欢迎！无论你是刚接触 AI 的新手小白，还是精通各种 API 的高玩老手，这份指南都能帮你快速把大模型（LLM）跑起来。

本项目对外提供统一的 AI 模型接入体验，支持主流官方 API、OpenAI 兼容平台以及本地模型。底层由 LiteLLM 驱动，但大多数用户只需要理解“选服务商、填 API Key、选主模型/渠道”这条默认路径。为了照顾不同阶段的用户，我们设计了“三层优先级”配置，按需选择最适合你的方式即可。

如果你正在选择具体服务商、配置 GitHub Actions Secrets / Variables、排查 details.reason 错误或准备回滚配置，请优先查看 LLM 服务商配置指南。该文档集中维护 provider 预设、Actions 变量对照、运行时能力检测边界和常见错误处理建议。

本页的 provider/model/Base URL 说明本次未新增外部兼容语义，仅用于同步现网约定；实际兼容判断仍按当前仓库锁定依赖与运行时实现执行： - 依赖边界：litellm>=1.80.10,!=1.82.7,!=1.82.8,<2.0.0（与 requirements.txt 一致）。 - 兼容验证入口：tests/test_system_config_service.py、tests/test_system_config_api.py 以及现有前端模型配置页回归用例。 - 回退路径：优先使用 .env 配置备份 + POST /api/v1/system/config/import 恢复；也可在重启前手动回填旧 LITELLM_MODEL / LLM_* / AGENT_LITELLM_MODEL / VISION_MODEL / LLM_TEMPERATURE。

说明：本页对 provider/model/base URL 的说明同步沿用当前依赖约束与历史约定，仅做文档补充，不引入新的运行时 provider、模型或 Base URL 行为变更。

1. 【新手小白】 "我只想赶紧把系统跑起来，越简单越好！" -> 指路【方式一：极简单模型配置】
2. 【进阶用户】 "我有好几个 Key，想配置备用模型，还要改自定义网址(Base URL)。" -> 指路【方式二：渠道(Channels)模式配置】
3. 【高玩老手】 "我要做复杂的负载均衡、请求路由、甚至多异构平台高可用！" -> 指路【方式三：YAML 高级配置】
4. 【本地模型】 "我想用 Ollama 本地模型！" -> 指路【示例 4：使用 Ollama 本地模型】
5. 【视觉模型】 "我想用图片识别股票代码！" -> 指路【扩展功能：看图模型(Vision)配置】

目标： 只要记得填入 API Key 和对应的模型名就能立刻用。不需要折腾复杂概念。

如果你只打算用一种模型，这是最快捷的办法。打开项目根目录下的 .env 文件（如果没有，复制一份 .env.example 并重命名为 .env）。

💡 推荐 Anspire Open：支持中文优化的联网搜索与 OpenAI-compatible 路径一体化体验，适合只准备一个 Key 的用户。 - 以下为配置示例，模型与网关可用性以账号权限和 Anspire 控制台为准；文档示例不替代实际连通性验证。 - 建议在 Web 设置页点击“测试连接”进行实际鉴权与模型可用性检查，避免以文档默认值直接当作可用性承诺。

# Anspire Open API Keys（支持多个，逗号分隔）
# 获取: https://open.anspire.cn/?share_code=QFBC0FYC
# 满足默认优先级条件时，系统会复用该 Key 处理搜索与 LLM（仅限示例兜底路径）。
# 示例模型：Doubao-Seed-2.0-lite；示例网关：https://open-gateway.anspire.cn/v6
ANSPIRE_API_KEYS=sk-xxxxxxxxxxxxxxxx
# 可选：按控制台可用性切换模型或网关
# ANSPIRE_LLM_MODEL=Doubao-Seed-2.0-pro
# ANSPIRE_LLM_BASE_URL=https://open-gateway.anspire.ai/v6

