GitHub(simonw) · Simon Willison
llm-chat-completions-server:为 LLM 提供 OpenAI Chat Completions 接口的插件
llm-chat-completions-server:为 LLM 提供 OpenAI Chat Completions 接口的插件是GitHub(simonw)的免费文档(en)。前置条件:需会用命令行、了解 Python 包安装与 HTTP/JSON 请求的基本概念。
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。
- 难度
- 见前置条件
- 类型
- 其他 · 文档
- 语言
- en
- 规模
- 3 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
使用限制
学习材料无需账号即可读取;运行示例调用第三方模型时需要一个已配置凭据的 LLM 模型提供方。
- 练习与作业
- 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
第一次学这门课?先完成学前准备,把课程目录搭好。
每节课这样学
- 发提示词把下面的每课提示词发给 AI Agent,它会准备这一课的练习文件。
- 学官方课节打开对应课节学习,按提示从第一道练习做起;它不会替你写答案。
- 记进度学完让 AI Agent 在 progress.md 勾选,并把疑问整理到 questions.md。
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。
课节共 3 节 · 官方顺序
常见问题
免费吗?
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。
需要什么基础?
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。
有中文吗?
本站记录的语言是en;是否有中文字幕或译本本站未核实,请以原站为准。
怎么开始?
从原始资源入口开始:https://github.com/simonw/llm-chat-completions-server。本页“学前准备”列出环境与工具,“学习指南”给出开课提示词,可以在自己的电脑上按步骤开始。开课提示词尚未完整验证。练习与作业需要自备: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。
来源与使用须知
- 原始资源
- GitHub(simonw)
- 收录时间
- 本站首次收录 2026-10-23
- 指南参考
- 课程主页
版权与转载
- Apache-2.0:代码可自由使用和修改,需保留版权声明。原站说明
- 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。