، Cohere ، Groq ، Cloudflare ، OpenRouter ، وأكثر من ذلك.
SCHEDULING_ALGORITHM كـ round_robin ./v1/chat/completions ، /v1/images/generations ، /v1/audio/transcriptions ، /v1/moderations ، /v1/models .لبدء UNI-API ، يجب استخدام ملف التكوين. هناك طريقتان للبدء بملف التكوين:
CONFIG_URL لملء عنوان URL ملف التكوين ، والذي سيتم تنزيله تلقائيًا عند بدء تشغيل UNI-API.api.yaml في الحاوية.api.yaml لبدء Uni-API يجب عليك ملء ملف التكوين مقدمًا لبدء uni-api ، ويجب عليك استخدام ملف تكوين يسمى api.yaml لبدء uni-api ، يمكنك تكوين نماذج متعددة ، يمكن لكل طراز تكوين خدمات الخلفية المتعددة ، ودعم موازنة التحميل. فيما يلي مثال على ملف تكوين api.yaml الأدنى الذي يمكن تشغيله:
providers :
- provider : provider_name # Service provider name, such as openai, anthropic, gemini, openrouter, can be any name, required
base_url : https://api.your.com/v1/chat/completions # Backend service API address, required
api : sk-YgS6GTi0b4bEabc4C # Provider's API Key, required, automatically uses base_url and api to get all available models through the /v1/models endpoint.
# Multiple providers can be configured here, each provider can configure multiple API Keys, and each API Key can configure multiple models.
api_keys :
- api : sk-Pkj60Yf8JFWxfgRmXQFWyGtWUddGZnmi3KlvowmRWpWpQxx # API Key, user request uni-api requires API key, required
# This API Key can use all models, that is, it can use all models in all channels set under providers, without needing to add available channels one by one. التكوين المتقدم المفصل لـ api.yaml :
providers :
- provider : provider_name # Service provider name, such as openai, anthropic, gemini, openrouter, can be any name, required
base_url : https://api.your.com/v1/chat/completions # Backend service API address, required
api : sk-YgS6GTi0b4bEabc4C # Provider's API Key, required
model : # Optional, if model is not configured, all available models will be automatically obtained through base_url and api via the /v1/models endpoint.
- gpt-4o # Usable model name, required
- claude-3-5-sonnet-20240620 : claude-3-5-sonnet # Rename model, claude-3-5-sonnet-20240620 is the provider's model name, claude-3-5-sonnet is the renamed name, you can use a simple name to replace the original complex name, optional
- dall-e-3
- provider : anthropic
base_url : https://api.anthropic.com/v1/messages
api : # Supports multiple API Keys, multiple keys automatically enable polling load balancing, at least one key, required
- sk-ant-api03-bNnAOJyA-xQw_twAA
- sk-ant-api02-bNnxxxx
model :
- claude-3-5-sonnet-20240620 : claude-3-5-sonnet # Rename model, claude-3-5-sonnet-20240620 is the provider's model name, claude-3-5-sonnet is the renamed name, you can use a simple name to replace the original complex name, optional
tools : true # Whether to support tools, such as generating code, generating documents, etc., default is true, optional
- provider : gemini
base_url : https://generativelanguage.googleapis.com/v1beta # base_url supports v1beta/v1, only for Gemini model use, required
api : # Supports multiple API Keys, multiple keys automatically enable polling load balancing, at least one key, required
- AIzaSyAN2k6IRdgw123
- AIzaSyAN2k6IRdgw456
- AIzaSyAN2k6IRdgw789
model :
- gemini-1.5-pro
- gemini-1.5-flash-exp-0827 : gemini-1.5-flash # After renaming, the original model name gemini-1.5-flash-exp-0827 cannot be used, if you want to use the original name, you can add the original name in the model, just add the line below to use the original name
- gemini-1.5-flash-exp-0827 # Add this line, both gemini-1.5-flash-exp-0827 and gemini-1.5-flash can be requested
tools : true
preferences :
api_key_rate_limit : 15/min # Each API Key can request up to 15 times per minute, optional. The default is 999999/min. Supports multiple frequency constraints: 15/min,10/day
# api_key_rate_limit: # You can set different frequency limits for each model
# gemini-1.5-flash: 15/min,1500/day
# gemini-1.5-pro: 2/min,50/day
# default: 4/min # If the model does not set the frequency limit, use the frequency limit of default
api_key_cooldown_period : 60 # Each API Key will be cooled down for 60 seconds after encountering a 429 error. Optional, the default is 0 seconds. When set to 0, the cooling mechanism is not enabled. When there are multiple API keys, the cooling mechanism will take effect.
