脚本开发 / 连接器对象 `DFF.CONN` / LLM（兼容 OpenAI）

LLM 连接器操作对象用于通过连接器中配置的 OpenAI 兼容 Chat Completions API 发起文本对话。

本连接器需要目标服务兼容 OpenAI Chat Completions API

不同服务支持的模型和请求参数可能不同，具体以目标服务的文档为准。

1. 连接器配置

创建 LLM 连接器时，需要配置以下字段：

字段	必须 / 默认值	说明
`Base URL`	必须 / `https://api.openai.com/v1`	OpenAI 兼容 API 的基础地址
`API Key`	必须	用于访问目标服务的 API Key
`Model`	必须	默认使用的模型 ID，必须是目标服务支持的 Chat Completions 模型 ID

填写 Base URL 和 API Key 后，展开 Model 选择框时，界面会尝试通过目标服务的 /models 接口加载模型列表。如果未能加载，仍可以手工填写目标服务支持的模型 ID。

消息会发送到目标服务并可能产生费用

请确认连接器指向的目标服务，不要在消息中发送 API Key、密码或无关的敏感数据。

2. 获取连接器操作对象

DFF.CONN(...) 参数如下：

参数	类型	必须 / 默认值	说明
`connector_id`	str	必须	连接器 ID
`model`	str	`None`	覆盖连接器配置中的默认模型
`timeout`	int/float	`60`	请求超时时间，单位为秒

示例
llm = DFF.CONN('llm_connector_id')

# 为当前操作对象覆盖默认模型和请求超时时间
another_llm = DFF.CONN('llm_connector_id', model='another-model', timeout=30)

3. `.chat(...)`

调用 OpenAI 兼容 Chat Completions API，方法签名如下：

Python
llm.chat(messages, model=None, **kwargs)

参数如下：

参数	类型	必须 / 默认值	说明
`messages`	str/list[dict]	必须	对话消息。传入字符串时会自动转换为一条 `"user"` 消息；传入消息列表时会原样发送
`model`	str	`None`	仅为本次调用覆盖模型
`**kwargs`	任意	无	其他关键字参数会透传给 OpenAI Python SDK 的 `client.chat.completions.create(...)`，是否可用取决于目标服务

本方法将 Chat Completions 的完整响应转换为 dict 后返回。文本回复通常位于 choices[0].message.content。

有关 Chat Completions 请求参数和响应结构，请参考 OpenAI API / Create chat completion。

3.1 单轮对话

messages 可以直接传入字符串：

示例
llm = DFF.CONN('llm_connector_id')

response = llm.chat('什么是 DataFlux Func？')
reply    = response['choices'][0]['message']['content']
print(reply)

字符串会自动转换为以下消息列表后发送：

Python
messages = [{
    'role'   : 'user',
    'content': '什么是 DataFlux Func？',
}]

3.2 多轮对话

本连接器不会保存对话历史。需要多轮对话时，应由脚本保存并在每次调用时传入完整消息列表：

示例
llm = DFF.CONN('llm_connector_id')

messages = [
    {
        'role'   : 'system',
        'content': '请简短回答。',
    },
    {
        'role'   : 'user',
        'content': '什么是 DataFlux Func？',
    },
]

response = llm.chat(messages, temperature=0)
reply    = response['choices'][0]['message']['content']

messages.append({
    'role'   : 'assistant',
    'content': reply,
})
messages.append({
    'role'   : 'user',
    'content': '它适合处理哪些任务？',
})

response = llm.chat(messages, temperature=0)

3.3 临时覆盖模型

模型按以下优先级选择：

.chat(...) 的 model 参数；
DFF.CONN(...) 的 model 参数；
连接器配置中的 Model。

示例
llm = DFF.CONN('llm_connector_id', model='default-model-for-this-object')

# 本次调用使用 another-model
response = llm.chat('你好！', model='another-model')

4. 能力边界和安全注意事项

本连接器调用 Chat Completions API，不调用 Responses API。
本连接器只支持非流式返回，不要传入 stream=True。
本连接器不会保存对话历史，也不会自动管理上下文长度。应根据模型上下文窗口、DataFlux Func 任务超时和调用方要求限制消息历史及输出大小。
其他参数虽然可以通过 **kwargs 透传，但本连接器不负责管理工具调用、文件、图片、音频等内容，也不自动执行模型返回的工具参数。
模型输出属于不可信数据。执行模型生成的代码、命令、SQL 或工具参数前，必须另行校验并确认授权。

脚本开发 / 连接器对象 DFF.CONN / LLM（兼容 OpenAI）