llm-provider AI工具

管理OpenAI文件、助手、向量库、批次任务和模型资源，支持中文交互及复杂工作流编排，适合开发者和企业团队。

功能说明: 本技能涵盖 中文交互、化工作流场景 等核心能力。

llm-provider

专业版专属特性

能力	免费版	付费版
基础功能	支持	支持
复杂工作流可视化编排	不支持	支持
条件分支与异常重试	不支持	支持
定时触发与事件驱动	不支持	支持
执行日志与审计追踪	不支持	支持
分布式任务调度与负载均衡	不支持	支持

适用范围

场景	输入	输出
文件操作	文件路径与操作参数	操作结果与文件元信息
模型调用	输入文本与模型参数	模型输出与用量统计
管OpenAI文件	目标数据与配置参数	处理结果与执行状态

不适用于：需要人工判断的复杂决策场景

输入规范

参数名	类型	必填	说明
content	string	否	llm-provider-ai处理的内容输入
mode	string	否	处理模式, 可选: json/text/markdown,
max_retries	integer	否	单步最大重试次数, 默认: 2
skip_steps	array	否	跳过的步骤编号(用于断点续传), 默认: []

结果格式

json

{
  "success": true,
  "data": {
    "final_result": {
      "ai_result": "ai_result_value",
      "ai_metadata": "ai_metadata_value",
      "ai_status": "ai_status_value"
    },
    "execution_log": [
      {
        "step": 1,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 1200,
        "output_summary": "按流程执行"
      },
      {
        "step": 2,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 3500,
        "output_summary": "按流程执行"
      },
      {
        "step": 3,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 2100,
        "output_summary": "按流程执行"
      },
      {
        "step": 4,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 800,
        "output_summary": "按流程执行"
      }
    ],
    "total_duration_ms": 7600,
    "gates_passed": 3,
    "gates_total": 3
  },
  "error": null
}

中间产物模板参考: assets/llm-provider-ai_template

故障恢复

Status / Error	Meaning
Tool not found	The tool name does not exist in the current catalog. Verify with clawlink_list_tools --integration llm-provider.
Missing connection	llm-provider is not connected. Direct the user to https://claw-link.dev/dashboard?add=llm-provider.
invalid_request_error	Invalid parameter or model not available. Verify model ID with openai_list_models.
RateLimitError	Too many requests. Wait and retry with exponential backoff.
authentication_error	Invalid API key. Reconnect llm-provider at the dashboard.
Write rejected	User did not confirm a write action. Always confirm before executing writes.

错误恢复步骤

1. Check that the ClawLink plugin is installed:

   bash

   text

   skill-platform plugins list
   

2. If the plugin is installed but tools are missing, tell the user to send /new as a standalone message to reload the catalog.

3. If a fresh chat does not help, run:

   bash

   text

   skill-platform config set tools.alsoAllow '["clawlink-plugin"]' --strict-json
   skill-platform gateway restart
   

4. After restart, tell the user to send /new again and retry.

Troubleshooting: Invalid Tool Call

1. Ensure the integration slug is exactly llm-provider.
2. Use clawlink_describe_tool to verify parameter names and types before calling.
3. For write operations, always call clawlink_preview_tool first.

处理方式: 参考上表中的错误场景说明,按照对应建议进行处理和恢复.

依赖与配置

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent(ai-assistant Code / Cursor / Codex / Gemini CLI等)
• 操作系统: Windows / macOS / Linux

依赖说明(补充)

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

可用性分类

• 分类: MD+execute()
• 说明: 基于Markdown的AI Skill,

API Key配置方式:

bash

export API_KEY="${API_KEY:?请设置环境变量}"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

案例展示

Create a chat completion

bash

clawlink_call_tool --tool "openai_create_chat_completion" \
  --params '{
    "model": "gpt-4o",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "Explain quantum computing in simple terms."}
    ],
    "max_tokens": 500
  }'

Create an assistant

bash

clawlink_call_tool --tool "openai_create_assistant" \
  --params '{
    "name": "Code Reviewer",
    "model": "gpt-4o",
    "instructions": "You review code and suggest improvements.",
    "tools": [{"type": "code_interpreter"}]
  }'

Upload a file and create a vector store

bash

clawlink_call_tool --tool "openai_upload_file" \
  --params '{
    "file": "@./knowledge.pdf",
    "purpose": "assistants"
  }'
# ...
clawlink_call_tool --tool "openai_create_vector_store_file" \
  --params '{
    "vector_store_id": "VS_ID",
    "file_id": "FILE_ID"
  }'

