# llm-chat-completions-server：为 LLM 提供 OpenAI Chat Completions 接口的插件 - 发布方：GitHub（simonw）；作者：Simon Willison - 形式：文档 · en - 原始资源：[https://github.com/simonw/llm-chat-completions-server]() - 本站页面：[https://oplearnx.com/resources/res\_n5cp97mczsys]() - 学习主题：人工智能 / 大语言模型 LLM / 推理与部署；人工智能 / 大语言模型 LLM；计算机科学 / 编程与软件工程 / Web 与全栈开发 - 内容状态：状态待核验 - 原始发布时间：未知（待核验） - 本站首次收录：2026-10-23 21:01 ## 能学到什么 能安装并运行该 LLM 插件，在本机暴露一个兼容 OpenAI Chat Completions 的 HTTP 接口，并用 curl 完成普通与流式调用。 - 在安装了 LLM 的环境中安装 llm-chat-completions-server 插件 - 启动本地服务并指定默认或自定义端口 - 通过 GET /v1/models 查看可被服务的异步模型列表 - 用 POST /v1/chat/completions 发送消息并获得经典 OpenAI 格式响应 - 用 server-sent events 接收流式响应并处理 data: \[DONE\] 结束标记 - 理解接口对 system/developer/user/assistant/tool 消息、图片 URL 与函数调用的支持范围 - 运行项目测试或在开发模式下重载服务 ## 适合我吗 - 适合：适合想快速把本地 LLM 模型包装成 OpenAI 兼容接口、做小规模集成与自测的开发者。 - 需要留意：不适合零基础学习者，也不适合想要完整讲解部署架构、并发、安全加固或生产运维的系统课程需求。 ## 前置条件与费用 - 知识前置：需会用命令行、了解 Python 包安装与 HTTP/JSON 请求的基本概念。 - 软件、账号与硬件：本机安装 Python 与 LLM 命令行工具；使用需要凭据的模型时，按 LLM 常规方式预先配置相应 key。 - 内容费用：免费：README 完整给出安装、启动、接口调用与开发说明，仓库公开可读，未见付费或登录拦截。 - 实践费用：实践可能产生费用：网页说明模型可能需要在服务器上用 llm keys 配置凭据，示例使用 gemini/gemini-2.5-flash，调用第三方模型接口可能产生费用，但未说明具体收费。 - 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。 ## 准备工具 - [LLM 命令行工具]()：安装插件并启动 chat-completions-server - curl：调用 /v1/models 与 /v1/chat/completions 接口 - uv：按 Development 一节运行测试或调试版本 ## 学习指南 开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。 ### 开课提示词（Windows） ```text 请帮我把「llm-chat-completions-server：为 LLM 提供 OpenAI Chat Completions 接口的插件」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。 开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。 课程入口：https://github.com/simonw/llm-chat-completions-server 我的系统：Windows。如果实际不符，先调整方案。 本次路线：Windows：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。 练习：以 curl 依次验证模型列表、普通补全、流式补全，并观察完成响应被写入 LLM 的 logs.db。 课节（官方顺序）： 1. llm-chat-completions-server（主页与 README）：https://github.com/simonw/llm-chat-completions-server 2. README.md：https://github.com/simonw/llm-chat-completions-server/blob/main/README.md 3. llm_chat_completions_server.py：https://github.com/simonw/llm-chat-completions-server/blob/main/llm_chat_completions_server.py 1. 环境 - Python 环境 - 已安装 LLM 命令行工具 - curl（或任意 HTTP 客户端） - 需要凭据的模型须先配置对应的 LLM key - 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。 2. 材料 - 官方课程页面：只记录链接 https://github.com/simonw/llm-chat-completions-server 3. 目录（最外层放在我确认的位置） llm-chat-completions-server/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课：读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.ps1 # 环境自检，按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹：notes.md + exercises/ ├── 01-01-llm-chat-completions-server-readme/ ├── 02-02-readme-md/ └── 03-03-llm-chat-completions-server-py/ - 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。 - 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。 4. 自检 - 创建 check-env.ps1，逐项检查并记录“通过/未通过”： - 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。将下面检查转换为 PowerShell 命令，不使用 Bash 语法。 - curl http://127.0.0.1:8002/v1/models → 返回 JSON，列出可服务的异步模型 - curl -s http://127.0.0.1:8002/v1/chat/completions -H 'Content-Type: application/json' -d '{"model":"gemini/gemini-2.5-flash","messages":[{"role":"user","content":"hi"}],"stream":false}' → 返回 OpenAI Chat Completions 格式的响应 - cd llm-chat-completions-server && uv run pytest → 测试通过（需按 Development 一节使用可编辑安装的开发版 LLM） - 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。 - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。 - 运行一次，把结果给我看；未通过的项目说明原因和修复办法。 5. 学习计划 - README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。 - progress.md：每课三项勾选——读讲义、做练习、记笔记。 6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。 边界： - 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。 - 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。 如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。 ``` ### 开课提示词（macOS） ```text 请帮我把「llm-chat-completions-server：为 LLM 提供 OpenAI Chat Completions 接口的插件」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。 开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。 课程入口：https://github.com/simonw/llm-chat-completions-server 我的系统：macOS。如果实际不符，先调整方案。 本次路线：macOS：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。 练习：以 curl 依次验证模型列表、普通补全、流式补全，并观察完成响应被写入 LLM 的 logs.db。 课节（官方顺序）： 1. llm-chat-completions-server（主页与 README）：https://github.com/simonw/llm-chat-completions-server 2. README.md：https://github.com/simonw/llm-chat-completions-server/blob/main/README.md 3. llm_chat_completions_server.py：https://github.com/simonw/llm-chat-completions-server/blob/main/llm_chat_completions_server.py 1. 环境 - Python 环境 - 已安装 LLM 命令行工具 - curl（或任意 HTTP 客户端） - 需要凭据的模型须先配置对应的 LLM key - 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。 2. 材料 - 官方课程页面：只记录链接 https://github.com/simonw/llm-chat-completions-server 3. 