GPT Researcher 如何配置 Azure OpenAI 部署名、text-embedding-3-large 嵌入模型与配额要求【免费下载链接】gpt-researcherAn autonomous agent that conducts deep research on any data using any LLM providers项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-researcher如果你的 GPT Researcher 目前直连 OpenAI现在需要把 LLM 和嵌入模型迁移到 Azure OpenAI这篇文章给出文档支撑的完整配置路径在 Azure 侧创建部署含强制要求的text-embedding-3-large嵌入模型部署、在项目的.env中按azure_openai:部署名格式填写各角色模型、处理嵌入模型的配额申请最后启动服务验证配置生效。前置要求本地已安装 Python 3.11 或更高版本requirements.txt 中的注释为 LangChain v1 要求 Python 3.10并已克隆 gpt-researcher 仓库。GPT Researcher 通过更新SMART_LLM、FAST_LLM、STRATEGIC_LLM和EMBEDDING四个环境变量在提供商之间切换见 LLM 配置文档azure_openai是受支持的 LLM 与 embedding 提供商。Azure 侧创建部署并申请配额在 Azure OpenAI Portal 上你需要为每个要用的模型各创建一个 deployment然后在项目的.env文件中登记这些部署。文档给出的推荐模型2025 年 1 月版本是gpt-4o-minigpt-4oo1-preview或o1-mini这两者可能需要先申请访问权限才能部署文档列出了三条必备前置条件Required PreconditionEndpoint 可以是任意合法名称模型的部署名deployment name必须与模型名相同——这决定了后面环境变量里冒号后面该填什么必须部署一个 Embedding 模型GPT Researcher 要求使用text-embedding-3-large需要把这个具体模型部署到你的 Azure Endpoint。同时有一条推荐项Recommended应该申请配额提升quota increase尤其是嵌入模型的配额因为默认配额不足。也就是说部署完成不等于能跑——嵌入模型配额不够时这是文档明确给出的应对方式而不是自行调参能解决的。在 .env 中配置 Azure OpenAI按 LLM 配置文档 的 Azure OpenAI 一节在项目根目录的.env文件中写入[Your Key]替换为你的 Azure API key{your-endpoint}替换为你的 endpoint 名称OPENAI_API_VERSION可用你实际使用的版本AZURE_OPENAI_API_KEY[Your Key] AZURE_OPENAI_ENDPOINThttps://{your-endpoint}.openai.azure.com/ OPENAI_API_VERSION2024-05-01-preview # each string is azure_openai:deployment_name. ensure that your deployment have the same name as the model you use! FAST_LLMazure_openai:gpt-4o-mini SMART_LLMazure_openai:gpt-4o STRATEGIC_LLMazure_openai:o1-preview # specify embedding EMBEDDINGazure_openai:text-embedding-3-large几个关键点FAST_LLM/SMART_LLM/STRATEGIC_LLM的格式是azure_openai:deployment_name冒号后面填的是部署名而不是模型名另一份 Azure 配置示例 的注释明确写着 change to the name of your deployment (not model-name)。配合上一条前置条件部署名必须与模型名相同实操中直接填模型名即可。EMBEDDINGazure_openai:text-embedding-3-large就是上面必备前置条件第 3 条的落点嵌入模型也按同一格式指向 Azure 侧的部署。解析逻辑在 gpt_researcher/config/config.pyparse_llm和parse_embedding按第一个冒号拆出提供商和模型名提供商不在支持列表时会报错例如Unsupported ...并列出支持的提供商字符串不含冒号时抛出Set SMART_LLM or FAST_LLM llm_provider:llm_model提示。环境变量如何被消费嵌入客户端在 gpt_researcher/memory/embeddings.py 中构造azure_openai分支使用langchain_openai.AzureOpenAIEmbeddingsazure_endpoint和openai_api_key直接取自AZURE_OPENAI_ENDPOINT与AZURE_OPENAI_API_KEY缺任一变量会在构造时直接抛错API 版本优先读AZURE_OPENAI_API_VERSION未设置时回退到OPENAI_API_VERSION——这就是文档示例只写OPENAI_API_VERSION也能生效的原因。另一个官方示例搜索引擎与 token 限制running-with-azure.md 给出了一份更早的示例额外覆盖了搜索引擎和输出 token 限制OPENAI_API_VERSION2024-05-01-preview # or whatever you are using AZURE_OPENAI_ENDPOINThttps://CHANGEMEN.openai.azure.com/ # change to the name of your deployment AZURE_OPENAI_API_KEY[Your Key] # change to your API key EMBEDDINGazure_openai:text-embedding-ada-002 # change to the deployment of your embedding model FAST_LLMazure_openai:gpt-4o-mini # change to the name of your deployment (not model-name) FAST_TOKEN_LIMIT4000 SMART_LLMazure_openai:gpt-4o # change to the name of your deployment (not model-name) SMART_TOKEN_LIMIT4000 RETRIEVERbing # if you are using Bing as your search engine (which is likely if you use Azure) BING_API_KEY[Your Key]注意其中EMBEDDINGazure_openai:text-embedding-ada-002与 llms.md 中必须部署text-embedding-3-large的硬性要求不一致两份文档在这里冲突本文按标题目标采用 llms.md 的text-embedding-3-largeada-002仅作为该旧示例的原样呈现。