api_key_schedule_algorithm : round_robin # Set the request order of multiple API Keys, optional. The default is round_robin, and the optional values are: round_robin, random. It will take effect when there are multiple API keys. round_robin is polling load balancing, and random is random load balancing.
model_timeout : # Model timeout, in seconds, default 100 seconds, optional
gemini-1.5-pro : 10 # Model gemini-1.5-pro timeout is 10 seconds
gemini-1.5-flash : 10 # Model gemini-1.5-flash timeout is 10 seconds
default : 10 # Model does not have a timeout set, use the default timeout of 10 seconds, when requesting a model not in model_timeout, the timeout is also 10 seconds, if default is not set, uni-api will use the default timeout set by the environment variable TIMEOUT, the default timeout is 100 seconds
proxy : socks5://[username]:[password]@[ip]:[port] # Proxy address, optional. Supports socks5 and http proxies, default is not used.
- provider : vertex
project_id : gen-lang-client-xxxxxxxxxxxxxx # Description: Your Google Cloud project ID. Format: String, usually composed of lowercase letters, numbers, and hyphens. How to obtain: You can find your project ID in the project selector of the Google Cloud Console.
private_key : " -----BEGIN PRIVATE KEY----- n xxxxx n -----END PRIVATE " # Description: Private key for Google Cloud Vertex AI service account. Format: A JSON formatted string containing the private key information of the service account. How to obtain: Create a service account in Google Cloud Console, generate a JSON formatted key file, and then set its content as the value of this environment variable.
client_email : [email protected] # Description: Email address of the Google Cloud Vertex AI service account. Format: Usually a string like "[email protected]". How to obtain: Generated when creating a service account, or you can view the service account details in the "IAM and Admin" section of the Google Cloud Console.
model :
- gemini-1.5-pro
- gemini-1.5-flash
- gemini-1.5-pro : gemini-1.5-pro-search # Only supports using the gemini-1.5-pro-search model to request uni-api when using the Vertex Gemini API, to automatically use the Google official search tool.
- claude-3-5-sonnet@20240620 : claude-3-5-sonnet
- claude-3-opus@20240229 : claude-3-opus
- claude-3-sonnet@20240229 : claude-3-sonnet
- claude-3-haiku@20240307 : claude-3-haiku
tools : true
notes : https://xxxxx.com/ # You can put the provider's website, notes, official documentation, optional
- provider : cloudflare
api : f42b3xxxxxxxxxxq4aoGAh # Cloudflare API Key, required
cf_account_id : 8ec0xxxxxxxxxxxxe721 # Cloudflare Account ID, required
model :
- ' @cf/meta/llama-3.1-8b-instruct ' : llama-3.1-8b # Rename model, @cf/meta/llama-3.1-8b-instruct is the provider's original model name, must be enclosed in quotes, otherwise yaml syntax error, llama-3.1-8b is the renamed name, you can use a simple name to replace the original complex name, optional
- ' @cf/meta/llama-3.1-8b-instruct ' # Must be enclosed in quotes, otherwise yaml syntax error
- provider : other-provider
base_url : https://api.xxx.com/v1/messages
api : sk-bNnAOJyA-xQw_twAA
model :
- causallm-35b-beta2ep-q6k : causallm-35b
- anthropic/claude-3-5-sonnet
tools : false
engine : openrouter # Force the use of a specific message format, currently supports gpt, claude, gemini, openrouter native format, optional
api_keys :
- api : sk-KjjI60Yf0JFWxfgRmXqFWyGtWUd9GZnmi3KlvowmRWpWpQRo # API Key, required for users to use this service
model : # Models that can be used by this API Key, required. Default channel-level polling load balancing is enabled, and each request model is requested in sequence according to the model configuration. It is not related to the original channel order in providers. Therefore, you can set different request sequences for each API key.