目录（最外层放在我确认的位置） llm-chat-completions-server/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课：读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.sh # 环境自检，按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹：notes.md + exercises/ ├── 01-01-llm-chat-completions-server-readme/ ├── 02-02-readme-md/ └── 03-03-llm-chat-completions-server-py/ - 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。 - 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。 4. 自检 - 创建 check-env.sh，逐项检查并记录“通过/未通过”： - 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。 - curl http://127.0.0.1:8002/v1/models → 返回 JSON，列出可服务的异步模型 - curl -s http://127.0.0.1:8002/v1/chat/completions -H 'Content-Type: application/json' -d '{"model":"gemini/gemini-2.5-flash","messages":[{"role":"user","content":"hi"}],"stream":false}' → 返回 OpenAI Chat Completions 格式的响应 - cd llm-chat-completions-server && uv run pytest → 测试通过（需按 Development 一节使用可编辑安装的开发版 LLM） - 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。 - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。 - 运行一次，把结果给我看；未通过的项目说明原因和修复办法。 5. 学习计划 - README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。 - progress.md：每课三项勾选——读讲义、做练习、记笔记。 6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。 边界： - 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。 - 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。 如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。 ``` ### 开课提示词（Linux） ```text 请帮我把「llm-chat-completions-server：为 LLM 提供 OpenAI Chat Completions 接口的插件」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。 开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。 课程入口：https://github.com/simonw/llm-chat-completions-server 我的系统：Linux。如果实际不符，先调整方案。 本次路线：Linux：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。 练习：以 curl 依次验证模型列表、普通补全、流式补全，并观察完成响应被写入 LLM 的 logs.db。 课节（官方顺序）： 1. llm-chat-completions-server（主页与 README）：https://github.com/simonw/llm-chat-completions-server 2. README.md：https://github.com/simonw/llm-chat-completions-server/blob/main/README.md 3. llm_chat_completions_server.py：https://github.com/simonw/llm-chat-completions-server/blob/main/llm_chat_completions_server.py 1. 环境 - Python 环境 - 已安装 LLM 命令行工具 - curl（或任意 HTTP 客户端） - 需要凭据的模型须先配置对应的 LLM key - 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。 2. 材料 - 官方课程页面：只记录链接 https://github.com/simonw/llm-chat-completions-server 3. 目录（最外层放在我确认的位置） llm-chat-completions-server/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课：读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.sh # 环境自检，按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹：notes.md + exercises/ ├── 01-01-llm-chat-completions-server-readme/ ├── 02-02-readme-md/ └── 03-03-llm-chat-completions-server-py/ - 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。 - 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。 4. 自检 - 创建 check-env.sh，逐项检查并记录“通过/未通过”： - 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。 - curl http://127.0.0.1:8002/v1/models → 返回 JSON，列出可服务的异步模型 - curl -s http://127.0.0.1:8002/v1/chat/completions -H 'Content-Type: application/json' -d '{"model":"gemini/gemini-2.5-flash","messages":[{"role":"user","content":"hi"}],"stream":false}' → 返回 OpenAI Chat Completions 格式的响应 - cd llm-chat-completions-server && uv run pytest → 测试通过（需按 Development 一节使用可编辑安装的开发版 LLM） - 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。 - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。 - 运行一次，把结果给我看；未通过的项目说明原因和修复办法。 5. 学习计划 - README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。 - progress.md：每课三项勾选——读讲义、做练习、记笔记。 6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。 边界： - 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。 - 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。 如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。 ``` ### 每课提示词 ```text 继续学习「llm-chat-completions-server：为 LLM 提供 OpenAI Chat Completions 接口的插件」。课程目录是 llm-chat-completions-server/（不知道完整路径就先问我）。 1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。 2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。 3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。 4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。 5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。 边界： - 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。 - 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。 ``` ### 课节（官方顺序） 1. [llm-chat-completions-server（主页与 README）]() 2. [README.md]() 3. [llm\_chat\_completions\_server.py]() ## 指南参考 - [课程主页]() ## 来源、许可与验证记录 - **开课提示词未完整验证，需要自备账号或资源**：Python 环境与 LLM 命令行工具（llm install 安装插件）；若按示例调用 gemini/gemini-2.5-flash 等模型，需在服务器端配置对应模型的凭据 - 转载与修改 · 课程页面与材料：Apache-2.0。仓库侧栏与 README 均标注 Apache-2.0 license，适用于该仓库代码与文档 [依据]() - 链接检查：1/1 个可以访问 ## 来源与推荐 - 编辑整理收录 --- 来源：LearnMap · 学径（https://oplearnx.com）