最近在探索大模型應(yīng)用開發(fā)時(shí)發(fā)現(xiàn)很多開發(fā)者都面臨一個(gè)痛點(diǎn)想用上最新的、性能強(qiáng)勁的開源大模型但本地部署成本高、推理速度慢集成到生產(chǎn)流程中更是困難重重。如果你也正在為如何高效、低成本地調(diào)用像 Qwen 這樣的頂級(jí)開源模型而煩惱那么今天分享的這則消息和后續(xù)的實(shí)戰(zhàn)指南或許能為你打開一扇新的大門。就在近期阿里通義千問的最新力作Qwen3.8-Max模型正式上線了Fireworks平臺(tái)并且獲得了Day 0級(jí)別的支持。這意味著什么簡(jiǎn)單說作為開發(fā)者你現(xiàn)在可以通過一個(gè)簡(jiǎn)單、高速、穩(wěn)定的 API直接調(diào)用這個(gè) 720億參數(shù)級(jí)別的“學(xué)霸”模型無需關(guān)心背后的服務(wù)器、顯卡和復(fù)雜的運(yùn)維。無論是想快速驗(yàn)證一個(gè)創(chuàng)意還是將其集成到你的企業(yè)級(jí)應(yīng)用中門檻都大大降低了。本文將為你完整拆解這一事件的技術(shù)價(jià)值并提供從零開始的實(shí)戰(zhàn)教程。你將了解到Qwen3.8-Max 與 Fireworks 是什么以及它們的結(jié)合為何重要。如何快速在Fireworks 平臺(tái)創(chuàng)建賬戶并獲取 API Key。使用Python 和 Node.js兩種主流語言調(diào)用 Qwen3.8-Max API 的完整代碼示例。探索流式輸出、系統(tǒng)提示詞、函數(shù)調(diào)用等高級(jí)功能。分析性能、成本與最佳實(shí)踐幫助你在項(xiàng)目中做出明智選擇。無論你是 AI 應(yīng)用開發(fā)的新手還是正在尋找更優(yōu)模型服務(wù)方案的資深工程師這篇指南都能提供即拿即用的解決方案。1. 背景與核心概念為什么是 Qwen3.8-Max 和 Fireworks在深入代碼之前我們有必要厘清幾個(gè)關(guān)鍵概念理解這次合作對(duì)開發(fā)者生態(tài)的實(shí)際意義。1.1 Qwen3.8-Max開源大模型領(lǐng)域的“全能選手”Qwen通義千問是阿里巴巴集團(tuán)推出的大語言模型系列。Qwen3.8-Max是該系列目前公開的最新、最強(qiáng)大的版本。模型規(guī)模擁有 720 億參數(shù)屬于超大規(guī)模語言模型在理解能力、推理能力和知識(shí)容量上相比小規(guī)模模型有顯著優(yōu)勢(shì)。核心能力它在多項(xiàng)權(quán)威評(píng)測(cè)如 MMLU, GSM8K, HumanEval等中表現(xiàn)優(yōu)異尤其在代碼生成、數(shù)學(xué)推理、中文理解和多輪對(duì)話方面實(shí)力突出。開源與商用Qwen 系列采用寬松的開源協(xié)議如 Qwen2.5 系列使用 Apache 2.0允許商業(yè)使用這對(duì)于企業(yè)開發(fā)者至關(guān)重要。開發(fā)者痛點(diǎn)盡管模型開源但本地部署 Qwen3.8-Max 需要極高的硬件成本多張高端 GPU和深厚的工程優(yōu)化能力這勸退了許多個(gè)人開發(fā)者和小團(tuán)隊(duì)。1.2 Fireworks高性能的模型推理即服務(wù)平臺(tái)Fireworks是一個(gè)專注于提供超低延遲、高吞吐量大模型推理服務(wù)的平臺(tái)。核心價(jià)值它并非自己訓(xùn)練模型而是專門優(yōu)化各種開源大模型如 Llama、Qwen、Mixtral 等的推理服務(wù)。通過底層深度優(yōu)化它能將模型推理速度提升數(shù)倍同時(shí)保證穩(wěn)定性。Day 0 支持這是一個(gè)關(guān)鍵信號(hào)。它意味著 Fireworks 平臺(tái)在 Qwen3.8-Max 模型發(fā)布的第一時(shí)間Day 0就完成了適配、優(yōu)化和上線。這體現(xiàn)了 Fireworks 團(tuán)隊(duì)的技術(shù)響應(yīng)速度和對(duì)熱門模型生態(tài)的緊密跟進(jìn)確保開發(fā)者能即刻用上最優(yōu)性能的服務(wù)。統(tǒng)一 API無論后端是哪個(gè)模型Fireworks 都提供類似 OpenAI 格式的統(tǒng)一 API 接口極大降低了開發(fā)者的集成成本和學(xué)習(xí)曲線。1.3 強(qiáng)強(qiáng)聯(lián)合開發(fā)者得到了什么兩者的結(jié)合完美解決了上述痛點(diǎn)免運(yùn)維無需購買、維護(hù)昂貴的 GPU 服務(wù)器。低成本啟動(dòng)按需付費(fèi)按 token 計(jì)費(fèi)初期成本極低。極致性能享受經(jīng)過 Fireworks 深度優(yōu)化后的高速推理響應(yīng)時(shí)間可媲美甚至超越許多閉源模型服務(wù)。簡(jiǎn)單集成使用熟悉的 HTTP API 或 SDK 即可調(diào)用與現(xiàn)有開發(fā)流程無縫銜接。即時(shí)可用Day 0 支持意味著你可以立即在項(xiàng)目中使用最前沿的模型能力。