- gpt-4o # Usable model name, can use all gpt-4o models provided by providers
- claude-3-5-sonnet # Usable model name, can use all claude-3-5-sonnet models provided by providers
- gemini/* # Usable model name, can only use all models provided by providers named gemini, where gemini is the provider name, * represents all models
role : admin
- api : sk-pkhf60Yf0JGyJxgRmXqFQyTgWUd9GZnmi3KlvowmRWpWqrhy
model :
- anthropic/claude-3-5-sonnet # Usable model name, can only use the claude-3-5-sonnet model provided by the provider named anthropic. Models with the same name from other providers cannot be used. This syntax will not match the model named anthropic/claude-3-5-sonnet provided by other-provider.
- <anthropic/claude-3-5-sonnet> # By adding angle brackets on both sides of the model name, it will not search for the claude-3-5-sonnet model under the channel named anthropic, but will take the entire anthropic/claude-3-5-sonnet as the model name. This syntax can match the model named anthropic/claude-3-5-sonnet provided by other-provider. But it will not match the claude-3-5-sonnet model under anthropic.
- openai-test/text-moderation-latest # When message moderation is enabled, the text-moderation-latest model under the channel named openai-test can be used for moderation.
- sk-KjjI60Yd0JFWtxxxxxxxxxxxxxxwmRWpWpQRo/* # Support using other API keys as channels
preferences :
SCHEDULING_ALGORITHM : fixed_priority # When SCHEDULING_ALGORITHM is fixed_priority, use fixed priority scheduling, always execute the channel of the first model with a request. Default is enabled, SCHEDULING_ALGORITHM default value is fixed_priority. SCHEDULING_ALGORITHM optional values are: fixed_priority, round_robin, weighted_round_robin, lottery, random.
# When SCHEDULING_ALGORITHM is random, use random polling load balancing, randomly request the channel of the model with a request.
# When SCHEDULING_ALGORITHM is round_robin, use polling load balancing, request the channel of the model used by the user in order.
AUTO_RETRY : true # Whether to automatically retry, automatically retry the next provider, true for automatic retry, false for no automatic retry, default is true. Also supports setting a number, indicating the number of retries.
rate_limit : 15/min # Supports rate limiting, each API Key can request up to 15 times per minute, optional. The default is 999999/min. Supports multiple frequency constraints: 15/min,10/day
# rate_limit: # You can set different frequency limits for each model
# gemini-1.5-flash: 15/min,1500/day
# gemini-1.5-pro: 2/min,50/day
# default: 4/min # If the model does not set the frequency limit, use the frequency limit of default
ENABLE_MODERATION : true # Whether to enable message moderation, true for enable, false for disable, default is false, when enabled, it will moderate the user's message, if inappropriate messages are found, an error message will be returned.
# Channel-level weighted load balancing configuration example
- api : sk-KjjI60Yd0JFWtxxxxxxxxxxxxxxwmRWpWpQRo
model :
- gcp1/* : 5 # The number after the colon is the weight, weight only supports positive integers.
- gcp2/* : 3 # The size of the number represents the weight, the larger the number, the greater the probability of the request.
- gcp3/* : 2 # In this example, there are a total of 10 weights for all channels, and 10 requests will have 5 requests for the gcp1/* model, 2 requests for the gcp2/* model, and 3 requests for the gcp3/* model.
preferences :
SCHEDULING_ALGORITHM : weighted_round_robin # Only when SCHEDULING_ALGORITHM is weighted_round_robin and the above channel has weights, it will request according to the weighted order. Use weighted polling load balancing, request the channel of the model with a request according to the weight order. When SCHEDULING_ALGORITHM is lottery, use lottery polling load balancing, request the channel of the model with a request according to the weight randomly. Channels without weights automatically fall back to round_robin polling load balancing.
