LlamaIndex 的索引依赖 embedding,查询依赖 LLM,两个都要指向中转站,否则会有一部分请求打到官方域名。
from llama_index.core import Settings from llama_index.llms.openai_like import OpenAILike from llama_index.embeddings.openai import OpenAIEmbedding Settings.llm = OpenAILike( model="claude-sonnet-4-5", api_base="https://hardysapi.com/v1", api_key="sk-你的密钥", is_chat_model=True, ) Settings.embed_model = OpenAIEmbedding( model="text-embedding-3-small", api_base="https://hardysapi.com/v1", api_key="sk-你的密钥", )
from llama_index.core import SimpleDirectoryReader, VectorStoreIndex docs = SimpleDirectoryReader("./docs").load_data() index = VectorStoreIndex.from_documents(docs) qe = index.as_query_engine(similarity_top_k=4) print(qe.query("退换货政策是什么?"))
说明 embedding 没配置到中转站,OpenAIEmbedding 需要单独设置 api_base 与 api_key。
接中转站建议 OpenAILike,避免发送官方专属参数导致 400。