新闻详情

新闻详情

首页 / 资讯中心 / 详情

在 VoltAgent 中使用 SiliconFlow:模型路由、环境变量配置与完整模型清单

发布时间:2026/11/18 3:54:20来源:尧图网络
在 VoltAgent 中使用 SiliconFlow:模型路由、环境变量配置与完整模型清单
人工智能AI AgentAgent 框架后端多智能体RAG工具调用Agent 记忆【免费下载链接】voltagentAI Agent Engineering Platform built on an Open Source TypeScript AI Agent Framework项目地址https://gitcode.com/gh_mirrors/vo/voltagent点击查看免费下载本篇技术指南讲解如何在 VoltAgent 的模型路由器中通过siliconflow/model格式使用 SiliconFlow硅基流动托管的开源模型。读完本文你将掌握 Agent 的快速接入写法、SILICONFLOW_API_KEY与SILICONFLOW_BASE_URL两类环境变量的作用与覆盖规则、底层 OpenAI 兼容适配器的工作原理以及当前仓库内置的 75 个可用模型全量清单并了解其大陆版端点siliconflow-cn的对应配置。快速开始一行指定 SiliconFlow 模型VoltAgent 的模型路由器允许直接用provider/model字符串来声明模型无需手动构造 provider 实例。在 Agent 配置 中把model字段写成siliconflow/model即可import { Agent } from voltagent/core; const agent new Agent({ name: siliconflow-agent, instructions: You are a helpful assistant, model: siliconflow/ByteDance-Seed/Seed-OSS-36B-Instruct, });运行前只需在环境中配置 API Key见下文环境变量一节路由层会自动完成 provider 的加载、鉴权与请求转发。若把示例换成model: siliconflow/Qwen/Qwen3-30B-A3B、model: siliconflow/deepseek-ai/DeepSeek-V3.2等其他清单内模型接入方式完全一致。环境变量必填的 API Key 与可选的 Base URL 覆盖接入 SiliconFlow 涉及两个环境变量一个必填、一个可选环境变量是否必填作用SILICONFLOW_API_KEY必填SiliconFlow 平台颁发的 API Key用于鉴权SILICONFLOW_BASE_URL可选覆盖默认的 API 端点地址默认值为https://api.siliconflow.com/v1在 模型提供方注册表生成文件 中SiliconFlow 的注册条目明确记录了env: [SILICONFLOW_API_KEY]这一要求siliconflow: { id: siliconflow, name: SiliconFlow, npm: ai-sdk/openai-compatible, api: https://api.siliconflow.com/v1, env: [SILICONFLOW_API_KEY], doc: https://cloud.siliconflow.com/models, },对应的大陆版注册条目siliconflow-cn位于 同一文件区别在于端点改为https://api.siliconflow.cn/v1、Key 环境变量名为SILICONFLOW_CN_API_KEYsiliconflow-cn: { id: siliconflow-cn, name: SiliconFlow (China), npm: ai-sdk/openai-compatible, api: https://api.siliconflow.cn/v1, env: [SILICONFLOW_CN_API_KEY], doc: https://cloud.siliconflow.com/models, },Base URL 的解析优先级源码级说明为什么SILICONFLOW_BASE_URL可以覆盖默认端点这与注册表运行时的 resolveBaseUrl 实现 有关其判定顺序为遍历注册条目env中名称匹配ENDPOINT/BASE_URL/BASEURL的环境变量若已设置则直接采用否则读取providerId 大写_BASE_URL这一约定名称即SILICONFLOW_BASE_URL都未设置时回落到注册表里的默认值config.api即https://api.siliconflow.com/v1。也就是说你既可以用文档约定的SILICONFLOW_BASE_URL也可以自行设置SILICONFLOW_ENDPOINT或SILICONFLOW_BASEURL实现同样的覆盖效果适用于接入网关、代理或私有转发地址的场景。缺失 Key 时的报错行为当SILICONFLOW_API_KEY未设置时注册表加载器会抛出明确错误。参考 requireApiKey 相关逻辑错误信息形如Missing API key for siliconflow. Set process.env.SILICONFLOW_API_KEY.直接把需要补的环境变量名称写入异常便于排查。Provider 包与 OpenAI 兼容适配器SiliconFlow 在 VoltAgent 中使用的 Provider 包是ai-sdk/openai-compatible即 AI SDK 的 OpenAI 兼容适配器。