最近，GitHub 上又一个开源项目火成了一匹黑马。

开源才短短十几天，star 标星就从 0 飙升到了将近 8000，可以说是最近看到的涨 star 极其生猛的开源项目之一了。

出于好奇，我也点进去看了看。

好家伙，一看这昵称和头像，这居然还是AI大佬吴恩达所开源的项目。

该项目名为：aisuite，从大佬的动态里能看到不久前刚刚才正式官宣，可能有些小伙伴之前也看到了。

根据项目官方介绍，aisuite 是一个基于 Python 语言编写的开源大模型套件，旨在简化开发者与各大 AI 模型服务商的集成过程，从而简化开发者工作+提升开发效率。

作为一个工具套件，aisuite 集成了多家知名大模型平台并提供了统一的接口，使得开发者能够轻松调用不同公司的大语言模型。

aisuite 的核心功能在于它支持多家 AI 模型平台，包括：

• OpenAI
• Anthropic
• Google
• AWS
• Azure
• Groq
• Mistral
• HuggingFace
• Ollama

等主流大模型平台服务商。

通过统一的接口，开发者只需更改对应的服务商模型选择配置项，即可快速实现在不同模型之间进行切换而无需代码重写。

所以总结下来，aisuite 的主要特性可以总结为如下几个方面：

• 统一的 Python 接口

aisuite 提供了统一的 Python 接口，使得开发者能够方便地调用各大平台的大模型。这样开发者就无需熟悉每个平台的 API 文档，只需通过 aisuite 提供的标准接口即可实现模型调用。

• 多模型平台支持

aisuite 支持多家 AI 模型平台，包括 OpenAI、Anthropic、Google、AWS、Azure、Hugging Face 等多家知名服务商。

• 无缝切换模型

aisuite 允许开发者在不同模型间无缝切换，只需更改一个字符串配置即可实现。这使得开发者能够轻松进行模型对比测试，以选择最适合应用场景的模型。

• 轻量级包装器设计

aisuite 采用轻量级包装器设计，便于安装和使用，其内部通过使用 HTTP 端点或对应 SDK 来确保与供应商交互的稳定性。

aisuite 的使用方法非常简单，分为：安装→配置→调用三个大的步骤。

• 安装 aisuite

首先，开发者使用之前需要安装 aisuite，用户可通过 pip 命令进行安装。

若只需要安装基础包，则可直接 pip install。

pip install aisuite

而如果需要带提供商 SDK 支持，比如需要带 Anthropic 支持的安装方式，则可以通过如下命令安装即可。

pip install 'aisuite[anthropic]'

而若要安装所有特定于提供商的库，则可以这样来安装.

pip install 'aisuite[all]'

• 配置 aisuite

安装完成后，开发者需要为所选的模型平台获取 API 密钥，并通过环境变量进行配置。例如，对于 OpenAI 和 Anthropic，可以使用如下命令配置 API 密钥：

export OPENAI_API_KEY="your-openai-api-key"export ANTHROPIC_API_KEY="your-anthropic-api-key"

• 模型调用

配置完成后，开发者可以通过 aisuite 的 Python 客户端来进行模型调用。

比如，这是展示了如何使用 aisuite 调用 GPT-4o 和 Claude-3-5-Sonnet 模型的一个代码示例，大家可以感受一下。

import aisuite as aiclient = ai.Client()models = ["openai:gpt-4o", "anthropic:claude-3-5-sonnet-20240620"]messages = [    {"role": "system", "content": "Respond in Pirate English."},    {"role": "user", "content": "Tell me a joke."},]for model in models:    response = client.chat.completions.create(        model=model,        messages=messages,        temperature=0.75    )    print(response.choices[0].message.content)

另外从项目给出的 examples 示例里面也可以看到，搭配 Streamlit 等这类业内主流的 Python 应用工具包，还可以基于 aisuite 来搭建一些简单的聊天 UI 界面用于效果测试。

有一说一，因为这个项目并不是很难，而且目录层级简单、代码量不大，所以项目代码基本上可以说一看就懂了，大家感兴趣的话可以稍微花点时间就可以梳理清对应的源码了。

客户端代码主要集中于主目录aisuite下的client.py文件。

而其核心所支持的多家 AI 大模型平台服务商代码则是通过工厂模式组织于providers文件夹下。

大家如果想单独集成某个特定服务商大模型的话，则可以研究一下对应的 Python 源文件即可。

以亚马逊 aws 为例，研究一下aws_provider.py源文件就会发现，其实里面用的也是 Boto3 这种 aws 官方 Python SDK 来实现调用的。

而对于那些没有对应 SDK 的 Provider，aisuite 则使用的是 HTTP 端点的方式来实现的服务调用。

所以总体并不复杂，代码阅读起来也没有任何障碍。

当然，这个项目开源之后，在开源圈子里看到了很多不同的声音。

有一些网友说，作为 AI 大佬开源这类项目没什么技术含量，不够高端排面；

而也有一些刚接触AI大模型的同学说，这种工具项目很务实，可以多来一点。

怎么说呢，大佬能开源一些让大家都能看得懂、用得起来的接地气项目，其实某一些角度来说也挺好的。开源的其中一个意义不就是在打破信息差，降低门槛的基础之上再去做更多的协作与创新吗。

从目前的情况来看，项目的活跃度还是挺不错的，项目官方也给出了贡献指南，开发者们也可以参与进来提供更丰富的 provider 实现，大家感兴趣的话也可以去研究研究。

出处：微信公众号 @CodeSheep