AUTO_RETRY : true
preferences : # Global configuration
model_timeout : # Model timeout, in seconds, default 100 seconds, optional
gpt-4o : 10 # Model gpt-4o timeout is 10 seconds, gpt-4o is the model name, when requesting models like gpt-4o-2024-08-06, the timeout is also 10 seconds
claude-3-5-sonnet : 10 # Model claude-3-5-sonnet timeout is 10 seconds, when requesting models like claude-3-5-sonnet-20240620, the timeout is also 10 seconds
default : 10 # Model does not have a timeout set, use the default timeout of 10 seconds, when requesting a model not in model_timeout, the default timeout is 10 seconds, if default is not set, uni-api will use the default timeout set by the environment variable TIMEOUT, the default timeout is 100 seconds
o1-mini : 30 # Model o1-mini timeout is 30 seconds, when requesting models starting with o1-mini, the timeout is 30 seconds
o1-preview : 100 # Model o1-preview timeout is 100 seconds, when requesting models starting with o1-preview, the timeout is 100 seconds
cooldown_period : 300 # Channel cooldown time, in seconds, default 300 seconds, optional. When a model request fails, the channel will be automatically excluded and cooled down for a period of time, and will not request the channel again. After the cooldown time ends, the model will be automatically restored until the request fails again, and it will be cooled down again. When cooldown_period is set to 0, the cooling mechanism is not enabled.
error_triggers : # Error triggers, when the message returned by the model contains any of the strings in the error_triggers, the channel will return an error. Optional
- The bot's usage is covered by the developer
- process this request due to overload or policyقم بتركيب ملف التكوين وابدأ حاوية Uni-API Docker:
docker run --user root -p 8001:8000 --name uni-api -dit
-v ./api.yaml:/home/api.yaml
yym68686/uni-api:latestCONFIG_URL بعد كتابة ملف التكوين وفقًا للطريقة الأولى ، قم بتحميله على القرص السحابي ، واحصل على الرابط المباشر للملف ، ثم استخدم متغير Environment CONFIG_URL لبدء حاوية Docker Uni-API:
docker run --user root -p 8001:8000 --name uni-api -dit
-e CONFIG_URL=http://file_url/api.yaml
yym68686/uni-api:latest بعد النقر فوق زر النقر بنقرة واحدة أعلاه ، قم بتعيين متغير البيئة CONFIG_URL على الرابط المباشر لملف التكوين ، و DISABLE_DATABASE إلى true ، ثم انقر فوق "إنشاء" لإنشاء المشروع. بعد النشر ، تحتاج إلى تعيين الدالة كحد أقصى يدويًا إلى 60 ثانية في لوحة مشروع Vercel ضمن الإعدادات -> الوظائف ، ثم انقر فوق قائمة Deployments وانقر فوق إعادة النشر إلى إعادة النشر ، والتي ستعطف المهلة على 60 ثانية. إذا لم تتم إعادة نشرها ، فستبقى المهلة الافتراضية في 10 ثوان أصلية. لاحظ أنه يجب ألا تحذف مشروع Vercel وإعادة إنشائها ؛ بدلاً من ذلك ، انقر فوق "إعادة النشر" في قائمة النشر داخل مشروع Vercel الذي تم نشره حاليًا لجعل وظيفة تعديل المدة Max تعمل.
في إصدارات المستودع ، ابحث عن أحدث إصدار من الملف الثنائي المقابل ، على سبيل المثال ، ملف يسمى UNI-API-Linux-X86_64-0.0.99.PEX. قم بتنزيل الملف الثنائي على الخادم وقم بتشغيله:
wget https://github.com/yym68686/uni-api/releases/download/v0.0.99/uni-api-linux-x86_64-0.0.99.pex
chmod +x uni-api-linux-x86_64-0.0.99.pex
./uni-api-linux-x86_64-0.0.99.pexأولاً ، قم بتسجيل الدخول إلى اللوحة ، في خدمات إضافية ، انقر فوق علامة التبويب قم بتشغيل تطبيقاتك الخاصة لتمكين خيار تشغيل برامجك الخاصة ، ثم انتقل إلى حجز منفذ اللوحة لفتح منفذ بشكل عشوائي.
