LangAlpha多模型适配指南：Claude、GPT、Kimi、本地模型如何自由切换

LangAlpha 是一个面向金融市场的 AI 投研 Agent（Claude Code for Financial Market），内置多模型适配层：Claude、GPT、Kimi、GLM、Gemini、DeepSeek、Qwen 以及本地模型都能自由切换。这篇 LangAlpha 多模型适配指南带你从订阅登录到本地 Ollama 配置，用最少的设置完成模型选择与切换，让最好的模型为你的投研服务。

LangAlpha 的核心思路是"同一个工作框架（Harness），换不同的脑子"：工具、沙箱、技能、记忆这些外壳对任何模型完全一致，所以换模型不是换产品，而是换一个引擎。官方文档明确说：开放权重模型也能以几分之一的成本拿到接近的效果。

四种接入方式：订阅登录、Coding Plan、API Key 与本地模型

LangAlpha 的模型目录由 src/llms/manifest/providers.json 和 src/llms/manifest/models.json 两个清单文件驱动，覆盖了四类接入方式。你已经在付钱的东西就能直接用：

Claude 与 ChatGPT 订阅登录（OAuth）

如果你有 Claude 或 ChatGPT 订阅，直接在设置里登录即可，无需填写任何 API Key。登录态以 OAuth 方式接入（对应清单里的claude-oauth与codex-oauth变体），密钥与 OAuth 令牌在库里都用 pgcrypto 加密存储。

Kimi、GLM、MiniMax 的 Coding 套餐

国内用户最常见的路径。三者都有专门的 Coding 端点（如api.kimi.com/coding），只需填入对应套餐的 API Key 环境变量：

• Kimi：MOONSHOT_API_KEY（Kimi K3，1M 上下文）
• GLM：ZAI_API_KEY（国际）或ZAI_CN_API_KEY（国内），GLM-5.3 系列
• MiniMax：MINIMAX_CODING_API_KEY（MiniMax-M3，512K 上下文）

主流 API Key 提供商一览

按量计费用户只需在配置中填入对应环境变量即可，常见项：

💡 选哪个模型？想省心就按任务分档：深度建模（DCF、 initiation report）用 Opus / Astra 这一档"高智力"模型；盯盘、摘要、批量处理这类高频任务用 Haiku / Luna / Flash 档，成本可差一个数量级——每个模型的价格都记录在 providers.json 中，方便你估算。

本地模型配置：Ollama、vLLM 与 LM Studio 接入步骤

自托管用户可以在自己的 GPU 上跑模型，数据完全不出本机。LangAlpha 预置了三个本地端点（见 providers.json 中的lm-studio、vllm、ollama）：

本地运行时启用的是动态模型发现（dynamic_models: true）：服务起来后，LangAlpha 会自动列出它上面加载的模型，无需手动登记。接入方式：

git clone https://gitcode.com/gh_mirrors/la/LangAlpha cd LangAlpha make config # 向导式配置：模型、数据源、沙箱、搜索 make up # 启动 Postgres、Redis、后端与 Web 应用

本地模型建议选用开放权重推理模型（如清单里的 GPT-OSS-120B/20B），配合"详细版"提示词引导（见下文旋钮），效果会更稳。

三步切换默认模型：Settings 模型面板操作指南

切换 LangAlpha 默认模型只需三步，入口在 Web 界面的Settings → 模型（Model）面板（前端实现见 ModelTab.tsx）：

1. 选默认模型：打开模型选择器（ModelSelector.tsx），从所有可见模型中点选主模型；旁边可单独指定Flash 模型（用于轻量快速任务）。
2. 选择生效范围：改动默认模型时，面板会问你对已有会话怎么办——ask（每次都问我）、new_threads（只对新会话生效）或existing_threads（连旧会话一起切换）。这是 DefaultModelScopeChoice.tsx 实现的三选一，新手选"只对新会话生效"最稳妥。
3. 保存即生效：面板的每个控件独立写入偏好（model_preference列），保存后新的对话回合立即按新模型运行，旧会话的历史和缓存不受影响。

对话中途切换模型

不想动默认设置？在聊天输入框左下角的模型菜单（chat-input.tsx 中的ChatInputModelMenu）里可以为当前会话单独换一个模型，会话顶部会有模型横幅提示当前用的是谁。官方文档明确支持mid-thread 换提供商：换模型后上下文、工作区文件、正在做的任务全部保留，新模型接着干。

每个模型三个旋钮：提示词引导、推理强度与压缩策略

LangAlpha 之所以叫"适配"而不是"透传"，是因为它为每个模型做了一层精细调校（实现见 src/llms/preferences.py 与 model_spec.py）。在模型面板的"高级"视图里，这三个旋钮可以按账号统一设置，也可以逐模型覆盖：

• 提示词引导（Prompt guidance）：前沿大模型用精简（lean）提示；小模型自动换详细版——带完整示例和分步流程。两者来自同一套模板，永不漂移。
• 推理强度（Reasoning effort）：none到max统一标尺，自动映射到各家参数（Anthropic 的 thinking、OpenAI 的 reasoning effort、GLM 的 reasoning_effort……），并向下取到该模型支持的最高档位。单条消息还可以在输入框临时覆盖。
• 压缩策略（Compaction profile）：aggressive → relaxed四档，决定长对话多早开始折叠成摘要。默认按模型上下文窗口自动匹配——1M 窗口的大模型自动获得最宽松的档位。

正因为推理过程（各家自有格式的思维块）、运行时上下文都按提供商的正确通道传递，换到任意模型后"思考不丢失、上下文不走样"，这正是多模型适配的关键工程点。

失败重试与回退模型：投研任务不中断

真实使用中 API 限流、超时时有发生。LangAlpha 的策略是：失败先自动重试，再回退到你预先配置的回退模型。在模型面板的 Fallback Models 选择器里按优先级排好 1～N 个备胎，主模型不可用时任务自动续命，自动化盯盘和价格触发不会停摆。

小结

LangAlpha 的多模型适配可以概括为一句话：接入自由、切换无感、调校到位。

• 四种接入方式覆盖订阅、套餐、API Key 和本地模型，已付的费用直接复用；
• 默认模型三步切换，会话级换模型不动全局设置；
• 提示词引导、推理强度、压缩策略三个旋钮按模型自动适配；
• 重试 + 回退模型兜底，金融投研链路持续在线。

挑一个你正在用的模型，五分钟接入 LangAlpha，剩下的交给最好的那个"脑子"。🚀