现在市面上绝大多数第三方聚合平台（例如硅基流动、AIHubmix、阿里百炼、智谱等）都兼容 OpenAI 的接口格式。只要平台提供了 API Key 和 Base URL，你都可以按照以下格式无脑配置：

# 填入平台提供给你的 API Key
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
# 填入平台的接口地址 (非常重要：结尾通常必须带有 /v1)
OPENAI_BASE_URL=https://api.siliconflow.cn/v1
# 填入该平台上具体的模型名称（非常重要：注意前面必须加上 openai/ 前缀帮系统识别）
LITELLM_MODEL=openai/deepseek-ai/DeepSeek-V3 

# 填入你在 DeepSeek 官方平台申请的 API Key
DEEPSEEK_API_KEY=sk-xxxxxxxxxxxxxxxx

*兼容提示：仅填这一行时，系统仍会默认使用 deepseek/deepseek-chat 并在日志提示迁移。* deepseek-chat / deepseek-reasoner 仍可用于兼容旧配置，但 DeepSeek 官方已标记为 2026/07/24 后废弃；新配置建议通过 Web 快速渠道或显式 LITELLM_MODEL=deepseek/deepseek-v4-flash 迁移到 deepseek-v4-flash / deepseek-v4-pro。

# 填入你获取的 Google Gemini Key
GEMINI_API_KEY=AIzac...

# Ollama 无需 API Key，本地运行 ollama serve 后即可使用
OLLAMA_API_BASE=http://localhost:11434
LITELLM_MODEL=ollama/qwen3:8b

重要：Ollama 必须使用 OLLAMA_API_BASE 配置，不要使用 OPENAI_BASE_URL，否则系统会错误拼接 URL（如 404、api/generate/api/show）。远程 Ollama 时，将 OLLAMA_API_BASE 设为实际地址（如 http://192.168.1.100:11434）。当前依赖约束为 litellm>=1.80.10,!=1.82.7,!=1.82.8,<2.0.0（与 requirements.txt 一致）。

恭喜！小白读到这里就可以去运行程序了！ 想测测看通没通？在主目录打开命令行输入：python scripts/check_env.py --llm

目标： 我有多个不同平台的 Key 想要混着用，如果主模型卡了/网络挂了，我希望它能自动切换到备用模型。

网页端可以直接配： 你可以启动程序后，在 Web UI 的“系统设置 -> AI 模型 -> AI 模型接入” 中非常直观地进行可视化配置！

新版编辑体验补充：对于 DeepSeek、阿里百炼（DashScope）以及其他兼容 OpenAI /v1/models 的渠道，设置页现在支持直接点击“获取模型”，从 {base_url}/models 拉取可用模型并多选；底层仍会保存为原来的 LLM_{CHANNEL}_MODELS=model1,model2 逗号格式。若渠道不支持该接口、鉴权失败或暂时不可达，仍可继续手动填写模型列表，不影响保存。

后端提供只读状态接口 GET /api/v1/system/config/setup/status，用于判断首次启动闭环中最基础的几类配置是否已经就绪：LLM 主渠道、Agent 渠道、自选股、通知渠道和本地存储。这个接口只读取已保存的 .env 与当前进程环境变量，不会重载运行时配置、写入 .env、测试真实模型或创建数据库文件；前端向导和后续 smoke run 可以基于该接口逐步接入。