这意味着 SiliconFlow 的/v1/chat/completions等端点遵循 OpenAI 风格协议VoltAgent 无需为它编写独立 provider而是通过统一的适配器工厂完成实例化。在 模型提供方注册表运行时实现 中buildOpenAICompatibleProvider是所有 OpenAI 兼容提供方共用的构造路径const buildOpenAICompatibleProvider: ProviderAdapter (config, moduleExports) { const createFn getModuleFunction(moduleExports, createOpenAICompatible); ... const apiKeyMatch requireApiKey(config); const baseURL resolveBaseUrl(config); ... const provider createFn({ name: config.id, baseURL, apiKey: apiKeyMatch.value, supportsStructuredOutputs: true, }); return provider as ModelProviderEntry; };从实现可以推断SiliconFlow 注册条目最终会以createOpenAICompatible({ name: siliconflow, baseURL: 解析后的地址, apiKey: Key, supportsStructuredOutputs: true })的方式实例化。其中supportsStructuredOutputs: true表示该适配器默认开启结构化输出支持适合在 Agent 中配合 JSON Schema 输出、结构化工具调用等场景使用。默认 Base URL 与覆盖方式小结默认端点https://api.siliconflow.com/v1覆盖方式设置SILICONFLOW_BASE_URL或名称含ENDPOINT/BASE_URL/BASEURL的等价变量大陆版使用siliconflow-cn/model前缀端点https://api.siliconflow.cn/v1Key 变量为SILICONFLOW_CN_API_KEY。可用模型清单75 个以下模型列表来自 模型类型定义生成文件与 SiliconFlow 提供方文档 中展示的 75 个模型一一对应。这些文档页面本身由 generate-model-docs.js 从注册表快照自动生成因此模型清单与注册表保持一致。使用时以siliconflow/模型 ID完整 ID 填入 Agent 的model字段显示全部模型75 个ByteDance-Seed/Seed-OSS-36B-InstructMiniMaxAI/MiniMax-M1-80kMiniMaxAI/MiniMax-M2Qwen/QwQ-32BQwen/Qwen2.5-14B-InstructQwen/Qwen2.5-32B-InstructQwen/Qwen2.5-72B-InstructQwen/Qwen2.5-72B-Instruct-128KQwen/Qwen2.5-7B-InstructQwen/Qwen2.5-Coder-32B-InstructQwen/Qwen2.5-VL-32B-InstructQwen/Qwen2.5-VL-72B-InstructQwen/Qwen2.5-VL-7B-InstructQwen/Qwen3-14BQwen/Qwen3-235B-A22BQwen/Qwen3-235B-A22B-Instruct-2507Qwen/Qwen3-235B-A22B-Thinking-2507Qwen/Qwen3-30B-A3BQwen/Qwen3-30B-A3B-Instruct-2507Qwen/Qwen3-30B-A3B-Thinking-2507Qwen/Qwen3-32BQwen/Qwen3-8BQwen/Qwen3-Coder-30B-A3B-InstructQwen/Qwen3-Coder-480B-A35B-InstructQwen/Qwen3-Next-80B-A3B-InstructQwen/Qwen3-Next-80B-A3B-ThinkingQwen/Qwen3-Omni-30B-A3B-CaptionerQwen/Qwen3-Omni-30B-A3B-InstructQwen/Qwen3-Omni-30B-A3B-ThinkingQwen/Qwen3-VL-235B-A22B-InstructQwen/Qwen3-VL-235B-A22B-ThinkingQwen/Qwen3-VL-30B-A3B-InstructQwen/Qwen3-VL-30B-A3B-ThinkingQwen/Qwen3-VL-32B-InstructQwen/Qwen3-VL-32B-ThinkingQwen/Qwen3-VL-8B-InstructQwen/Qwen3-VL-8B-ThinkingTHUDM/GLM-4-32B-0414THUDM/GLM-4-9B-0414THUDM/GLM-4.1V-9B-ThinkingTHUDM/GLM-Z1-32B-0414THUDM/GLM-Z1-9B-0414baidu/ERNIE-4.5-300B-A47Bdeepseek-ai/DeepSeek-R1deepseek-ai/DeepSeek-R1-Distill-Qwen-14Bdeepseek-ai/DeepSeek-R1-Distill-Qwen-32Bdeepseek-ai/DeepSeek-R1-Distill-Qwen-7Bdeepseek-ai/DeepSeek-V3deepseek-ai/DeepSeek-V3.1deepseek-ai/DeepSeek-V3.1-Terminusdeepseek-ai/DeepSeek-V3.2deepseek-ai/DeepSeek-V3.2-Expdeepseek-ai/deepseek-vl2inclusionAI/Ling-flash-2.0inclusionAI/Ling-mini-2.0inclusionAI/Ring-flash-2.0meta-llama/Meta-Llama-3.1-8B-Instructmoonshotai/Kimi-Dev-72Bmoonshotai/Kimi-K2-Instructmoonshotai/Kimi-K2-Instruct-0905moonshotai/Kimi-K2-Thinkingnex-agi/DeepSeek-V3.1-Nex-N1openai/gpt-oss-120bopenai/gpt-oss-20bstepfun-ai/step3tencent/Hunyuan-A13B-Instructtencent/Hunyuan-MT-7Bz-ai/GLM-4.5z-ai/GLM-4.5-Airzai-org/GLM-4.5zai-org/GLM-4.5-Airzai-org/GLM-4.5Vzai-org/GLM-4.6zai-org/GLM-4.6Vzai-org/GLM-4.7从清单结构可以看出该端点聚合了多个机构的开源权重Qwen 系列含 2.5 / 3 / 3.0 各尺寸与 VL 视觉、Coder 代码、Omni 多模态变体、DeepSeek 系列R1 及其蒸馏版、V3 / V3.1 / V3.2 系列、GLM 系列THUDM 与 zai-org 两个命名空间、Kimi、MiniMax、Llama 与 OpenAI 开源 gpt-oss 等。视觉模型如Qwen/Qwen3-VL-8B-Instruct、THUDM/GLM-4.1V-9B-Thinking和推理模型如Qwen/Qwen3-30B-A3B-Thinking、deepseek-ai/DeepSeek-R1同样通过统一的siliconflow/前缀路由。大陆版端点与切换建议如果你的网络环境更适合接入https://api.siliconflow.cn/v1直接使用siliconflow-cn前缀并把模型字段写为siliconflow-cn/模型 ID即可。该前缀在 模型类型定义生成文件 中同样维护了完整的模型清单与 SiliconFlow 国际版一致相关说明可参考 SiliconFlow大陆版文档。注意其 API Key 环境变量是SILICONFLOW_CN_API_KEY不要与国际版的SILICONFLOW_API_KEY混淆。小结三条实操要点模型字符串即路由model: siliconflow/模型 ID直接可用无需手动创建 provider但模型 ID 需与清单完全一致区分大小写与命名空间斜杠。环境变量双件套必填SILICONFLOW_API_KEY需要自建网关或代理转发时用SILICONFLOW_BASE_URL或等价ENDPOINT/BASEURL命名覆盖默认地址https://api.siliconflow.com/v1。结构化输出默认开启经由ai-sdk/openai-compatible适配器实例化时supportsStructuredOutputs: true已内置可直接配合结构化输出与工具调用使用。赞分享人工智能AI AgentAgent 框架后端多智能体RAG工具调用Agent 记忆【免费下载链接】voltagentAI Agent Engineering Platform built on an Open Source TypeScript AI Agent Framework项目地址https://gitcode.com/gh_mirrors/vo/voltagent点击查看免费下载相关推荐向 RealWorld 提交贡献Issue 流程、PR 规范与 Commit Message 约定详解向 RealWorld 提交贡献Issue 流程、PR 规范与 Commit Message 约定详解 本文基于 CONTRIBUTING.md https:人工智能AI AgentAgent 框架后端多智能体RAG工具调用Agent 记忆Agent 工作流AI 评测MCP 服务MCP Clients语音VoltAgent 接入 Fireworks AI 提供方实战模型字符串路由、环境变量与完整模型清单VoltAgent 接入 Fireworks AI 提供方实战模型字符串路由、环境变量与完整模型清单 本篇指南聚焦 VoltAgent 模型路由器中 Fire人工智能AI AgentAgent 框架后端多智能体RAG工具调用Agent 记忆Agent 工作流AI 评测MCP 服务MCP Clients语音在 VoltAgent 模型路由中使用 v0 模型快速接入、环境变量与源码级路由原理在 VoltAgent 模型路由中使用 v0 模型快速接入、环境变量与源码级路由原理 导读 v0 是 Vercel AI SDK 生态下的模型提供方其模型以人工智能AI AgentAgent 框架后端多智能体RAG工具调用Agent 记忆Agent 工作流AI 评测MCP 服务MCP Clients语音上一篇VINS-Fusion相机标定实战使用pinhole、mei和equidistant模型下一篇Optuna 升级后如何用 storage upgrade 命令升级 RDB 存储 schema创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