在学习《动手学ai agents》第5章时书中介绍开源semantic_kernel库用法示例中给出的代码是基于gpt。但我在学习是使用本地使用lm studio部署的minicpm5-2b模型。因此书中的示例sk_connecting.py需要作对应调整。修改后的代码如下import os import json import asyncio from openai import OpenAI,AsyncOpenAI import semantic_kernel as sk from semantic_kernel.connectors.ai.open_ai import OpenAIChatCompletion from semantic_kernel.connectors.ai.prompt_execution_settings import PromptExecutionSettings kernel sk.Kernel() api_key sk-lm-am25JcFg:zSXiYznKSNHs9n5qhNGq client AsyncOpenAI( base_urlhttp://192.168.101.26:1234/v1, api_keyapi_key ) org_id service_id lm_studio_cpm kernel.add_service( OpenAIChatCompletion( service_idservice_id, ai_model_idminicpm5-2b, async_clientclient, ), ) #print(Registered Services:, list(kernel.services.keys())) #import inspect #sig inspect.signature(OpenAIChatCompletion.__init__) #print(Available parameters:, list(sig.parameters.keys())) settings PromptExecutionSettings(service_idlm_studio_qwen) result await kernel.invoke_prompt(prompt推荐一部关于时间旅行的电影, settingssettings) print(result) # Use asyncio.run to execute the async function asyncio.run(run_prompt())主要的调整为1OpenAIChatCompletion接口不支持直接对模型的定义代码中注释可以放开查看该接口的参数因此只好走 async_client这个参数2invoke_prompt函数调用时指定settings参数明确使用的模型。补充说明本地使用lm studio部署的模型增加了api key因此在使用中需要指定一下。这个具体看各自的配置了。