接下來我們就從實(shí)戰(zhàn)出發(fā)一步步教你如何使用這項(xiàng)服務(wù)。2. 環(huán)境準(zhǔn)備與賬號(hào)配置開始編碼前我們需要完成兩件事注冊(cè) Fireworks 賬號(hào)獲取通行證并準(zhǔn)備好本地的開發(fā)環(huán)境。2.1 注冊(cè) Fireworks 并獲取 API Key訪問官網(wǎng)打開 Fireworks.ai 。注冊(cè)賬號(hào)點(diǎn)擊 “Sign Up”可以使用 GitHub 賬戶快捷登錄或使用郵箱注冊(cè)。查看 API Key登錄后點(diǎn)擊頁面右上角個(gè)人頭像進(jìn)入 “API Keys” 頁面。你會(huì)看到一個(gè)默認(rèn)的 API Key也可以創(chuàng)建新的。請(qǐng)立即復(fù)制并妥善保存這個(gè) Key它相當(dāng)于你的密碼。安全提示API Key 具有賬戶消費(fèi)和操作權(quán)限切勿直接提交到代碼倉庫如 GitHub。務(wù)必使用環(huán)境變量或配置文件進(jìn)行管理。2.2 本地開發(fā)環(huán)境準(zhǔn)備本文將提供 Python 和 Node.js 兩種語言的示例請(qǐng)根據(jù)你的技術(shù)棧任選其一準(zhǔn)備。Python 環(huán)境Python 版本建議使用 Python 3.8 及以上版本。安裝依賴我們將使用fireworks-ai官方 SDK 和openai兼容庫。pip install fireworks-ai # 或者使用 openai 兼容庫Fireworks 支持 OpenAI 格式 pip install openaiNode.js 環(huán)境Node.js 版本建議使用 Node.js 18 及以上版本。初始化項(xiàng)目mkdir fireworks-qwen-demo cd fireworks-qwen-demo npm init -y安裝依賴npm install fireworks-ai # 或者使用 openai 兼容庫 npm install openai3. 核心 API 使用與代碼實(shí)戰(zhàn)Fireworks 提供了兩種主流的調(diào)用方式使用其原生 SDK或使用與OpenAI SDK 完全兼容的方式。后者對(duì)于已經(jīng)使用 OpenAI API 的開發(fā)者來說遷移成本幾乎為零。我們將重點(diǎn)介紹兼容 OpenAI 的方式因?yàn)樗ㄓ谩?.1 使用 Python 調(diào)用 Qwen3.8-Max首先確保你的 API Key 已設(shè)置為環(huán)境變量。在終端中執(zhí)行或?qū)懭肽愕?bashrc/.zshrc/.env文件export FIREWORKS_API_KEY你的-api-key-here示例1基礎(chǔ)文本補(bǔ)全非流式創(chuàng)建一個(gè)文件basic_completion.py# 文件basic_completion.py import os from openai import OpenAI # 初始化客戶端指定 Fireworks 的 API 基址 client OpenAI( api_keyos.environ.get(FIREWORKS_API_KEY), base_urlhttps://api.fireworks.ai/inference/v1 ) # 指定模型名稱Qwen3.8-Max 在 Fireworks 上的標(biāo)識(shí)符 model accounts/fireworks/models/qwen3-8b-max def basic_chat(): 基礎(chǔ)對(duì)話示例 response client.chat.completions.create( modelmodel, messages[ {role: system, content: 你是一個(gè)樂于助人的編程助手。}, {role: user, content: 用Python寫一個(gè)函數(shù)計(jì)算斐波那契數(shù)列的第n項(xiàng)。} ], max_tokens500, # 限制生成的最大token數(shù) temperature0.7, # 控制創(chuàng)造性越低越確定越高越隨機(jī) ) # 打印模型回復(fù) print(助手回復(fù)) print(response.choices[0].message.content) # 打印使用量信息可選 print(f\n使用統(tǒng)計(jì)) print(f 輸入token: {response.usage.prompt_tokens}) print(f 輸出token: {response.usage.completion_tokens}) print(f 總token: {response.usage.total_tokens}) if __name__ __main__: basic_chat()運(yùn)行這個(gè)腳本python basic_completion.py你將看到模型生成的 Python 代碼以及本次調(diào)用的 Token 消耗統(tǒng)計(jì)。示例2流式輸出Streaming流式輸出對(duì)于需要實(shí)時(shí)顯示生成結(jié)果的場(chǎng)景如聊天應(yīng)用非常重要可以極大提升用戶體驗(yàn)。