• 预设里的 provider / Base URL / 示例模型只用于初始化表单；真正落盘时仍是你当前输入的 LLM_{CHANNEL}_PROTOCOL、LLM_{CHANNEL}_BASE_URL、LLM_{CHANNEL}_MODELS、LLM_{CHANNEL}_API_KEY(S)，不会在后台偷偷改成别的 provider 名或 URL。
• 设置页的“获取模型”只对 OpenAI Compatible / DeepSeek 渠道调用 {base_url}/models；“测试连接”默认只对模型列表首项发起一次最小聊天请求，并在结果中展示后端规范化后的 resolved_model。若返回 details.reason=model_access_denied（例如 Issue #1208 中已观测到的 SiliconFlow / OpenAI Compatible 经 LiteLLM 返回 Model disabled），请把它视为基于 provider 文案的 best-effort 模型可用性诊断，优先确认该模型是否已在当前账号/key 下开通，必要时调整模型顺序或移除不可用模型后重试；未覆盖或语义不同的 provider 文案会继续走兜底诊断。可选的“运行时能力检测”必须由用户显式选择后触发，会额外发起 JSON / tools / stream / vision smoke 请求，结果仅代表当前账号、模型和 endpoint 的一次 best-effort 检测。上述检测返回的 stage / error_code / details / latency_ms / capability_results 仅用于结构化诊断提示，不会写回 .env，也不会阻止保存。
• 若返回 details.reason=provider_blocked，表示服务商或中转网关明确拦截了本次请求；它区别于本地网络 / TLS 异常和 model_access_denied，应优先检查账号风控、地域或请求来源限制、模型权限、代理商网关策略和内容安全策略。
• 运行时能力检测会产生真实 LLM 请求，可能带来 token / 图像输入费用、RPM/TPM 限流、余额不足或超时。检测失败可能来自账号权限、模型未开通、endpoint 区域、余额、服务商兼容层或 LiteLLM 转换路径，不等于该 provider 全局不支持对应能力。P3 未对所有真实 provider 做在线 smoke；兼容依据来自当前依赖约束 litellm>=1.80.10,!=1.82.7,!=1.82.8,<2.0.0 下的 LiteLLM completion() / OpenAI I/O format / streaming / exception mapping，以及 OpenAI Chat Completions 的 JSON mode、tool calling、streaming 和 vision input 形状。
• 相关外部来源：LiteLLM Python SDK / OpenAI I/O format / streaming / exception mapping：；LiteLLM OpenAI-compatible 路由：；OpenAI Chat Completions：；JSON mode：；tool calling：；streaming：；vision input：。
• 保存渠道时，只会更新这次提交的 key；不会因为切换渠道模式而静默迁移整个旧配置。唯一会被同步清理的是运行时模型引用：如果 LITELLM_MODEL、AGENT_LITELLM_MODEL、VISION_MODEL 或 LITELLM_FALLBACK_MODELS 指向了当前已启用渠道里已经不存在的模型，设置页会在保存前把这些失效引用清空/移除，避免运行时继续指向无效模型；即使当前启用渠道没有任何可选模型，也会清理缺少 legacy Key 支撑的托管 provider 旧值。cohere/、google/、xai/ 这类直连模型仅用于说明历史 direct-env 兼容保留语义，不等于可用性承诺，是否可用请按各厂商官方模型/API 文档再做实际验证。
• 后端一致性依据：配置校验链路在 SystemConfigService._validate_llm_runtime_selection（src/services/system_config_service.py）中通过 _uses_direct_env_provider（src/config.py）判断运行时来源；当前仅 gemini、vertex_ai、anthropic、openai、deepseek 属于托管 key provider，cohere、google、xai 不在该白名单中，因此会保留为直连模型。
• 回退方式也保持最小：把对应渠道模型列表改回去后重新选择主模型 / fallback，或直接用桌面端导出备份 / 手动 .env 还原之前的 LLM_、LITELLM_MODEL、AGENT_LITELLM_MODEL、VISION_MODEL、LLM_TEMPERATURE 即可，不需要额外跑迁移脚本。Web 端如需恢复配置，也可在启用管理员鉴权（ADMIN_AUTH_ENABLED=true）后通过 POST /api/v1/system/config/import 回滚。
• 当前仓库对此链路的依赖约束是 litellm>=1.80.10,!=1.82.7,!=1.82.8,<2.0.0（见 requirements.txt）；回归覆盖包括 tests/test_system_config_service.py、tests/test_system_config_api.py 和 apps/dsa-web/src/components/settings/tests/LLMChannelEditor.test.tsx。

