golang的支持调用所有openai范式的ai的api的库
-
支持任何符合openai范式的api，如deepseek、kimi等
-
简单易上手，既有简洁的api方便快速使用，又有符合官方格式的api支持复杂参数的设置
-
支持流式调用
-
支持视觉模型和深度思考模型
-
支持功能齐全
仓库主体均为llm大模型调用内容且只支持openai的api范式，仓库主体类似于python的openai包
随着业务的增广，增加了对于其他ai厂商api格式的支持（包括且不限于对话，可能包括文生图等等），具体实现内容请前往对应的板块查看
go get github.com/dingdinglz/openaipackage main
import (
"fmt"
"os"
"github.com/dingdinglz/openai"
)
func main() {
client := openai.NewClient(&openai.ClientConfig{
BaseUrl: "https://api.deepseek.com/v1",
ApiKey: os.Getenv("DEEPSEEK_APIKEY"),
})
models, _ := client.Models()
fmt.Println(models)
}model是Model类型的数组
输出内容可能为：
[{deepseek-chat model deepseek} {deepseek-reasoner model deepseek}]
Chat函数可以添加前后文，prompt等进行对模型等调用，收到一条AI的回答
package main
import (
"fmt"
"os"
"github.com/dingdinglz/openai"
)
func main() {
client := openai.NewClient(&openai.ClientConfig{
BaseUrl: "https://api.deepseek.com/v1",
ApiKey: os.Getenv("DEEPSEEK_APIKEY"),
})
messages, _ := client.Chat("deepseek-chat", []openai.Message{
{Content: "你是一只可爱的猫娘，你喜欢说话后加上喵～", Role: "system"},
{Content: "你是谁？", Role: "user"},
})
fmt.Println(messages.Content)
}可能的一个输出
我是一只可爱的猫娘喵～很高兴认识你喵～
如果你并不需要前后文的帮助，仅仅需要使用prompt和一个问题，我们有更简单的调用方法：EasyChat
正如上面所说，EasyChat是最简单、简洁的AI调用方式。
package main
import (
"fmt"
"os"
"github.com/dingdinglz/openai"
)
func main() {
client := openai.NewClient(&openai.ClientConfig{
BaseUrl: "https://api.deepseek.com/v1",
ApiKey: os.Getenv("DEEPSEEK_APIKEY"),
})
message, _ := client.EasyChat("deepseek-chat", "你是一只可爱的猫娘，喜欢在说话后加上喵～", "你能干嘛？")
fmt.Println(message)
}可能的输出
我可以陪你聊天、解答问题、提供建议，还能讲笑话和故事喵～ 你有什么想聊的喵？
流式对话，实现了SSE式的请求，可以几个字几个字地实时获得答案，类似于直接使用网页端ai的效果
package main
import (
"fmt"
"os"
"github.com/dingdinglz/openai"
)
func main() {
client := openai.NewClient(&openai.ClientConfig{
BaseUrl: "https://api.deepseek.com/v1",
ApiKey: os.Getenv("DEEPSEEK_APIKEY"),
})
client.ChatStream("deepseek-chat", []openai.Message{
{Content: "你是golang大师，能够清晰的解释golang相关的概念", Role: "system"},
{Content: "什么是反射？", Role: "user"},
}, func(s string) {
fmt.Print(s)
})
}传入的函数的参数s即为answer的一小部分，如果把所有s按顺序拼接起来，就是完整的answer。
上文中介绍到的Chat和ChatStream的参数比较简单，适合快速搭建起一个ai应用，而WithConfig系列的命令支持了所有官网允许的参数，例子中只拓展了几个参数，更多参数可以前往文档查看。
例子中介绍了ChatWithConfig的使用，ChatStreamWithConfig的使用与前者类似，不再赘述。
package main
import (
"fmt"
"os"
"github.com/dingdinglz/openai"
)
func main() {
client := openai.NewClient(&openai.ClientConfig{
BaseUrl: "https://api.deepseek.com/v1",
ApiKey: os.Getenv("DEEPSEEK_APIKEY"),
})
res, _ := client.ChatWithConfig(openai.ChatRequest{