如果你使用 Bing 作为搜索引擎文档认为使用 Azure 时很可能如此把RETRIEVER与BING_API_KEY一并加入.env。token 限制类参数FAST_TOKEN_LIMIT、SMART_TOKEN_LIMIT等的默认值与长输出模型的调高建议见 配置参考。安装依赖pip install -r requirements.txtrequirements.txt已包含langchain-openai即AzureOpenAIEmbeddings所在包。此外 llms.md 要求为 Azure OpenAI 增加langchain-azure-dynamic-sessionsDocker 部署时把它加入你自己的 requirements.txt否则直接pip install langchain-azure-dynamic-sessions。该依赖不在仓库默认的 requirements.txt 中漏装会影响 Azure 会话支持。启动并验证按 Getting Started 的路径启动uvicorn main:app --reload然后打开浏览器访问 http://localhost:8000发起一次研究任务确认报告能正常生成——这是文档给出的端到端验证方式。配置不当时文档建议遵循控制台日志排错config.md 原话Please follow your console logs for further assistance。可以对照的预期错误形态FAST_LLM/SMART_LLM格式错误缺少provider:model冒号格式会看到Set SMART_LLM or FAST_LLM llm_provider:llm_model提供商名拼错会看到Unsupported provider加支持列表.env缺少AZURE_OPENAI_ENDPOINT或AZURE_OPENAI_API_KEY时嵌入客户端构造阶段直接抛错。限制o1-preview/o1-mini在部署前可能需要先在 Azure 申请模型访问权限嵌入模型默认配额不足是文档明确承认的常见问题配额申请属于 Azure 侧操作完成部署后应主动发起GPT Researcher 在 GPT 系列模型上优化和测试得最充分切换到其他模型可能遇到上下文长度错误和意外响应llms.md 的通用提示。验证以浏览器端研究任务成功运行、且控制台日志不再出现上述配置错误为准配额不足导致嵌入调用失败时回到 Azure 侧申请配额提升而不是修改项目配置。【免费下载链接】gpt-researcherAn autonomous agent that conducts deep research on any data using any LLM providers项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-researcher创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 GPT Researcher 如何配置 Azure OpenAI 部署名、text-embedding-3-large 嵌入模型与配额要求
GPT Researcher 如何配置 Azure OpenAI 部署名、text-embedding-3-large 嵌入模型与配额要求【免费下载链接】gpt-researcherAn autonomous agent that conducts deep research on any data using any LLM providers项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-researcher如果你的 GPT Researcher 目前直连 OpenAI现在需要把 LLM 和嵌入模型迁移到 Azure OpenAI这篇文章给出文档支撑的完整配置路径在 Azure 侧创建部署含强制要求的text-embedding-3-large嵌入模型部署、在项目的.env中按azure_openai:部署名格式填写各角色模型、处理嵌入模型的配额申请最后启动服务验证配置生效。前置要求本地已安装 Python 3.11 或更高版本requirements.txt 中的注释为 LangChain v1 要求 Python 3.10并已克隆 gpt-researcher 仓库。GPT Researcher 通过更新SMART_LLM、FAST_LLM、STRATEGIC_LLM和EMBEDDING四个环境变量在提供商之间切换见 LLM 配置文档azure_openai是受支持的 LLM 与 embedding 提供商。Azure 侧创建部署并申请配额在 Azure OpenAI Portal 上你需要为每个要用的模型各创建一个 deployment然后在项目的.env文件中登记这些部署。文档给出的推荐模型2025 年 1 月版本是gpt-4o-minigpt-4oo1-preview或o1-mini这两者可能需要先申请访问权限才能部署文档列出了三条必备前置条件Required PreconditionEndpoint 可以是任意合法名称模型的部署名deployment name必须与模型名相同——这决定了后面环境变量里冒号后面该填什么必须部署一个 Embedding 模型GPT Researcher 要求使用text-embedding-3-large需要把这个具体模型部署到你的 Azure Endpoint。同时有一条推荐项Recommended应该申请配额提升quota increase尤其是嵌入模型的配额因为默认配额不足。也就是说部署完成不等于能跑——嵌入模型配额不够时这是文档明确给出的应对方式而不是自行调参能解决的。在 .env 中配置 Azure OpenAI按 LLM 配置文档 的 Azure OpenAI 一节在项目根目录的.env文件中写入[Your Key]替换为你的 Azure API key{your-endpoint}替换为你的 endpoint 名称OPENAI_API_VERSION可用你实际使用的版本AZURE_OPENAI_API_KEY[Your Key] AZURE_OPENAI_ENDPOINThttps://{your-endpoint}.openai.azure.com/ OPENAI_API_VERSION2024-05-01-preview # each string is azure_openai:deployment_name. ensure that your deployment have the same name as the model you use! FAST_LLMazure_openai:gpt-4o-mini SMART_LLMazure_openai:gpt-4o STRATEGIC_LLMazure_openai:o1-preview # specify embedding EMBEDDINGazure_openai:text-embedding-3-large几个关键点FAST_LLM/SMART_LLM/STRATEGIC_LLM的格式是azure_openai:deployment_name冒号后面填的是部署名而不是模型名另一份 Azure 配置示例 的注释明确写着 change to the name of your deployment (not model-name)。