إذا لم يكن لديك اسم المجال الخاص بك ، فانتقل إلى مواقع الويب الخاصة بالوحة WWW وحذف اسم المجال الافتراضي المقدم. ثم قم بإنشاء مجال جديد مع النطاق الذي تم حذفه للتو. بعد النقر فوق الإعدادات المتقدمة ، قم بتعيين نوع الموقع على مجال الوكيل ، ويجب أن يشير منفذ الوكيل إلى المنفذ الذي فتحته للتو. لا تختار استخدام HTTPS.
تسجيل الدخول SSH إلى خادم SERV00 ، قم بتنفيذ الأمر التالي:
git clone --depth 1 -b main --quiet https://github.com/yym68686/uni-api.git
cd uni-api
python -m venv uni-api
tmux new -s uni-api
source uni-api/bin/activate
export CFLAGS= " -I/usr/local/include "
export CXXFLAGS= " -I/usr/local/include "
export CC=gcc
export CXX=g++
export MAX_CONCURRENCY=1
export CPUCOUNT=1
export MAKEFLAGS= " -j1 "
CMAKE_BUILD_PARALLEL_LEVEL=1 cpuset -l 0 pip install -vv -r requirements.txt
cpuset -l 0 pip install -r -vv requirements.txtCTRL+BD للخروج من TMUX ، انتظر بضع ساعات حتى يكتمل التثبيت ، وبعد اكتمال التثبيت ، قم بتنفيذ الأمر التالي:
tmux attach -t uni-api
source uni-api/bin/activate
export CONFIG_URL=http://file_url/api.yaml
export DISABLE_DATABASE=true
# Modify the port, xxx is the port, modify it yourself, corresponding to the port opened in the panel Port reservation
sed -i ' ' ' s/port=8000/port=xxx/ ' main.py
sed -i ' ' ' s/reload=True/reload=False/ ' main.py
python main.pyاستخدم CTRL+BD للخروج من TMUX ، مما يسمح للبرنامج بالتشغيل في الخلفية. في هذه المرحلة ، يمكنك استخدام UNI-API في عملاء الدردشة الآخرين. السيناريو اختبار حليقة:
curl -X POST https://xxx.serv00.net/v1/chat/completions
-H ' Content-Type: application/json '
-H ' Authorization: Bearer sk-xxx '
-d ' {"model": "gpt-4o","messages": [{"role": "user","content": "Hello"}]} 'وثيقة مرجعية:
https://docs.serv00.com/python/
https://linux.do/t/topic/201181
https://linux.do/t/topic/218738
ابدأ الحاوية
docker run --user root -p 8001:8000 --name uni-api -dit
-e CONFIG_URL=http://file_url/api.yaml # If the local configuration file has already been mounted, there is no need to set CONFIG_URL
-v ./api.yaml:/home/api.yaml # If CONFIG_URL is already set, there is no need to mount the configuration file
-v ./uniapi_db:/home/data # If you do not want to save statistical data, there is no need to mount this folder
yym68686/uni-api:latestأو إذا كنت ترغب في استخدام Docker Compose ، فإليك Docker-corm.yml مثال:
services :
uni-api :
container_name : uni-api
image : yym68686/uni-api:latest
environment :
- CONFIG_URL=http://file_url/api.yaml # If a local configuration file is already mounted, there is no need to set CONFIG_URL
ports :
- 8001:8000
volumes :
- ./api.yaml:/home/api.yaml # If CONFIG_URL is already set, there is no need to mount the configuration file
- ./uniapi_db:/home/data # If you do not want to save statistical data, there is no need to mount this folderconfig_url هو عنوان URL لملف التكوين عن بُعد يمكن تنزيله تلقائيًا. على سبيل المثال ، إذا لم تكن مرتاحًا لتعديل ملف التكوين على منصة معينة ، فيمكنك تحميل ملف التكوين إلى خدمة استضافة وتوفير رابط مباشر إلى Uni-API للتنزيل ، وهو Config_url. إذا كنت تستخدم ملف تكوين محلي مثبت ، فلا داعي لضبط config_url. يتم استخدام config_url عندما لا يكون مريحًا لتركيب ملف التكوين.