Model: "deepseek-chat",
Messages: []openai.Message{
{Content: "你是一只可爱的猫娘，你喜欢在说话后加上喵～", Role: "system"},
{Content: "讲个笑话吧", Role: "user"},
},
MaxTokens: 4098,
Temperature: 0.4,
})
fmt.Println(res.Content)
}由于deepseek-r1的爆火，部分模型同样支持深度思考，ChatStream并不能获取到深度思考的内容，因此添加ChatReasonStream，可以流式获取到思考的内容，下面的例子是对deepseek-r1的调用。
需要注意的是，由于服务提供商遍地开花，部分厂商把深度思考的内容加在了message里，那么ChatStream是可以直接获取到的
package main
import (
"fmt"
"os"
"github.com/dingdinglz/openai"
)
func main() {
client := openai.NewClient(&openai.ClientConfig{
BaseUrl: "https://api.deepseek.com/v1",
ApiKey: os.Getenv("DEEPSEEK_APIKEY"),
})
client.ChatReasonStream("deepseek-reasoner", []openai.Message{
{Content: "你是一只可爱的猫娘喵~", Role: "system"},
{Content: "给我讲个故事吧", Role: "user"},
}, func(s string) {
// think 部分 ， 深度思考的内容通过s给出
fmt.Print(s)
}, func(s string) {
// message 部分 ， 真正的回答通过s给出
fmt.Print(s)
})
}调用视觉模型对话，下面的例子是上传了一张本地图片test.png，并要求ai解题
Url参数同样可以参数真实的url，也可以像例子中一样用base64编码上传本地图片
package main
import (
"fmt"
"os"
"github.com/dingdinglz/openai"
)
func main() {
client := openai.NewClient(&openai.ClientConfig{
BaseUrl: "https://api.siliconflow.cn/v1",
ApiKey: os.Getenv("APIKEY"),
})
imageData, _ := os.ReadFile("test.png")
client.ChatVisionStream("deepseek-ai/deepseek-vl2", []openai.VisionMessage{
{
Role: "user",
Content: []openai.VisionContent{
{
Type: openai.VISION_MESSAGE_IMAGE_URL,
ImageUrl: &openai.VisionContentImageUrl{
Url: openai.GenerateImageUrlBase64(imageData),
},
},
{
Type: openai.VISION_MESSAGE_TEXT,
Text: "请帮我解一下这道题",
},
},
},
}, func(s string) {
fmt.Print(s)
})
}视频 - 如何用本包使用function calling && 什么是function calling
上面的视频对该功能有详细的介绍，和示例代码的编写，下面是示例代码
package main
import (
"fmt"
"os"
"github.com/dingdinglz/openai"
)
func main() {
client := openai.NewClient(&openai.ClientConfig{
BaseUrl: "https://api.siliconflow.cn/v1",
ApiKey: os.Getenv("APIKEY"),
})
client.ChatWithTools("Qwen/Qwen2.5-14B-Instruct", []openai.ToolMessage{
{Role: "user", Content: "南京现在天气怎么样"},
}, []openai.ChatToolFunction{
{
Type: "function",
Function: openai.ChatToolFuctionDetail{
Name: "weather",
Description: "通过传入地区名，获取该地区的天气状况",
Parameters: openai.ChatToolParameters{
Type: "object",
Properties: map[string]openai.ChatToolFuctionPropertie{
"location": {
Type: "string",
Description: "地区名",
},
},
},
},
},
}, map[string]func(map[string]interface{}) string{
"weather": func(m map[string]interface{}) string {
fmt.Println(m["location"].(string) + "的数据被请求了")
return "不好"
},
}, func(s string) {
fmt.Println("回复内容:" + s)
})
}