Agent学习——通过ZENMUX来使用Xiaomi MiMo-V2-Flash(自用)

通过在ZENMUX官网上进行查询https://zenmux.ai/models?sort=newest

发现其有对应的模型可以使用，如下图所示（Free!!!）：

由于该模型支持OPENAI的使用方式，那么就简单了。如果其现在不收费的话，直接使用下面这个方式就可以使用了：

llm = ChatOpenAI( temperature=0.8, # 官方建议使用temprature=0.8,top_p=0.95 model="xiaomi/mimo-v2-flash", # 或 openai/gpt-4-turbo # openai/gpt-5.2 default_headers={"Origin": ""} )

如果后续收费了，就需要现在ZENMUX中购买API-key，将其存放在.env文件中，记得将其key的名称和base转化为：OPENAI_API_KEY= OPENAI_API_BASE=，然后使用下面的代码：

from dotenv import load_dotenv load_dotenv() llm = ChatOpenAI( temperature=0.8, # 官方建议使用temprature=0.8,top_p=0.95 model="xiaomi/mimo-v2-flash", # 或 openai/gpt-4-turbo # openai/gpt-5.2 default_headers={"Origin": ""} )

使用方式比较简单，以下是一个实例展示：

import os from langchain_openai import ChatOpenAI from langchain_core.prompts import ChatPromptTemplate from langchain_core.output_parsers import StrOutputParser from dotenv import load_dotenv load_dotenv() llm = ChatOpenAI( temperature=0.8, top_p=0.95, model="xiaomi/mimo-v2-flash", default_headers={"Origin": ""} ) prompt_extract = ChatPromptTemplate.from_template( "从以下文本中提取关键技术参数：\n\n{text_input}" ) prompt_transform = ChatPromptTemplate.from_template( "将下列技术参数转为 JSON，字段为 cpu、memory、storage：\n\n{specifications}" ) chain = ( {"specifications": prompt_extract | llm | StrOutputParser()} | prompt_transform | llm | StrOutputParser() ) # 替换输入示例 input_text = "小米 14 Ultra 配备骁龙 8 Gen 3 芯片，16GB LPDDR5X 内存，1TB UFS 4.0 闪存。" result = chain.invoke({"text_input": input_text}) print(result)

运行结果：