配合上一条前置条件部署名必须与模型名相同实操中直接填模型名即可。EMBEDDINGazure_openai:text-embedding-3-large就是上面必备前置条件第 3 条的落点嵌入模型也按同一格式指向 Azure 侧的部署。解析逻辑在 gpt_researcher/config/config.pyparse_llm和parse_embedding按第一个冒号拆出提供商和模型名提供商不在支持列表时会报错例如Unsupported ...并列出支持的提供商字符串不含冒号时抛出Set SMART_LLM or FAST_LLM llm_provider:llm_model提示。环境变量如何被消费嵌入客户端在 gpt_researcher/memory/embeddings.py 中构造azure_openai分支使用langchain_openai.AzureOpenAIEmbeddingsazure_endpoint和openai_api_key直接取自AZURE_OPENAI_ENDPOINT与AZURE_OPENAI_API_KEY缺任一变量会在构造时直接抛错API 版本优先读AZURE_OPENAI_API_VERSION未设置时回退到OPENAI_API_VERSION——这就是文档示例只写OPENAI_API_VERSION也能生效的原因。另一个官方示例搜索引擎与 token 限制running-with-azure.md 给出了一份更早的示例额外覆盖了搜索引擎和输出 token 限制OPENAI_API_VERSION2024-05-01-preview # or whatever you are using AZURE_OPENAI_ENDPOINThttps://CHANGEMEN.openai.azure.com/ # change to the name of your deployment AZURE_OPENAI_API_KEY[Your Key] # change to your API key EMBEDDINGazure_openai:text-embedding-ada-002 # change to the deployment of your embedding model FAST_LLMazure_openai:gpt-4o-mini # change to the name of your deployment (not model-name) FAST_TOKEN_LIMIT4000 SMART_LLMazure_openai:gpt-4o # change to the name of your deployment (not model-name) SMART_TOKEN_LIMIT4000 RETRIEVERbing # if you are using Bing as your search engine (which is likely if you use Azure) BING_API_KEY[Your Key]注意其中EMBEDDINGazure_openai:text-embedding-ada-002与 llms.md 中必须部署text-embedding-3-large的硬性要求不一致两份文档在这里冲突本文按标题目标采用 llms.md 的text-embedding-3-largeada-002仅作为该旧示例的原样呈现。如果你使用 Bing 作为搜索引擎文档认为使用 Azure 时很可能如此把RETRIEVER与BING_API_KEY一并加入.env。token 限制类参数FAST_TOKEN_LIMIT、SMART_TOKEN_LIMIT等的默认值与长输出模型的调高建议见 配置参考。安装依赖pip install -r requirements.txtrequirements.txt已包含langchain-openai即AzureOpenAIEmbeddings所在包。此外 llms.md 要求为 Azure OpenAI 增加langchain-azure-dynamic-sessionsDocker 部署时把它加入你自己的 requirements.txt否则直接pip install langchain-azure-dynamic-sessions。该依赖不在仓库默认的 requirements.txt 中漏装会影响 Azure 会话支持。启动并验证按 Getting Started 的路径启动uvicorn main:app --reload然后打开浏览器访问 http://localhost:8000发起一次研究任务确认报告能正常生成——这是文档给出的端到端验证方式。配置不当时文档建议遵循控制台日志排错config.md 原话Please follow your console logs for further assistance。可以对照的预期错误形态FAST_LLM/SMART_LLM格式错误缺少provider:model冒号格式会看到Set SMART_LLM or FAST_LLM llm_provider:llm_model提供商名拼错会看到Unsupported provider加支持列表.env缺少AZURE_OPENAI_ENDPOINT或AZURE_OPENAI_API_KEY时嵌入客户端构造阶段直接抛错。限制o1-preview/o1-mini在部署前可能需要先在 Azure 申请模型访问权限嵌入模型默认配额不足是文档明确承认的常见问题配额申请属于 Azure 侧操作完成部署后应主动发起GPT Researcher 在 GPT 系列模型上优化和测试得最充分切换到其他模型可能遇到上下文长度错误和意外响应llms.md 的通用提示。验证以浏览器端研究任务成功运行、且控制台日志不再出现上述配置错误为准配额不足导致嵌入调用失败时回到 Azure 侧申请配额提升而不是修改项目配置。【免费下载链接】gpt-researcherAn autonomous agent that conducts deep research on any data using any LLM providers项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-researcher创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考