創(chuàng)建streaming_chat.py# 文件streaming_chat.py import os from openai import OpenAI client OpenAI( api_keyos.environ.get(FIREWORKS_API_KEY), base_urlhttps://api.fireworks.ai/inference/v1 ) model accounts/fireworks/models/qwen3-8b-max def streaming_chat(): 流式對(duì)話示例 stream client.chat.completions.create( modelmodel, messages[ {role: user, content: 簡(jiǎn)要解釋一下什么是量子計(jì)算。} ], streamTrue, # 關(guān)鍵參數(shù)開啟流式 max_tokens300, ) print(助手回復(fù)流式: , end, flushTrue) full_response for chunk in stream: if chunk.choices[0].delta.content is not None: content chunk.choices[0].delta.content print(content, end, flushTrue) # 逐塊打印不換行 full_response content print() # 最后換行 return full_response if __name__ __main__: streaming_chat()3.2 使用 Node.js 調(diào)用 Qwen3.8-Max同樣先設(shè)置環(huán)境變量。在項(xiàng)目根目錄創(chuàng)建.env文件# 文件.env FIREWORKS_API_KEY你的-api-key-here安裝dotenv來讀取環(huán)境變量npm install dotenv示例1基礎(chǔ)文本補(bǔ)全非流式創(chuàng)建basic.js// 文件basic.js require(dotenv).config(); const OpenAI require(openai); const client new OpenAI({ apiKey: process.env.FIREWORKS_API_KEY, baseURL: https://api.fireworks.ai/inference/v1, }); const model accounts/fireworks/models/qwen3-8b-max; async function basicChat() { try { const completion await client.chat.completions.create({ model: model, messages: [ { role: system, content: 你是一位歷史學(xué)家用生動(dòng)有趣的方式講述歷史。 }, { role: user, content: 請(qǐng)講述一下絲綢之路的起源和意義。 } ], max_tokens: 600, temperature: 0.8, }); console.log(助手回復(fù)); console.log(completion.choices[0].message.content); console.log(\n使用統(tǒng)計(jì)); console.log( 輸入token: ${completion.usage.prompt_tokens}); console.log( 輸出token: ${completion.usage.completion_tokens}); console.log( 總token: ${completion.usage.total_tokens}); } catch (error) { console.error(請(qǐng)求出錯(cuò), error); } } basicChat();運(yùn)行node basic.js示例2流式輸出Node.js創(chuàng)建stream.js// 文件stream.js require(dotenv).config(); const OpenAI require(openai); const client new OpenAI({ apiKey: process.env.FIREWORKS_API_KEY, baseURL: https://api.fireworks.ai/inference/v1, }); const model accounts/fireworks/models/qwen3-8b-max; async function streamingChat() { try { const stream await client.chat.completions.create({ model: model, messages: [{ role: user, content: 寫一首關(guān)于秋天的五言絕句。 }], stream: true, max_tokens: 100, }); process.stdout.write(助手回復(fù)流式: ); for await (const chunk of stream) { const content chunk.choices[0]?.delta?.content || ; process.stdout.write(content); } process.stdout.write(\n); } catch (error) { console.error(請(qǐng)求出錯(cuò), error); } } streamingChat();4. 高級(jí)功能與工程化實(shí)踐掌握了基礎(chǔ)調(diào)用后我們來看幾個(gè)在實(shí)際項(xiàng)目中非常有用的高級(jí)功能。4.1 函數(shù)調(diào)用Function Calling函數(shù)調(diào)用允許大模型根據(jù)對(duì)話內(nèi)容決定調(diào)用你預(yù)先定義好的工具函數(shù)是實(shí)現(xiàn) AI Agent 和復(fù)雜工作流的核心。Fireworks 的 Qwen3.8-Max 完全支持此功能。Python 示例查詢天氣# 文件function_calling.py import os import json from openai import OpenAI client OpenAI( api_keyos.environ.get(FIREWORKS_API_KEY), base_urlhttps://api.fireworks.ai/inference/v1 ) model accounts/fireworks/models/qwen3-8b-max # 1. 定義可供模型調(diào)用的工具函數(shù) tools [ { type: function, function: { name: get_current_weather, description: 獲取指定城市的當(dāng)前天氣, parameters: { type: object, properties: { location: { type: string, description: 城市名稱例如北京 San Francisco, }, unit: { type: string, enum: [celsius, fahrenheit], description: 溫度單位, }, }, required: [location], }, }, } ] # 2. 模擬的工具函數(shù)實(shí)現(xiàn) def get_current_weather(location, unitcelsius): 模擬的天氣查詢函數(shù)實(shí)際項(xiàng)目中應(yīng)調(diào)用真實(shí)API print(f[模擬調(diào)用] 查詢 {location} 的天氣單位{unit}) # 返回模擬數(shù)據(jù) return json.dumps({ location: location, temperature: 22, unit: unit, forecast: [晴朗, 微風(fēng)] }) def run_conversation(): # 3. 用戶提問 messages [{role: user, content: 北京現(xiàn)在天氣怎么樣}] # 4. 首次調(diào)用模型可能會(huì)決定調(diào)用函數(shù) response client.chat.completions.create( modelmodel, messagesmessages, toolstools, tool_choiceauto, # 讓模型自動(dòng)決定是否調(diào)用工具 ) response_message response.choices[0].message messages.append(response_message) # 將模型的響應(yīng)加入對(duì)話歷史 # 5. 檢查模型是否要求調(diào)用函數(shù) tool_calls response_message.tool_calls if tool_calls: print(模型決定調(diào)用函數(shù)。) # 可能有多個(gè)函數(shù)調(diào)用 for tool_call in tool_calls: function_name tool_call.function.name function_args json.loads(tool_call.function.arguments) # 根據(jù)函數(shù)名調(diào)用對(duì)應(yīng)的本地函數(shù) if function_name get_current_weather: location function_args.get(location) unit function_args.get(unit, celsius) function_response get_current_weather(locationlocation, unitunit) # 6. 將函數(shù)執(zhí)行結(jié)果作為新的消息追加給模型 messages.append({ tool_call_id: tool_call.id, role: tool, name: function_name, content: function_response, }) # 7. 