模型是专门的 Agent，作为关键的抽象层，为与外部 AI 服务（如大型语言模型 (LLMs) 和图像生成平台）的交互提供标准化接口。它们封装了 API 通信的复杂性，使开发者能够通过一致且统一的契约与各种 AI 提供商合作。
AIGNE 框架定义了一个基础的 Model 类，它被两个主要特化类扩展：用于基于文本的对话式 AI 的 ChatModel 和用于图像生成任务的 ImageModel。这些抽象是构建更高级别 Agent（如 AIAgent 和 ImageAgent）的基础。
核心概念
Model 层旨在简化与不同 AI 提供商的交互。您无需为每项服务（如 OpenAI、Anthropic 或 Google Gemini）编写特定于提供商的代码，而是与标准化的 ChatModel 或 ImageModel 接口进行交互。AIGNE 框架通过特定的模型包（例如 @aigne/openai）处理这种标准格式与提供商原生 API 之间的转换。
此设计具有几个关键优势：
- 提供商无关性： 更换底层 AI 模型时只需最少的代码更改。例如，只需更改模型实例化，就可以从 OpenAI 的 GPT-4 切换到 Anthropic 的 Claude 3。
- 标准化数据结构： 所有模型都使用一致的输入和输出模式（
ChatModelInput、ImageModelOutput等），从而简化了数据处理和 Agent 组合。 - 简化的 API： 模型提供了一个简洁的高级 API，它抽象了每个外部服务的身份验证、请求格式化和错误处理的细微差别。
下图说明了基础 Agent、Model 抽象以及它们连接的外部 AI 服务之间的关系。
ChatModel 抽象
ChatModel 是一个为与大型语言模型 (LLMs) 对接而设计的抽象类。它提供了一种结构化的方式来处理对话交互，包括多轮对话、工具使用和结构化数据提取。
ChatModelInput
ChatModelInput 接口定义了发送给语言模型的请求的数据结构。它标准化了消息、工具和其他配置的传递方式。
- messages
ChatModelInputMessage[](required) — 构成对话历史和当前提示的消息对象数组。 - responseFormat
ChatModelInputResponseFormat— 指定模型输出的期望格式，例如纯文本或基于所提供模式的结构化 JSON。 - tools
ChatModelInputTool[]— 模型可以请求调用的可用工具（函数）列表，用于执行操作或检索信息。 - toolChoice
ChatModelInputToolChoice— 控制模型如何使用提供的工具。可以设置为 "auto"、"none"、"required" 或强制进行特定的函数调用。 - modelOptions
ChatModelInputOptions— 用于存放特定于提供商的选项的容器，例如 temperature、topP 或 parallelToolCalls。 - outputFileType
'local' | 'file'— 为任何基于文件的输出指定期望的格式，可以是本地文件路径 (local) 或 base64 编码的字符串 (file)。
ChatModelInputMessage
messages 数组中的每条消息都遵循一个已定义的结构。
- role
'system' | 'user' | 'agent' | 'tool'(required) — 消息发送者的角色。system 提供指令，user 代表用户输入，agent 用于模型响应，tool 用于工具调用的输出。 - content
string | UnionContent[]— 消息的内容。可以是一个简单的字符串，也可以是用于多模态内容的数组，结合了文本和图像 (FileUnionContent)。 - toolCalls
object[]— 在 agent 消息中使用，表示由模型发起的一个或多个工具调用。 - toolCallId
string— 在 tool 消息中使用，用于将工具的输出链接回相应的 toolCalls 请求。
ChatModelOutput
ChatModelOutput 接口标准化了从语言模型接收到的响应。
- text
string— 模型响应的基于文本的内容。 - json
object— 当 responseFormat 设置为 "json_schema" 时，模型返回的 JSON 对象。 - toolCalls
ChatModelOutputToolCall[]— 模型发出的工具调用请求数组。每个对象都包含函数名和参数。 - usage
ChatModelOutputUsage— 包含令牌使用统计信息的对象，包括 inputTokens 和 outputTokens。 - model
string— 生成响应的模型的标识符。 - files
FileUnionContent[]— 模型生成的文件数组（如果有）。
ImageModel 抽象
ImageModel 是一个用于与图像生成模型对接的抽象类。它为基于文本提示创建或编辑图像提供了一个简化的契约。
ImageModelInput
ImageModelInput 接口定义了图像生成任务的请求结构。
- prompt
string(required) — 对所需图像的文本描述。 - image
FileUnionContent[]— 一个可选的输入图像数组，用于图像编辑或创建变体等任务。 - n
number— 要生成的图像数量。默认为 1。 - outputFileType
'local' | 'file'— 指定输出图像应保存为本地文件 (local) 还是作为 base64 编码的字符串 (file) 返回。 - modelOptions
ImageModelInputOptions— 用于存放特定于提供商的选项的容器，例如图像尺寸、质量或风格预设。
ImageModelOutput
ImageModelOutput 接口定义了来自图像生成服务的响应结构。
- images
FileUnionContent[](required) — 生成图像的数组。每个元素的格式取决于输入中指定的 outputFileType。 - usage
ChatModelOutputUsage— 包含使用情况统计信息的对象，其中可能包括令牌计数或其他特定于提供商的指标。 - model
string— 生成图像的模型的标识符。
文件内容类型
模型通过 FileUnionContent 类型处理多模态任务的各种文件输入形式。这种可辨识联合类型允许文件以三种方式表示：
LocalContent：表示存储在本地文件系统上的文件。type: "local"path: 文件的绝对路径。
UrlContent：表示可通过公共 URL 访问的文件。type: "url"url: 文件的 URL。
FileContent：表示为 base64 编码字符串的文件。type: "file"data: 文件的 base64 编码内容。
Model 基类包含一个 transformFileType 方法，可以根据需要自动在这些格式之间进行转换，从而简化了跨不同 Agent 和模型提供商的文件处理。
总结
ChatModel 和 ImageModel 抽象是使 AIGNE 框架灵活且与提供商无关的核心组件。它们为与广泛的外部 AI 服务交互提供了一个稳定、标准化的接口。
- 要了解如何在实践中使用这些模型，请参阅 AI Agent 和 Image Agent 的文档。
- 有关配置 OpenAI、Anthropic 或 Google Gemini 等特定提供商的详细信息，请参阅 模型 部分的指南。