外部 provider 示例模型说明：cohere/*、google/*、xai/* 等 provider 前缀值仅用于说明当前保存清理语义，不代表该依赖约束内的逐型号可用性保证。文档或测试中的具体模型名都是配置保留行为样例，不是生产推荐；实际可用性请以对应官方模型文档为准，并结合仓库依赖约束 litellm>=1.80.10,!=1.82.7,!=1.82.8,<2.0.0 复核。

• 依赖约束与静默清理范围：在 litellm>=1.80.10,!=1.82.7,!=1.82.8,<2.0.0 下，保存仅清理失效的 runtime 模型引用（LITELLM_MODEL、AGENT_LITELLM_MODEL、VISION_MODEL、LITELLM_FALLBACK_MODELS），cohere/、google/、xai/ 等非渠道直连模型会被保留。
• 回退方式：可直接用桌面端导出备份后通过 POST /api/v1/system/config/import 恢复；也可手动把 .env 中历史 LITELLM_ / AGENT_LITELLM_MODEL / VISION_MODEL / LLM_TEMPERATURE 回填后重启生效。Web 端执行导入前请先开启管理员鉴权（ADMIN_AUTH_ENABLED=true）。
• 回退回归证据：tests/test_system_config_service.py::test_import_desktop_env_restores_runtime_models_after_cleanup 覆盖“清理后用桌面导出备份恢复 runtime 引用”。
• 直连 provider 回归证据：tests/test_system_config_service.py::SystemConfigServiceTestCase::test_validate_accepts_minimax_model_as_direct_env_provider、test_validate_accepts_cohere_model_as_direct_env_provider、test_validate_accepts_google_model_as_direct_env_provider、test_validate_accepts_xai_model_as_direct_env_provider 覆盖直连 provider 保留语义。
• 前端回归命令：cd apps/dsa-web && npm run lint && npm run build && npm run test -- src/components/settings/tests/LLMChannelEditor.test.tsx。
• 建议回退操作链路（含设置页刷新）：先导出桌面备份，POST /api/v1/system/config/import 导入后，再通过 GET /api/v1/system/config 刷新页面配置，再确认 LITELLM_MODEL / AGENT_LITELLM_MODEL / VISION_MODEL / LLM_TEMPERATURE 与模型列表一致后再继续使用。

• OpenAI Compatible 规范（LiteLLM）：
• OpenAI 官方：
• DeepSeek 官方：
• Anspire Open：
• 阿里百炼 DashScope 兼容模式：
• Moonshot / Kimi 官方：
• Anthropic 官方：
• Gemini 官方：
• Cohere 官方：
• Cohere API 参考：
• Cohere LiteLLM Provider：
• Google Gemini API 与模型：、
• Google LiteLLM Provider：
• xAI 官方：
• xAI LiteLLM Provider：
• Ollama 官方：

如果不方便用网页版，在 .env 文件中配置也非常丝滑，它能让你同时管理多个第三方平台。规则如下：

1. 先声明你有几个渠道：LLM_CHANNELS=渠道名称1,渠道名称2
2. 给每个渠道分别填写配置（注意全大写）：LLM_{渠道名}_XXX

# 1. 开启渠道模式，声明这里有两个渠道：deepseek 和 aihubmix
LLM_CHANNELS=deepseek,aihubmix

# 2. 渠道一：配置 DeepSeek 官方
LLM_DEEPSEEK_BASE_URL=https://api.deepseek.com
LLM_DEEPSEEK_API_KEY=sk-1111111111111
LLM_DEEPSEEK_MODELS=deepseek-v4-flash,deepseek-v4-pro

# 3. 渠道二：配置一个常用的聚合中转 API
LLM_AIHUBMIX_BASE_URL=https://api.aihubmix.com/v1
LLM_AIHUBMIX_API_KEY=sk-2222222222222
LLM_AIHUBMIX_MODELS=gpt-5.5,claude-sonnet-4-6