Run Docker Compener في الخلفية
docker-compose pull
docker-compose up -dبناء Docker
docker build --no-cache -t uni-api:latest -f Dockerfile --platform linux/amd64 .
docker tag uni-api:latest yym68686/uni-api:latest
docker push yym68686/uni-api:latestبنقرة واحدة إعادة تشغيل صورة Docker
set -eu
docker pull yym68686/uni-api:latest
docker rm -f uni-api
docker run --user root -p 8001:8000 -dit --name uni-api
-e CONFIG_URL=http://file_url/api.yaml
-v ./api.yaml:/home/api.yaml
-v ./uniapi_db:/home/data
yym68686/uni-api:latest
docker logs -f uni-apiاختبار حليقة مريح
curl -X POST http://127.0.0.1:8000/v1/chat/completions
-H " Content-Type: application/json "
-H " Authorization: Bearer ${API} "
-d ' {"model": "gpt-4o","messages": [{"role": "user", "content": "Hello"}],"stream": true} 'PEX Linux Packaging:
VERSION= $( cat VERSION )
pex -D . -r requirements.txt
-c uvicorn
--inject-args ' main:app --host 0.0.0.0 --port 8000 '
--platform linux_x86_64-cp-3.10.12-cp310
--interpreter-constraint ' ==3.10.* '
--no-strip-pex-env
-o uni-api-linux-x86_64- ${VERSION} .pexعبوة MacOS:
VERSION= $( cat VERSION )
pex -r requirements.txt
-c uvicorn
--inject-args ' main:app --host 0.0.0.0 --port 8000 '
-o uni-api-macos-arm64- ${VERSION} .pexنشكر الرعاة التاليين على دعمهم:
إذا كنت ترغب في دعم مشروعنا ، فيمكنك رعايتنا بالطرق التالية:
PayPal
USDT-TRC20 ، عنوان محفظة USDT-TRC20: TLFbqSv5pDu5he43mVmK1dNx7yBMFeN7d8
alipay
شكرا لك على دعمك!
Error processing request or performing moral check: 404: No matching model found دائمًا؟سيؤدي تحديد Enable_Moderation إلى FALSE إلى إصلاح هذه المشكلة. عندما يكون enable_moderation صحيحًا ، يجب أن تكون واجهة برمجة التطبيقات (API) قادرة على استخدام نموذج تعديل النص ، وإذا لم تكن قد قدمت تعديل النص في إعدادات نموذج المزود ، فسيحدث خطأ يشير إلى أنه لا يمكن العثور على النموذج.
قم بتعيين ترتيب القناة مباشرة في API_KEYS. لا يلزم وجود إعدادات أخرى. نموذج ملف التكوين:
providers :
- provider : ai1
base_url : https://xxx/v1/chat/completions
api : sk-xxx
- provider : ai2
base_url : https://xxx/v1/chat/completions
api : sk-xxx
api_keys :
- api : sk-1234
model :
- ai2/*
- ai1/*وبهذه الطريقة ، اطلب AI2 أولاً ، وإذا فشل ، فاطلب AI1.
يجب تمكين جميع خوارزميات الجدولة عن طريق تعيين API_KEYS. (API) .Preferences.Scheduling_algorithm في ملف التكوين إلى أي من القيم: ثابتة _priority ، وزن _Round_robin ، Lottery ، RONDAND_ROBIN.