Create a batch job

bash

clawlink_call_tool --tool "openai_create_batch" \
  --params '{
    "input_file_id": "FILE_ID",
    "endpoint": "chat/completions",
    "model": "gpt-4o-mini",
    "completion_window": "24h"
  }'

Generate an image

bash

clawlink_call_tool --tool "openai_create_image" \
  --params '{
    "model": "dall-e-3",
    "prompt": "A minimalist diagram showing the Skill平台 to ClawLink to Provider flow",
    "size": "1024x1024",
    "n": 1
  }'

能力边界

• 需要API Key，无Key环境无法使用

常见问题FAQ

Q1: llm-provider AI工具支持哪些模型？

A: llm-provider AI工具支持多种模型，包括GPT-3、GPT-4、DALL-E等，具体可使用openai_list_models工具查看。

Q2: 如何确保模型调用的安全性？

A: 确保API Key安全，避免泄露。使用HTTPS协议进行通信，并定期检查访问日志。

Q3: llm-provider AI工具如何处理大量数据？

A: llm-provider AI工具支持批量处理，可以通过openai_create_batch工具创建批量任务，高效处理大量数据。

Q4: 如何进行模型微调？

A: 使用openai_create_finetuning_job工具创建微调任务，选择合适的模型和数据集进行训练。

Q5: llm-provider AI工具如何处理异常情况？

A: llm-provider AI工具提供错误处理机制，如RateLimitError和authentication_error，可根据错误信息进行相应的处理。

安全规范

风险项	等级	防护措施	验证方法
API Key泄露	高	使用环境变量存储API Key，避免代码泄露	定期检查代码库和版本控制系统
数据传输安全	中	使用HTTPS协议进行数据传输	使用SSL证书验证
模型调用错误	低	设置合理的超时时间和重试机制	监控调用日志
模型滥用	中	限制模型使用范围，监控使用情况	定期审计模型使用记录
系统漏洞	高	保持系统更新，使用安全配置	定期进行安全扫描

创新特色

功能	效率提升	差异化对比
批量数据处理	提升数据处理效率50%以上	相比传统方法，llm-provider AI工具支持更复杂的批量处理逻辑
模型微调	提升模型性能10-20%	相比预训练模型，微调后的模型更适应特定任务
模型调用	提升模型调用效率30%以上	支持多种模型和调用方式，满足不同需求
安全性	提升安全性等级	提供多种安全措施，保障数据安全和模型调用安全
可扩展性	提升系统可扩展性	支持分布式任务调度和负载均衡，适应大规模应用需求

效能分析

操作场景	手动耗时	自动化耗时	效率提升
文件解析与提取	5-10分钟/个	<5秒/个	60-120x
批量文件处理(100个)	8-16小时	<5分钟	96-192x
API调用与响应解析	2-3分钟/次	<1秒/次	120-180x
多接口数据聚合	15-30分钟	<10秒	90-180x
命令执行与结果收集	3-5分钟/次	<2秒/次	90-150x
重复任务批量执行	因任务而异	线性缩减	5-50x
错误排查与修复	10-30分钟	<30秒	20-60x

差异分析

对比维度	llm-provider AI工具	传统手动方式	通用脚本工具
自动化程度	全流程自动	完全手动	部分自动
错误处理	内置错误恢复	依赖人工经验	基本try-catch
可复用性	参数化配置	一次性脚本	模板化
安全合规	内置安全检查	无安全保障	无安全保障
适用场景	管OpenAI文件/助手/向量库/批次/微调/模型资源。Manage llm-p	通用场景	通用场景

快速入门指引

1. 配置API密钥: 在环境变量中设置对应的API Key
2. 初始化连接: 使用提供的凭证建立API连接
3. 调用接口: 传入必要参数执行API调用
4. 准备文件: 确认文件路径正确且格式受支持
5. 执行处理: 调用对应的处理函数
6. 查看结果: 检查输出文件或返回数据
7. 检查环境: 确认运行时和依赖已安装
8. 执行命令: 使用正确的参数格式执行
9. 查看输出: 检查命令输出和退出码

前置条件

• 已安装所需运行环境(参考依赖说明)
• 已获取必要的API密钥或访问凭证(如适用)
• 输入数据已准备就绪