# 4. 【关键】指定主模型和备用模型列表
# 平时首选用 deepseek 这款模型：
LITELLM_MODEL=deepseek/deepseek-v4-flash
# 可选：Agent 问股单独指定主模型（留空则继承主模型）
AGENT_LITELLM_MODEL=deepseek/deepseek-v4-pro
# 主模型崩了立刻挨个尝试下面这俩备用模型：
LITELLM_FALLBACK_MODELS=openai/gpt-5.4-mini,anthropic/claude-sonnet-4-6

# 1. 开启渠道模式，声明 ollama 渠道
LLM_CHANNELS=ollama

# 2. 配置 Ollama 地址（本地默认 11434 端口）
LLM_OLLAMA_BASE_URL=http://localhost:11434
LLM_OLLAMA_MODELS=qwen3:8b,llama3.2

# 3. 指定主模型
LITELLM_MODEL=ollama/qwen3:8b

• 如果你通过 OpenAI Compatible 渠道接 MiniMax，请在渠道模型里直接填写 minimax/，例如 minimax/MiniMax-M1。
• Web 设置页里的主模型、Agent 主模型、Fallback、Vision 下拉会保留这个值原样展示，不会再错误改写成 openai/minimax/。

• 问股 Agent 运行时沿用与普通分析相同的三层优先级：LITELLM_CONFIG（LiteLLM YAML）> LLM_CHANNELS > legacy provider keys。只要上层配置有效生效，下层配置就不会再参与本次请求。
• YAML 模式下，Agent 直接复用 LiteLLM model_list / model_name 路由语义；渠道模式下，优先读取 AGENT_LITELLM_MODEL，留空时继承 LITELLM_MODEL，再按 LITELLM_FALLBACK_MODELS 继续 fallback。
• 如果你没有启用 YAML / Channels，且 AGENT_LITELLM_MODEL 也留空，但本地仍保留 legacy 环境变量，问股 Agent 依然会继承旧配置：GEMINI_API_KEY + GEMINI_MODEL -> gemini/，OPENAI_API_KEY + OPENAI_MODEL -> openai/，ANTHROPIC_API_KEY + ANTHROPIC_MODEL -> anthropic/。
• 该兼容逻辑只增强“失败时保留后端真实错误原因”和“未配置 LLM 时给出更具体诊断”，不会静默删除、清空、迁移或改写你现有的 GEMINI_ / OPENAI_ / ANTHROPIC_ / LITELLM_ 配置。
• 如果当前环境没有任何有效 Agent 模型链路，问股页面会继续按失败语义返回，并直接展示后端真实配置诊断；补齐任一有效模型来源后即可恢复，无需额外执行配置迁移脚本。
• 推荐的新配置方式仍然是显式设置 LITELLM_MODEL / AGENT_LITELLM_MODEL 或使用 LLM_CHANNELS；legacy provider keys 目前保留为兼容回退路径，方便旧 .env、本地 macOS 开发环境和历史部署平滑继续运行。

