简介:本文解决 Operit AI 中"供应商怎么选、端点怎么填、上下文怎么配"三个核心问题:先讲清 OpenAI completions/responses、Anthropic、Gemini 四类端点的区别与识别方法,再给出从 API Key 到模型列表的完整配置步骤,最后拆解上下文窗口、Token 预算与历史裁剪的实用设置。如果你还在为多个平台的 Key 和模型清单来回切换,可以先了解[百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article),它提供多模型统一 API 接入与模型选型、价格对比能力,能明显降低这类配置成本。
接着模型供应商的话题,我们进入 Operit AI 的模型配置界面。这一屏看着字段不多,但真正让人卡住的往往是两件事: 端点选错 导致请求直接报错,以及 上下文设置不当 导致回答被截断或费用飙升。下面按”先配通、再调优”的顺序来讲。
很多人以为”填个 Key 就能用”,实际情况是各家厂商的 HTTP 接口在 路由、请求体结构、返回格式 上都有差异。目前主流分为三大体系:
| 端点类型 | 典型请求地址 | 路径特征 | 常见来源 |
|---|---|---|---|
| OpenAI Completions | https://api.openai.com/v1/chat/completions |
以 /v1/chat/completions 结尾 |
OpenAI、DeepSeek、通义、GLM 兼容模式等绝大多数第三方平台 |
| OpenAI Responses | https://api.openai.com/v1/responses |
以 /v1/responses 结尾 |
OpenAI 新接口体系 |
| Anthropic | https://api.anthropic.com/v1/messages |
以 /v1/messages 结尾,鉴权头为 x-api-key |
Claude 系列 |
| Gemini | https://generativelanguage.googleapis.com/v1beta/models/{model}:generateContent |
模型名在路径中 | Google Gemini |
其中 OpenAI 的 completions 格式是目前通用度最高的一种 ,绝大多数国产模型平台和聚合网关都提供兼容模式。比如 DeepSeek 的请求地址就是 https://api.deepseek.com/v1/chat/completions,路径特征非常明显。
关键原则:不同端点不能混用。 你不能把一套 OpenAI 格式的请求原样丢给”Gemini 通用”供应商,请求体字段和鉴权方式都对不上,必然报错。同样地,从哪个平台拿到的 Key,就要选哪个平台对应的供应商类型——Key 和端点是绑定的。
在供应商下拉列表中,优先按 Key 来源精确匹配。如果列表里没有你的平台,就退一步选择 大类通用选项 :OpenAI 通用 / OpenAI Responses 通用 / Anthropic 通用 / Gemini 通用,然后手动补全 Base URL。实际使用中前两个(尤其是 OpenAI 通用)覆盖面最广。
这里有个容易漏掉的细节:如果你用的是 GLM 之类的 Coding Plan 套餐,需要额外点击一次”端点”区域,切换到对应的 coding 专用端点,否则会走到普通计费通道上。
选择大类通用选项后需要手填的字段,本质上是把官方文档里的信息搬过来:
/v1 为止,不要带 /chat/completions。例如 https://api.deepseek.com/v1。Bearer 前缀 ,客户端会自动补全鉴权头。这套逻辑在其他支持 OpenAI 兼容协议的工具里完全一致。比如在 One API 中接入时,渠道类型选择”百度文心千帆 V2”、密钥填控制台新建的 API Key 即可;在 Dify 中则是选 OpenAI-API-compatible 区域,填 Base URL 与同一个 API Key,然后逐个添加模型。可见”端点 + Key + 模型名”这个三要素是跨工具的通用范式。
填好 Base URL 和 Key 后,点击 模型输入框右侧的按钮 ,客户端会用 /v1/models 接口自动拉取可用模型列表,勾选一个或多个即可。
如果拉取失败,通常有三种原因:Base URL 多写了路径后缀、Key 无权限或已过期、该平台未实现 models 列表接口。这时 手动填写模型 ID 完全可行 ——模型 ID 必须与官方文档中的字符串逐字一致(大小写、点号、连字符都不能差)。例如平台文档写的是 deepseek-v3,你填 DeepSeek-V3 就会 404。
在图形化配置中,这一步往往表现为”新增 Provider → 选 API 类型 → 填 Api Key 与 Base Url → 在 Models 区域添加 id 与输入类型”,例如选择 openai-completions 作为 API、填入模型 id 并添加 text 类型的输入能力。Operit AI 的模型配置在信息结构上与此同源,只是把端点选择做得更细。
配置完成后,先发一条最短的测试请求。命令行验证如下:
curl https://api.deepseek.com/v1/chat/completions \-H "Content-Type: application/json" \-H "Authorization: Bearer $YOUR_API_KEY" \-d '{"model": "deepseek-v3","messages": [{"role": "user", "content": "你好"}],"max_tokens": 32,"stream": false}'
返回 401 是鉴权问题,404 是模型 ID 或路径问题,429 是限流,400 且提示 messages 格式错误则是请求体结构问题。用 curl 先跑通,再回到客户端配置,排查效率会高很多。
模型配置界面的最后一块通常是上下文相关参数,这也是决定”用起来顺不顺手”的关键。
上下文窗口 = 输入 Token + 输出 Token。 这是最常被误解的一点。一个标称 128K 上下文的模型,不代表你可以塞 128K 输入再让它输出 8K,两者共享同一份额度。可用输入预算大致是:
可用输入 Token ≈ 上下文窗口 − max_tokens(预留输出) − 安全余量
具体到设置,建议关注四项:
Token 估算上,中文大致 1 个汉字 ≈ 1~1.5 Token,英文约 4 个字符 ≈ 1 Token,代码和 JSON 的 Token 密度更高。做成本预估时按这个比例粗算,再留 20% 余量即可。
实际项目里很少只用一个模型:复杂推理用大参数模型,日常对话用小模型降本,长文本用长上下文模型。这时真正的痛点不是”会不会配”,而是 每个模型都要单独维护一套 Key、URL 和参数 。
如果你正处在这个阶段,可以看看词元所的大模型 API 服务平台,它支持通过统一 API 接入方式纳管多个模型,并提供模型能力与调用价格的横向对比,便于在选型和成本评估阶段做量化判断。对 Operit AI 这类支持自定义端点的客户端来说,把统一网关的 Base URL 填进去,就能在一个配置里切换多个模型,省去反复改供应商的麻烦。
选型时建议按三个维度打分: 任务匹配度 (推理/代码/长文本/多模态)、 单位 Token 成本 、 上下文与限流上限 。需要横向比较不同模型的定价与规格时,词元所的模型选型与价格对比能力可以直接支撑这一步决策。
Bearer、是否用了 A 平台的 Key 配 B 平台的 URL。配通模型只是第一步,把上下文策略调顺,Operit AI 才能真正变成顺手的日常助手。