AI/ML API LLM + Reasoning for OpenClaw

2周前更新 33 0 0

使用聊天补全、重试、结构化输出和明确的 User-Agent 标头运行 AIMLAPI LLM 与推理工作流,适用于 Codex 对 AIMLAPI 模型进行脚本化提示/推理调用的场景。

收录时间:
2026-09-02
AI/ML API LLM + Reasoning for OpenClawAI/ML API LLM + Reasoning for OpenClaw

AIMLAPI LLM + 推理能力

概述

使用 run_chat.py 脚本调用 AIMLAPI 的聊天补全(chat completions)接口,支持自动重试、可选的 API 密钥文件回退机制,并为每次请求添加 User-Agent 请求头。

快速开始

export AIMLAPI_API_KEY="sk-aimlapi-..."
python3 {baseDir}/scripts/run_chat.py --model aimlapi/openai/gpt-5-nano-2025-08-07 --user "用 3 个要点总结此内容。"

任务

执行基础聊天补全

python3 {baseDir}/scripts/run_chat.py 
  --model aimlapi/openai/gpt-5-nano-2025-08-07 
  --system "你是一个言简意赅的助手。" 
  --user "起草一份项目启动检查清单。" 
  --user-agent "openclaw-custom/1.0"

添加推理参数(reasoning parameters)

python3 {baseDir}/scripts/run_chat.py 
  --model aimlapi/openai/gpt-5-nano-2025-08-07 
  --user "为一项新聊天机器人功能制定一个五步上线计划。" 
  --extra-json '{"reasoning": {"effort": "medium"}, "temperature": 0.3}'

结构化 JSON 输出

python3 {baseDir}/scripts/run_chat.py 
  --model aimlapi/openai/gpt-5-nano-2025-08-07 
  --user "返回一个包含 3 个项目风险及其缓解措施的 JSON 数组。" 
  --extra-json '{"response_format": {"type": "json_object"}}' 
  --output ./out/risks.json

参考资料

  • references/aimlapi-llm.md:请求载荷(payload)说明与故障排查备注。
  • README.md:以变更日志(changelog)形式汇总的新指令说明。

命令行

1

openclaw skills install aiml-llm-reasoning

数据统计

相关导航

暂无评论

none
暂无评论...