第二次調(diào)用讓模型根據(jù)函數(shù)結(jié)果生成最終回復(fù) second_response client.chat.completions.create( modelmodel, messagesmessages, ) print(\n助手最終回復(fù)) print(second_response.choices[0].message.content) else: print(模型未調(diào)用函數(shù)直接回復(fù)) print(response_message.content) if __name__ __main__: run_conversation()運(yùn)行此腳本你會(huì)看到模型先解析出需要查詢“北京”的天氣然后你的模擬函數(shù)被調(diào)用最后模型根據(jù)函數(shù)返回的模擬數(shù)據(jù)生成了一段關(guān)于北京天氣的自然語言回復(fù)。4.2 系統(tǒng)提示詞System Prompt與角色設(shè)定系統(tǒng)提示詞是引導(dǎo)模型行為、設(shè)定其“人設(shè)”或?qū)I(yè)領(lǐng)域的關(guān)鍵。在messages列表的開頭加入role為system的消息即可。system_prompt 你是一位資深軟件架構(gòu)師擅長(zhǎng)用簡(jiǎn)潔清晰的圖表和比喻解釋復(fù)雜的技術(shù)概念。 你的回答需要遵循以下原則 1. 先給出核心結(jié)論。 2. 用生活中的類比進(jìn)行解釋。 3. 必要時(shí)用簡(jiǎn)單的代碼或偽代碼示例。 4. 最后總結(jié)關(guān)鍵要點(diǎn)。 messages [ {role: system, content: system_prompt}, {role: user, content: 請(qǐng)解釋一下微服務(wù)架構(gòu)和單體架構(gòu)的主要區(qū)別和適用場(chǎng)景。} ]通過精心設(shè)計(jì)系統(tǒng)提示詞你可以讓 Qwen3.8-Max 更好地適應(yīng)代碼評(píng)審、創(chuàng)意寫作、客服對(duì)話等特定場(chǎng)景。4.3 參數(shù)調(diào)優(yōu)Temperature, Top-p, Max Tokens這些參數(shù)直接影響生成結(jié)果的質(zhì)量和風(fēng)格。temperature(溫度默認(rèn)~0.7)控制隨機(jī)性。值越低如0.2輸出越確定、保守值越高如1.2輸出越隨機(jī)、有創(chuàng)意。對(duì)于代碼生成、事實(shí)問答建議較低值0.1-0.3對(duì)于創(chuàng)意寫作、頭腦風(fēng)暴建議較高值0.7-0.9。top_p(核采樣默認(rèn)~0.9)與 temperature 類似控制輸出多樣性。通常調(diào)整一個(gè)即可。值越小候選詞集合越小輸出越集中。max_tokens(最大生成長(zhǎng)度)限制模型單次回復(fù)的最大 token 數(shù)。必須設(shè)置以防止生成過長(zhǎng)內(nèi)容產(chǎn)生不必要的費(fèi)用。根據(jù)任務(wù)合理設(shè)定一般對(duì)話可設(shè) 500-1000長(zhǎng)文生成可設(shè) 2000-4000。stop(停止序列)設(shè)置一個(gè)字符串列表當(dāng)生成內(nèi)容包含其中任意一個(gè)時(shí)停止生成。例如stop[\n\n, “?！盷可用于控制段落。5. 常見問題與排查思路FAQ在實(shí)際集成過程中你可能會(huì)遇到以下問題問題現(xiàn)象可能原因排查步驟與解決方案401 Authentication ErrorAPI Key 錯(cuò)誤或未設(shè)置。1. 檢查環(huán)境變量FIREWORKS_API_KEY是否設(shè)置正確。2. 在 Fireworks 官網(wǎng)確認(rèn) API Key 是否有效、未過期。3. 確保代碼中讀取到了正確的 Key。404 Model not found模型名稱拼寫錯(cuò)誤或該模型在當(dāng)前區(qū)域不可用。1. 核對(duì)模型標(biāo)識(shí)符accounts/fireworks/models/qwen3-8b-max是否完全正確。2. 訪問 Fireworks 控制臺(tái)的 “Playground” 或 “Models” 頁面確認(rèn)該模型狀態(tài)為 “Active”。響應(yīng)速度慢網(wǎng)絡(luò)延遲或模型冷啟動(dòng)。1. 檢查本地網(wǎng)絡(luò)到api.fireworks.ai的連通性。2. 首次調(diào)用可能有冷啟動(dòng)延遲后續(xù)調(diào)用會(huì)快很多。3. 對(duì)于生產(chǎn)環(huán)境考慮使用 Fireworks 的專用端點(diǎn)或聯(lián)系其支持。生成內(nèi)容不符合預(yù)期提示詞Prompt設(shè)計(jì)不佳或參數(shù)設(shè)置不當(dāng)。1. 優(yōu)化你的system和user提示詞指令更清晰。2. 調(diào)整temperature和top_p參數(shù)降低隨機(jī)性。3. 在 Playground 中反復(fù)調(diào)試提示詞找到最佳表述。