企业官网建设流程全解析

还在手动配置每个AI模型？你可能OUT了

做AI应用开发的程序员朋友们，是不是经常遇到这样的烦恼：

今天要用OpenAI的GPT模型，去官网申请API Key，看文档，写代码配置。

明天老板说要换DeepSeek，因为性价比高，又要重新申请、重新配置。

后天客户说要用通义千问或者百度文心，因为数据要在国内…

每个模型的API地址不一样，请求格式不一样，响应解析也不一样。换一次模型，代码就要改一遍。

如果有一个框架，能让你一行代码就切换不同的AI大模型，会不会很爽？

今天给大家介绍的这个开源项目，就解决了这个问题。

ThinkAi是什么？

ThinkAi是一个Python开源框架，专门用来简化AI大模型的调用。

它的特点很简单：不管你用哪个AI模型，代码写法都一样。

比如你要用OpenAI：

from thinkai import ThinkAI ai = ThinkAI(provider="openai", api_key="你的密钥") 回复 = await ai.chat("你好") print(回复.content)

如果第二天想换成DeepSeek，只需要改一行代码：

ai = ThinkAI(provider="deepseek", api_key="你的密钥")

就这一行，其他代码完全不用动。

支持哪些AI模型？

目前支持13个主流AI大模型，基本覆盖了市面上所有常用的：

1. OpenAI GPT- 国际最主流的AI模型
2. DeepSeek- 国产黑马，免费额度多，性价比极高
3. 通义千问- 阿里云出品，中文能力强
4. 智谱GLM- 国产优秀模型
5. 百度文心- 中文理解能力强
6. 腾讯混元- 多模态支持好
7. 豆包- 字节跳动旗下
8. Kimi- 长文本处理能力强
9. MiniMax- 多场景适用
10. Claude- Anthropic出品，代码能力强
11. Gemini- Google出品
12. Ollama- 本地部署，完全免费
13. 任意OpenAI兼容的API- 自定义接入

这个框架解决了什么问题？

1. 配置太麻烦

以前每个模型都要自己找API地址、看文档、配置请求格式。现在ThinkAi内置了所有常用模型的配置，你只需要填API Key就行。

2. 切换模型要改很多代码

以前换模型要改API地址、请求参数、响应解析…现在只需要改一个参数：provider=“模型名”

3. 代码重复太多

每个模型写一套调用代码，维护成本高。现在一套代码通吃所有模型。

4. 没有统一的标准

不同模型返回的数据格式不一样，处理起来麻烦。ThinkAi统一了所有模型的返回格式，你拿到的数据结构永远是一样的。

实际使用场景举例

场景一：对比不同模型的回答效果

from thinkai import ThinkAI ai = ThinkAI(provider="openai", api_key="密钥1") ai.register_model("deepseek", provider="deepseek", api_key="密钥2") ai.register_model("qwen", provider="qwen", api_key="密钥3") 问题 = "帮我解释一下什么是递归" 回答1 = await ai.chat(问题, model="openai") 回答2 = await ai.chat(问题, model="deepseek") 回答3 = await ai.chat(问题, model="qwen")

三行代码，三个模型的回答都拿到了，方便对比。

场景二：根据成本自动选择模型

# 简单问题用便宜的模型 if 问题.长度 < 20: ai = ThinkAI(provider="deepseek", api_key="密钥") # 复杂问题用好模型 else: ai = ThinkAI(provider="openai", api_key="密钥")

场景三：本地免费模型先用

# 本地先跑Ollama，不用花钱 ai = ThinkAI(provider="ollama", model="llama3") 回复 = await ai.chat("你好")

怎么安装和使用？

安装非常简单，就一行命令：

pip install thinkai-framework

然后就可以用了：

from thinkai import ThinkAI # 3行代码开始 ai = ThinkAI(provider="ollama", model="llama3") 回复 = await ai.chat("你好，世界") print(回复.content)

除了基础对话，还有什么功能？

流式输出

就是那种一个字一个字蹦出来的效果，用户体验更好。

ai = ThinkAI(provider="openai", api_key="密钥") async for 片段 in ai.chat_stream("讲个故事"): if 片段.choices and 片段.choices[0].delta.content: print(片段.choices[0].delta.content, end="", flush=True)

多轮对话

就是让AI记住之前说过的话，进行连续对话。

ai = ThinkAI() async with ai.session() as 会话: await 会话.chat("你好，我想学习Python") await 会话.chat("有什么好的学习路径？") await 会话.chat("推荐一些资源吧")

RAG（基于你的文档回答问题）

把你的文档喂给AI，让它基于你的资料回答问题。

from thinkai.rag import RAGPipeline rag = RAGPipeline(文档路径=["./资料"], ai客户端=ai) 答案 = await rag.query("你的问题")

关于这个项目

• 完全开源：MIT协议，免费使用，可以商用
• 代码仓库：https://gitee.com/hongxinge/think-ai
• 安装包：https://pypi.org/project/thinkai-framework/
• 当前版本：v0.2.1

如果你觉得这个框架有用，可以去代码仓库点个Star支持一下。

总结一下

ThinkAi解决了一个很实际的问题：让开发者不用为了用不同的AI大模型而反复改代码。

一行代码切换模型，开箱即用，MIT开源免费。

对于做AI应用开发的程序员来说，能省下不少时间和精力。

如果你正在做AI相关的项目，不妨试试这个框架。