# GitHub模型的快速入门 使用 GitHub Models 分钟数运行第一个模型。 ## 简介 GitHub Models 是来自GitHub的 AI 推理 API，允许你仅通过GitHub凭据来运行 AI 模型。 可以从许多不同的模型（包括 OpenAI、Meta 和 DeepSeek）中进行选择，并在脚本、应用甚至 GitHub Actions不使用单独的身份验证过程的情况下使用它们。 本指南可帮助你在操场中快速试用模型，并演示如何通过 API 或工作流运行第一个模型。 ## 步骤 1：在操场中试用模型 1. 转到 ****。 2. 在操场中，从下拉菜单中选择至少一个模型。 3. \*\* \*\*使用“Chat”视图测试不同的提示，并比较不同模型的响应。 4. \*\* \*\*使用“Parameters”视图自定义要测试的模型的参数，看看它们会如何影响响应。 > \[!NOTE] > 如果已登录 GitHub，则操场已开箱即用。 它使用 GitHub 帐户进行访问 - 无需设置或 API 密钥。 ## 步骤 2：进行 API 调用 有关可用字段、标头和请求格式的完整详细信息，请参阅 [API GitHub Models参考](/zh/rest/models/inference?apiVersion=2022-11-28)。 若要以编程方式调用模型，需要： * 帐户 GitHub 。 * 可以在[设置](https://github.com/settings/tokens)中创建一个具有`models`的personal access token。 1. 运行以下 `curl` 命令，将 `YOUR_GITHUB_PAT` 替换为自己的令牌。 ```bash copy curl -L \ -X POST \ -H "Accept: application/vnd.github+json" \ -H "Authorization: Bearer YOUR_GITHUB_PAT" \ -H "X-GitHub-Api-Version: 2022-11-28" \ -H "Content-Type: application/json" \ https://models.github.ai/inference/chat/completions \ -d '{"model":"openai/gpt-4.1","messages":[{"role":"user","content":"What is the capital of France?"}]}' ``` 2. 会收到如下所示的响应： ```json { "choices": [ { "message": { "role": "assistant", "content": "The capital of France is **Paris**." } } ], ...other fields omitted } ``` 3. 若要尝试其他模型，请将 JSON 有效负载中的 `model` 字段的值从 [marketplace](https://github.com/marketplace/models) 更改为一个。 ## 步骤 3：在 GitHub Actions 中运行模型 1. 在存储库中，在 `.github/workflows/models-demo.yml` 创建工作流文件。 2. 将以下工作流粘贴到刚刚创建的文件中。 ```yaml copy name: Use GitHub Models on: [push] permissions: models: read jobs: call-model: runs-on: ubuntu-latest steps: - name: Call AI model env: GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }} run: | curl "https://models.github.ai/inference/chat/completions" \ -H "Content-Type: application/json" \ -H "Authorization: Bearer $GITHUB_TOKEN" \ -d '{ "messages": [ { "role": "user", "content": "Explain the concept of recursion." } ], "model": "openai/gpt-4o" }' ``` > \[!NOTE] > 调用 GitHub Models 的工作流必须包含在 `models: read` 权限块中。 > GitHub-hosted runners 自动提供 `GITHUB_TOKEN`。 3. 提交并推送以触发工作流。 此示例演示如何向模型发送提示并在持续集成 (CI) 工作流中使用响应。 有关更高级的用例，例如汇总问题、检测 bug 报告缺少的重现步骤或响应拉取请求，请参阅 [在 GitHub Copilot 中配置对 AI 模型的访问](/zh/github-models/use-github-models/integrating-ai-models-into-your-development-workflow)。 ## 步骤 4：保存第一个提示文件 GitHub Models 支持文件中 `.prompt.yml` 定义的可重用提示。 将此文件添加到存储库后，它将显示在存储库的“Models”页中，并且可以直接在提示编辑器和评估工具中运行。 详细了解 [在 GitHub 存储库中存储提示](/zh/github-models/use-github-models/storing-prompts-in-github-repositories)。 1. 在存储库中，创建名为 `summarize.prompt.yml` 的文件。 可以将其保存在任何目录中。 2. 将以下示例提示粘贴到刚刚创建的文件中。 ```yaml copy name: Text Summarizer description: Summarizes input text concisely model: openai/gpt-4o-mini modelParameters: temperature: 0.5 messages: - role: system content: You are a text summarizer. Your only job is to summarize text given to you. - role: user content: | Summarize the given text, beginning with "Summary -": {{input}} ``` 3. 提交文件并将其推送到存储库。 4. 转到存储库中的**模型**选项卡。 5. 在导航菜单中，单击 **“提示”**，然后单击提示文件。 6. 提示将在提示编辑器中打开。 单击 **“运行”** 。 将显示一个右侧边栏，并提示输入文本。 \*\* \*\*输入任何文本，然后再次单击右下角的“Run”进行测试。 > \[!NOTE] > 提示编辑器不会自动将存储库内容传递到提示中。 手动提供输入。 ## 步骤 5：设置第一个评估 通过评估，可测量不同模型对相同输入的响应方式，从而为用例选择最优模型。 1. 请返回您在上一步中创建的 `summarize.prompt.yml` 文件。 2. 更新文件以匹配以下示例。 ```yaml copy name: Text Summarizer description: Summarizes input text concisely model: openai/gpt-4o-mini modelParameters: temperature: 0.5 messages: - role: system content: You are a text summarizer. Your only job is to summarize text given to you. - role: user content: | Summarize the given text, beginning with "Summary -": {{input}} testData: - input: | The quick brown fox jumped over the lazy dog. The dog was too tired to react. expected: Summary - A fox jumped over a lazy, unresponsive dog. - input: | The museum opened a new dinosaur exhibit this weekend. Families from all over the city came to see the life-sized fossils and interactive displays. expected: Summary - The museum's new dinosaur exhibit attracted many families with its fossils and interactive displays. evaluators: - name: Output should start with 'Summary -' string: startsWith: 'Summary -' - name: Similarity uses: github/similarity ``` 3. 提交文件并将其推送到存储库。 4. 在存储库中，单击“**模型**”选项卡。然后单击 **“提示”**，然后在提示编辑器中重新打开同一提示。 5. 在左上角，可以将视图从 **"Edit"** 切换为 **"Compare"**。 单击“比较”。 6. 将自动设置评估。 \*\* \*\*单击“Run”查看结果。 > \[!TIP] > 通过单击“Add prompt”，可以\*\*\*\* 使用不同的模型运行相同的提示，或更改提示词，一次性获得多种变体的推理响应，还能查看评估情况，并将它们并排比较，从而做出基于数据的模型选择。 ## 后续步骤 * [关于GitHub模型](/zh/github-models/about-github-models)。 * [浏览模型目录](https://github.com/marketplace?type=models) * [在 GitHub 存储库中存储提示](/zh/github-models/use-github-models/storing-prompts-in-github-repositories) * [评估 AI 模型](/zh/github-models/use-github-models/evaluating-ai-models) * [在 GitHub Copilot 中配置对 AI 模型的访问](/zh/github-models/use-github-models/integrating-ai-models-into-your-development-workflow#using-ai-models-with-github-actions)