ثابت _priority: جدولة الأولوية الثابتة. يتم تنفيذ جميع الطلبات دائمًا بواسطة قناة النموذج التي لديها طلب المستخدم أولاً. في حالة وجود خطأ ، سيتم تحويله إلى القناة التالية. هذه هي خوارزمية الجدولة الافتراضية.
Owned_Round_robin: موازنة تحميل روبن مرجحة ، تطلب القنوات مع النموذج المطلوب للمستخدم وفقًا لترتيب الوزن المحدد في ملف التكوين API_KEYS. (API) .MODEL.
اليانصيب: ارسم موازنة التحميل الدائري ، اطلب بشكل عشوائي قناة النموذج مع طلبات المستخدم وفقًا للوزن المحدد في ملف التكوين API_KEYS. (API) .MODEL.
Round_robin: توازن تحميل Round-Robin ، يطلب القناة التي تمتلك النموذج المطلوب من قبل المستخدم وفقًا لترتيب التكوين في ملف التكوين API_KEYS. (API) .MOREEL. يمكنك التحقق من السؤال السابق حول كيفية تعيين أولوية القنوات.
باستثناء بعض القنوات الخاصة الموضحة في التكوين المتقدم ، يحتاج جميع مزودي تنسيق Openai إلى ملء Base_url تمامًا ، مما يعني أن BASE_URL يجب أن ينتهي بـ/V1/Chat/Explive. إذا كنت تستخدم نماذج github ، فيجب ملء base_url في https://models.inference.ai.azure.com/chat/completions ، وليس عنوان URL الخاص بـ Azure.
يعد إعداد مهلة على مستوى القناة أولوية أعلى من إعداد مهلة النموذج العالمي. ترتيب الأولوية هو: إعداد مهلة النموذج على مستوى القناة> إعداد المهلة الافتراضية على مستوى القناة> إعداد مهلة النموذج العالمي> إعداد المهلة الافتراضية العالمية> مهلة متغير البيئة.
عن طريق ضبط وقت مهلة النموذج ، يمكنك تجنب خطأ بعض القنوات. إذا واجهت الخطأ {'error': '500', 'details': 'fetch_response_stream Read Response Timeout'} ، يرجى محاولة زيادة وقت مهلة النموذج.
إذا كنت ترغب في تعيين حد التردد نفسه للنماذج الأربعة Gemini-1.5-Pro-Latest ، Gemini-1.5-Pro ، Gemini-1.5-Pro-001 ، Gemini-1.5-Pro-002 في وقت واحد ، يمكنك تعيينه مثل هذا:
api_key_rate_limit :
gemini-1.5-pro : 1000/minسيطابق هذا جميع النماذج التي تحتوي على سلسلة Gemini-1.5-Pro. سيتم تعيين حد التردد لهذه النماذج الأربعة ، Gemini-1.5-Pro-Latest ، Gemini-1.5-Pro ، Gemini-1.5-Pro-001 ، Gemini-1.5-Pro-002 ، على 1000/دقيقة. المنطق لتكوين حقل API_KEY_RATE_LIMIT كما يلي ، إليك ملف تكوين عينة:
api_key_rate_limit :
gemini-1.5-pro : 1000/min
gemini-1.5-pro-002 : 500/minفي هذا الوقت ، إذا كان هناك طلب باستخدام النموذج Gemini-1.5-Pro-002.
أولاً ، سيحاول Uni-API مطابقة النموذج بدقة في API_KEY_RATE_LIMIT. إذا تم تعيين حد معدل Gemini-1.5-Pro-002 ، فإن حد معدل Gemini-1.5-Pro-002 هو 500/دقيقة. إذا لم يكن النموذج المطلوب في هذا الوقت ليس Gemini-1.5-Pro-002 ، ولكن Gemini-1.5-Pro-latest ، لأن API_KEY_RATE_LIMIT لا يحتوي على حد كبير في Gemini-1.5-Pro-lat ، وبالتالي فإن الحد الأدنى للمعدل -5 --5-سيحظى ببالة Gemini-1.5-pro-late ، وبالتالي فإن الحد الأدنى للمعدل. يتم ضبطها على 1000/دقيقة.
