大语言模型

大语言模型（Large Language Model，LLM）是当前最先进的 AI 技术之一，能够理解和生成人类语言，执行各种自然语言处理任务。RealmRouter 平台提供了多种主流大语言模型的 API 服务，满足不同场景的应用需求。

模型概览

GPT 系列

• GPT-3.5-turbo：高性能对话模型，性价比高
• GPT-4：最强大的通用模型，推理能力出色
• GPT-4-turbo：GPT-4 的优化版本，速度更快

Claude 系列

• Claude-3-sonnet：平衡性能和成本的中端模型
• Claude-3-opus：最高性能的 Claude 模型
• Claude-3-haiku：快速响应的轻量级模型

国产模型

• 文心一言：百度开发，中文优化
• 通义千问：阿里巴巴开发，多语言支持
• 智谱 GLM：清华开发，学术研究导向
• 月之暗面：Kimi 开发，长文本处理

开源模型

• Llama-2：Meta 开发，开源可商用
• Mistral：欧洲开发，性能优异
• Qwen：阿里巴巴开源，中英双语
• DeepSeek：深度求索开发，代码能力强

核心能力

文本理解

• 语义理解：深入理解文本含义和上下文
• 情感分析：识别文本中的情感倾向
• 意图识别：判断用户的真实意图
• 实体抽取：提取文本中的关键信息

文本生成

• 对话生成：自然流畅的对话交流
• 内容创作：文章、故事、诗歌等创作
• 摘要生成：长文本的简洁摘要
• 翻译服务：多语言互译

推理能力

• 逻辑推理：数学、逻辑问题求解
• 因果分析：分析事物间的因果关系
• 决策支持：基于信息提供决策建议
• 问题解决：复杂问题的分析和解决

知识应用

• 问答服务：基于知识的问答
• 知识检索：从大量信息中检索相关内容
• 知识整合：整合多源信息
• 知识推理：基于知识进行推理

API 接口

基础调用

import requests

def chat_with_llm(model, message, api_key):
    url = "https://realmrouter.cn/v1/chat/completions"
    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json"
    }
    
    data = {
        "model": model,
        "messages": [
            {"role": "user", "content": message}
        ],
        "max_tokens": 1000,
        "temperature": 0.7
    }
    
    response = requests.post(url, headers=headers, json=data)
    return response.json()

# 使用示例
result = chat_with_llm("gpt-3.5-turbo", "你好！", "your_api_key")
print(result['choices'][0]['message']['content'])

流式调用

import requests

def stream_chat(model, message, api_key):
    url = "https://realmrouter.cn/v1/chat/completions"
    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json"
    }
    
    data = {
        "model": model,
        "messages": [
            {"role": "user", "content": message}
        ],
        "stream": True,
        "max_tokens": 1000,
        "temperature": 0.7
    }
    
    response = requests.post(url, headers=headers, json=data, stream=True)
    
    for line in response.iter_lines():
        if line:
            line = line.decode('utf-8')
            if line.startswith('data: '):
                data = line[6:]
                if data != '[DONE]':
                    import json
                    chunk = json.loads(data)
                    if 'choices' in chunk and len(chunk['choices']) > 0:
                        delta = chunk['choices'][0].get('delta', {})
                        if 'content' in delta:
                            print(delta['content'], end='', flush=True)

# 使用示例
stream_chat("gpt-3.5-turbo", "请介绍一下人工智能的发展历史", "your_api_key")

多轮对话

def multi_turn_chat(model, api_key):
    url = "https://realmrouter.cn/v1/chat/completions"
    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json"
    }
    
    conversation = []
    
    while True:
        user_input = input("用户: ")
        if user_input.lower() in ['quit', 'exit', '退出']:
            break
            
        conversation.append({"role": "user", "content": user_input})
        
        data = {
            "model": model,
            "messages": conversation,
            "max_tokens": 1000,
            "temperature": 0.7
        }
        
        response = requests.post(url, headers=headers, json=data)
        result = response.json()
        
        assistant_reply = result['choices'][0]['message']['content']
        print(f"助手: {assistant_reply}")
        
        conversation.append({"role": "assistant", "content": assistant_reply})

# 使用示例
multi_turn_chat("gpt-3.5-turbo", "your_api_key")

参数说明

基础参数

参数	类型	必需	说明	示例值
model	string	是	模型名称	"gpt-3.5-turbo"
messages	array	是	对话消息列表	[{"role": "user", "content": "你好"}]
max_tokens	integer	否	最大输出 Token 数	1000
temperature	number	否	输出随机性 (0-2)	0.7
top_p	number	否	核采样参数 (0-1)	0.9
stream	boolean	否	是否流式输出	false

高级参数

参数	类型	必需	说明	示例值
stop	string/array	否	停止序列	["\n", "