429 Rate Limit Exceeded請(qǐng)求頻率超過限制。1. 查看 Fireworks 賬戶的速率限制Rate Limits。2. 在代碼中增加請(qǐng)求間隔如使用time.sleep。3. 對(duì)于批量任務(wù)考慮使用異步或隊(duì)列處理。流式輸出中斷或不完整網(wǎng)絡(luò)波動(dòng)或客戶端處理流數(shù)據(jù)邏輯有誤。1. 檢查客戶端代碼是否正確處理了流的for chunk in stream循環(huán)。2. 增加網(wǎng)絡(luò)異常重試機(jī)制。3. 使用 SDK 提供的穩(wěn)定流式處理示例。6. 最佳實(shí)踐與工程建議將 Qwen3.8-Max via Fireworks 集成到生產(chǎn)項(xiàng)目時(shí)請(qǐng)遵循以下建議API Key 安全管理絕對(duì)不要將 API Key 硬編碼在源碼中或提交到版本控制系統(tǒng)。使用環(huán)境變量.env文件、云服務(wù)商密鑰管理服務(wù)如 AWS Secrets Manager, GCP Secret Manager或配置中心來管理。為不同環(huán)境開發(fā)、測(cè)試、生產(chǎn)使用不同的 API Key并設(shè)置相應(yīng)的預(yù)算和用量告警。實(shí)現(xiàn)健壯的客戶端添加重試機(jī)制網(wǎng)絡(luò)請(qǐng)求可能失敗使用指數(shù)退避策略進(jìn)行重試。設(shè)置超時(shí)為 API 調(diào)用設(shè)置合理的連接超時(shí)和讀取超時(shí)時(shí)間。異常處理妥善捕獲和處理各種異常認(rèn)證失敗、速率限制、模型不可用等并給出用戶友好的提示或降級(jí)方案。import time from tenacity import retry, stop_after_attempt, wait_exponential retry(stopstop_after_attempt(3), waitwait_exponential(multiplier1, min4, max10)) def robust_api_call(messages): try: response client.chat.completions.create( modelmodel, messagesmessages, max_tokens500, timeout30.0 # 設(shè)置超時(shí) ) return response except Exception as e: # 記錄日志并根據(jù)異常類型決定是否重試或降級(jí) print(fAPI調(diào)用失敗: {e}) raise # 讓 tenacity 捕獲并重試成本與用量監(jiān)控Fireworks 按 Token 計(jì)費(fèi)。在代碼中記錄每次調(diào)用的輸入/輸出 Token 數(shù)API 響應(yīng)中包含。定期查看 Fireworks 控制臺(tái)的 “Usage Billing” 面板設(shè)置預(yù)算告警。對(duì)于非關(guān)鍵任務(wù)可以考慮使用更小、更便宜的模型如 Qwen3.8-7B。提示詞工程將經(jīng)過驗(yàn)證的有效提示詞模板化、模塊化存儲(chǔ)在數(shù)據(jù)庫或配置文件中。針對(duì)不同任務(wù)摘要、翻譯、代碼生成設(shè)計(jì)專用的系統(tǒng)提示詞。在正式上線前使用一批測(cè)試用例對(duì)提示詞進(jìn)行充分評(píng)估。性能考量緩存對(duì)于重復(fù)性或確定性較高的查詢?nèi)鐚⒐潭ㄎ谋痉g成另一種語言可以考慮緩存結(jié)果避免重復(fù)調(diào)用。異步調(diào)用如果前端不需要即時(shí)響應(yīng)或者需要處理大量獨(dú)立任務(wù)可以使用異步請(qǐng)求提高吞吐量。批處理Fireworks API 可能支持批處理請(qǐng)求一次性發(fā)送多個(gè)獨(dú)立問題可以咨詢官方文檔。合規(guī)與內(nèi)容安全在將用戶輸入發(fā)送給模型前進(jìn)行必要的審查和過濾防止注入惡意提示詞。對(duì)模型的輸出內(nèi)容特別是面向公眾的內(nèi)容建立審核機(jī)制確保符合法律法規(guī)和平臺(tái)規(guī)范。Qwen3.8-Max 在 Fireworks 平臺(tái)上線并獲 Day 0 支持為開發(fā)者提供了一個(gè)強(qiáng)大、易用且高性能的模型服務(wù)選項(xiàng)。通過本文的步驟你應(yīng)該已經(jīng)能夠快速上手將其集成到你的應(yīng)用中了。從獲取 API Key 到編寫第一個(gè)調(diào)用代碼再到使用高級(jí)功能和規(guī)劃生產(chǎn)部署整個(gè)流程的核心在于理解“模型即服務(wù)”MaaS的便利性。下一步你可以深入探索 Fireworks 平臺(tái)的其他功能比如其提供的其他優(yōu)化模型、視覺模型支持或者在更復(fù)雜的業(yè)務(wù)場(chǎng)景中實(shí)踐函數(shù)調(diào)用和智能體Agent工作流。結(jié)合 LangChain、LlamaIndex 等框架你能構(gòu)建出更加強(qiáng)大和自動(dòng)化的 AI 應(yīng)用。