本指南帮助您开始使用 AI/ML API 聊天模型。有关所有 ChatAimlapi 功能和配置的详细文档，请访问 API 参考。 AI/ML API 提供对数百个托管基础模型的统一访问，具有高可用性和高吞吐量。

​
概述

​
集成详情

ClassPackageLocalSerializableJS supportDownloadsVersion
ChatAimlapilangchain-aimlapi❌beta❌PyPI - DownloadsPyPI - Version

​
模型功能

Tool callingStructured outputJSON modeImage inputAudio inputVideo inputToken-level streamingNative asyncToken usageLogprobs
✅✅✅✅✅✅✅✅✅✅

​
设置

要访问 AI/ML API 模型，您需要创建帐户、获取 API 密钥并安装 langchain-aimlapi 集成包。

​
凭证

前往 aimlapi.com 注册并生成 API 密钥。完成后，设置 AIMLAPI_API_KEY 环境变量： 
import getpass
import os

if not os.getenv("AIMLAPI_API_KEY"):
    os.environ["AIMLAPI_API_KEY"] = getpass.getpass("Enter your AI/ML API key: ")
要启用模型调用的自动跟踪，请设置您的 LangSmith API 密钥： 
os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
os.environ["LANGSMITH_TRACING"] = "true"

​
安装

LangChain AI/ML API 集成位于 langchain-aimlapi 包中： 
pip install -qU langchain-aimlapi

​
实例化

现在我们可以实例化模型对象并生成聊天完成： 
from langchain_aimlapi import ChatAimlapi

llm = ChatAimlapi(
    model="meta-llama/Llama-3-70b-chat-hf",
    temperature=0.7,
    max_tokens=512,
    timeout=30,
    max_retries=3,
)

​
调用

messages = [
    ("system", "You are a helpful assistant that translates English to French."),
    ("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg

AIMessage(content="J'adore la programmation.", response_metadata={'token_usage': {'completion_tokens': 9, 'prompt_tokens': 23, 'total_tokens': 32}, 'model_name': 'meta-llama/Llama-3-70b-chat-hf'}, id='run-...')

print(ai_msg.content)

J'adore la programmation.

​
流式调用

您也可以逐 token 流式传输响应： 
for chunk in llm.stream("List top 5 programming languages in 2025 with reasons."):
    print(chunk.content, end="", flush=True)

​
API 参考

有关所有 ChatAimlapi 功能和配置的详细文档，请访问 API 参考。
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.