LLM 配置

YOLO Agent 默认会让 LLM 参与“诊断、建议和策略 proposal”，但不会让 LLM 直接批准实验、绕过 evidence gate，或在没有证据时声称最佳模型。

没有可解析的 API key 时，命令不会失败；系统会跳过 LLM proposal，回退到规则策略。

1. 设置 API Key

推荐方式是环境变量或 .env.local：

当前 PowerShell 会话临时设置：

$env:OPENAI_API_KEY="..."

如果想长期使用，可以写入本地 .env.local 或自己的 PowerShell profile。yolo-agent 会自动读取当前项目根目录下的 .env.local。

也可以把真实 key 写进被 Git 忽略的本地配置：

# configs/local/llm_decision.local.yaml
enabled: true
provider: openai
model: gpt-5.5
api_key: sk-...
base_url: https://deepkey.top/v1

为了兼容旧写法，如果你误把真实 key 填进 api_key_env，系统也会把它当成本地 direct key 使用；但更推荐使用 api_key:。api_key_env: 的标准含义仍然是“环境变量名”，例如 OPENAI_API_KEY。

如果已经用 python -m pip install -e ".[train]" 安装过，修改 configs/local/llm_decision.local.yaml 或 .env.local 后不需要重新 install，重新运行命令即可。

2. 检查 LLM 配置

使用 setup 检查 LLM 和训练环境：

yolo-agent setup coco --data E:\datatset\coco.yaml --model yolo26n.pt

常见输出：

llm status=ready
llm enabled=true
llm provider=openai
llm model=gpt-5.5
llm api_key_source=local_config:api_key
llm base_url_source=local_config:base_url
llm executable_decisions_allowed=false

如果没有 key，会看到：

llm status=missing_key
llm fallback=rule_engine

这不是错误。它只表示本轮不会调用 LLM，系统会继续使用规则策略、EvidenceGate、CompatibilityChecker 和 UtilityScorer。

3. 配置文件在哪里

提交到仓库的是脱敏模板：

configs/llm_decision.example.yaml

本地可用配置放在：

configs/local/llm_decision.local.yaml

configs/local/ 已经被 .gitignore 忽略，可以放真实 provider、model、api_key、base_url 等本地信息。

4. LLM 能做什么，不能做什么

LLM 可以做：

生成诊断摘要
提出 policy proposals
提醒缺少哪些 evidence
起草 doctor-style 决策报告

LLM 不能做：

直接启动训练
跳过 full-run 二次确认
绕过 compatibility / evidence / budget gate
没有 metrics 时宣称模型更好

也就是说，LLM 是策略生成器，不是最终裁判。最终是否执行，仍由 harness 的状态机、证据契约和执行队列决定。

FilesExpand file tree

llm-setup.md

Latest commit

History