• Moonshot 官方说明 Kimi API 兼容 OpenAI 接口，Base URL 使用 https://api.moonshot.ai/v1：
• LiteLLM 官方要求 OpenAI Compatible 渠道模型名使用 openai/ 前缀：
• Moonshot 官方兼容性文档区分两种固定值：thinking 模式固定 1.0，non-thinking 模式固定 0.6；传其它值会被接口拒绝：
• OpenAI Chat Completions 规范中 temperature 是可选参数；对 GPT-5 / o 系列等只接受默认温度的模型，本项目会在请求层省略 temperature，让服务端使用默认值，而不是改写你的 LLM_TEMPERATURE：
• 当前仓库的运行时依赖约束是 litellm>=1.80.10,!=1.82.7,!=1.82.8,<2.0.0（见 requirements.txt）；本次兼容逻辑按该约束回归验证了主分析、大盘复盘、Agent 直连 LiteLLM，以及系统设置页的渠道连通性测试。
• 因此本项目会在请求发出前按实际请求模式归一化 kimi-k2.6 及其 kimi-k2.6- 变体：默认 / thinking 路径使用 temperature=1.0；如果你的 LiteLLM YAML 路由别名里显式写了 litellm_params.extra_body.thinking.type: disabled（或等价 non-thinking 配置），则自动切到 temperature=0.6。你在 .env 或 Web 设置里保存的 LLM_TEMPERATURE 不会被改写。
• 如果兼容平台对未收录的新模型返回明确的参数错误（例如 temperature 不支持、只能使用默认 1.0、top_p 不支持），运行时会对当前请求做一次参数修正并重试；只有重试成功后才把该策略缓存在当前进程内。该缓存不会写回 .env，服务重启后会重新按配置与适配规则判断。
• 对已经产生部分内容的流式响应，系统不会在半截输出后切换参数；仍沿用原有“同模型非流式重试 / fallback 模型”的稳定路径，避免拼接出不一致的回答。
• SystemConfigService 在 Web 设置保存 / 桌面端 .env 导入时只更新你提交的 key，不会因为切到严格 temperature 模型静默清空、迁移或重写已有 LLM_TEMPERATURE；渠道测试请求里的临时参数策略也不会回写到配置文件。
• 非严格主模型、非严格 fallback 以及切回普通模型后的请求，仍继续使用你配置的温度；也就是说旧配置无需迁移，切换模型即可自动恢复原行为。
• 本仓库兼容性回归覆盖见：tests/test_llm_channel_config.py、tests/test_market_analyzer_generate_text.py、tests/test_agent_pipeline.py、tests/test_system_config_service.py。
• 最小回滚方式：直接回退本次 LLM 参数适配相关改动，无需单独迁移已有 LLM_TEMPERATURE 配置。

• 官方与运行时兼容依据采用两层：第一层为官方接口语义（LiteLLM OpenAI-compatible 路由、OpenAI Chat Completions、Moonshot/Kimi 文档与官方模型说明）；第二层为本仓库当前运行时语义（litellm>=1.80.10,!=1.82.7,!=1.82.8,<2.0.0）下的实际错误归类。
• 本次兼容恢复只使用“本地运行时错误归类 + 单请求修正重试 + 进程内缓存”策略，不写入 .env、不做配置迁移，仅在执行路径上动态规避不支持参数（temperature、top_p、presence_penalty、frequency_penalty、seed）。若要回退，不需要额外迁移命令，恢复旧值即可。
• 回归与证据：tests/test_llm_param_recovery.py、tests/test_system_config_service.py、tests/test_llm_channel_config.py、tests/test_system_config_api.py、tests/test_market_analyzer_generate_text.py、tests/test_agent_pipeline.py；桌面导入与运行时清理回退另有 test_import_desktop_env_restores_runtime_models_after_cleanup 直接覆盖。

目标： 我不在乎学习门槛，我要最高控制权，我要用原生规则做企业级高可用！

这一层会直接映射到底层 LiteLLM 路由能力，支持高并发、自动重试、按 RPM/TPM 负载均衡等操作。

1. 在 .env 中只保留一行指向声明：

   LITELLM_CONFIG=./litellm_config.yaml

1. 在项目根目录创建一个 litellm_config.yaml（可以参考自带的 docs/examples/litellm_config.example.yaml）。

示例 litellm_config.yaml：

model_list:
  - model_name: my-smart-model
    litellm_params:
      model: deepseek/deepseek-v4-flash
      api_base: https://api.deepseek.com
      api_key: "os.environ/MY_CUSTOM_SECRET_KEY"  # 从环境变量读取 Key，安全防泄漏

  # Ollama 本地模型（无需 api_key）
  - model_name: ollama/qwen3:8b
    litellm_params:
      model: ollama/qwen3:8b
      api_base: http://localhost:11434

1. Settings → Secrets and variables → Actions。非敏感配置（如模型名、开关、Base URL）可以放在 Secret 或 Variables；凡是 _API_KEY / _API_KEYS 以及 LLM__API_KEY / LLM__API_KEYS 这类密钥字段，请统一放在 Secret 标签页的 New repository secret

1. 按下表配置，只有全部必填配置正确配置，YAML 高级配置模式才可以生效，YAML配置文件的写法，可以参考自带的 docs/examples/litellm_config.example.yaml

渠道模式无需上传 YAML 文件。仓库自带 00-daily-analysis.yml 已显式透传以下常用字段：

• 运行时选择：LLM_CHANNELS、LITELLM_MODEL、LITELLM_FALLBACK_MODELS、AGENT_LITELLM_MODEL、VISION_MODEL、VISION_PROVIDER_PRIORITY、LLM_TEMPERATURE
• 多 Key：GEMINI_API_KEYS、ANTHROPIC_API_KEYS、OPENAI_API_KEYS、DEEPSEEK_API_KEYS（当前 workflow 仅从 repository secrets 导入，不会读取同名 Variables）
• 常用渠道名：primary、secondary、aihubmix、deepseek、dashscope、zhipu、moonshot、minimax、volcengine、siliconflow、openrouter、gemini、anthropic、openai、ollama

例如在 GitHub Actions 中配置 LLM_CHANNELS=primary,deepseek 时，需同步配置 LLM_PRIMARY_* / LLM_DEEPSEEK_*。其中 LLM_<NAME>_API_KEY / LLM_<NAME>_API_KEYS 当前也仅从 repository secrets 导入；如果你把这些值放在 Variables，运行时不会生效。若使用自定义渠道名（如 my_proxy），GitHub Actions 还必须在 workflow env: 中显式新增对应的 LLM_MY_PROXY_* 映射；本地 .env 和 Docker 不受这个限制。

三层配置互斥准则：YAML 优先级最高！只要配置了 YAML，渠道模式 和 新手极简模式 统统被忽略。系统优先级为：YAML配置 > 渠道模式 > 极简单模型。

系统中有些特定功能（比如上传股票软件截图，让 AI 提取出截图里的股票代码并放入自选股池）必须用到具备“视觉能力”的模型。你需在 .env 单独给它指派一个懂图片的模型。

# 指定你看图专用的模型名
VISION_MODEL=openai/gpt-5.5
# 别忘了填写它对应提供商的 API KEY，如果是 OpenAI 兼容渠道就提供 OPENAI_API_KEY：
# OPENAI_API_KEY=xxx

备用看图机制： 为了防止偶尔罢工，系统内置了切换策略。如果主视觉模型调用失败，它会按照下方的顺位尝试寻找是否有其他看图模型的 Key：

# 默认的备用顺序：
VISION_PROVIDER_PRIORITY=gemini,anthropic,openai

配好了之后心惊胆战不知道对不对？在命令行（Terminal）里敲入下面代码帮你挂号问诊：

• python scripts/check_env.py --config ：纯检测 .env 配置文件里的逻辑写得对不对，是不是少写了什么。（秒出结果，不调用网络，纯检查本地文本拼写）
• python scripts/check_env.py --llm ：系统会真的发一句问候语给大模型，让你亲眼看到他的回答。这能彻底测出你的网络通不通、账号有没有欠费。

*进阶老手的叮嘱：如果你开启了 Agent (深度思考网络搜索问股) 模式，这里有个经验之谈，推荐选用如 deepseek-v4-pro 这种逻辑推导能力更强的大模型。如果为了省钱用小微模型跑 Agent，它逻辑能力大概率跟不上，不仅达不到预期，还会白跑一堆空流程。*