配置 Regolo
Regolo 是本地模型服務，整合了全球主流大模型服務商的 API 介面。提供統一的接入方式、靈活的計費模式和高可用性保障，簡化多模型設定和切換。
1. 獲取 Regolo API Key
1.1 訪問 Regolo 平臺
訪問 Regolo AI 平臺並註冊登入：https://api.regolo.ai/
1.2 進入 Virtual Keys 管理頁面
登入後，在左側選單欄點選 Virtual Keys 進入 API 金鑰管理頁面。
1.3 建立新的 API Key
點選右上角的 Create Key 按鈕，開啟建立對話方塊。
1.4 配置 API Key 資訊
在 Create Key 對話方塊中配置以下資訊：
1.4.1 設定 Key Alias（金鑰別名）
輸入一個便於識別的名稱，例如 CueMate。
命名建議：
- 使用專案名稱或用途作為字首
- 區分開發/測試/生產環境（如
CueMate-Dev、CueMate-Prod） - 避免包含敏感資訊
1.4.2 選擇授權模型（Models）
點選 Models 下拉框，選擇該 API Key 可以訪問的模型：
可選模式：
- All models：授權訪問所有模型（推薦用於生產環境）
- 指定模型：僅授權訪問特定模型（推薦用於開發測試）
模型選擇建議：
- 生產環境：選擇 "All models" 以便靈活切換
- 開發環境：僅選擇需要測試的模型，降低誤用風險
- 按需授權：根據實際業務場景選擇對應模型
當前可選的 LLM 模型：
deepseek-r1-70b：DeepSeek R1 推理模型（最大 64K tokens）llama-guard3-8b：Llama Guard 3 安全稽覈模型qwen3-30b：Qwen3 30B 通用模型（最大 32K tokens）qwen3-coder-30b：Qwen3 程式碼專用模型（最大 256K tokens）mistral-small3.2：Mistral Small 3.2 輕量模型（最大 32K tokens）gpt-oss-120b：開源 GPT 120B 大模型Llama-3.3-70B-Instruct：Llama 3.3 最新版本Llama-3.1-8B-Instruct：Llama 3.1 8B 高價效比maestrale-chat-v0.4-beta：Regolo 原創對話模型Qwen3-8B：Qwen3 8B 輕量模型（最大 32K tokens）gemma-3-27b-it：Google Gemma 3 27B（最大 128K tokens）
1.4.3 設定速率限制（Rate Limits）
點選 Edit Limits 按鈕，可配置該 API Key 的請求速率限制：
- RPM（Requests Per Minute）：每分鐘請求數
- TPM（Tokens Per Minute）：每分鐘 token 數
- RPD（Requests Per Day）：每天請求數
速率限制建議：
- 開發測試：RPM=60, TPM=100000, RPD=10000
- 生產環境：根據實際業務量設定，避免意外超額
1.4.4 完成建立
配置完成後，點選 Save 按鈕。
1.5 儲存 API Key
建立成功後，系統會顯示 API Key。
重要提示：
- API Key 僅顯示一次，關閉對話方塊後無法再次檢視
- 請立即複製並儲存到安全的位置（如密碼管理器）
- 如果遺失，需要刪除舊的 Key 並重新建立
儲存方式推薦：
- 點選複製按鈕，API Key 已複製到剪貼簿
- 貼上到密碼管理器（如 1Password、Bitwarden）
- 或儲存到安全的文字檔案中，並妥善保管（不要分享給他人）
1.6 驗證 API Key
在 Virtual Keys 列表中可以看到剛建立的 Key：
- 狀態：顯示 Key 是否啟用
- 授權模型：顯示可訪問的模型列表
- 建立時間：記錄建立日期
- 操作：可以編輯限制或刪除 Key
2. 在 CueMate 中配置 Regolo 模型
2.1 進入模型設定頁面
登入 CueMate 系統後，點選右上角下拉選單的 模型設定。
2.2 新增新模型
點選右上角的 新增模型 按鈕。
2.3 選擇 Regolo 服務商
在彈出的對話方塊中：
- 服務商型別：選擇 Regolo
- 點選後 自動進入下一步
2.4 填寫配置資訊
在配置頁面填寫以下資訊：
基礎配置
- 模型名稱：為這個模型配置起個名字（例如：Regolo Phi-4）
- API URL：保持預設
https://api.regolo.ai/v1 - API Key：貼上 Regolo 的 API Key
- 模型版本：選擇或輸入要使用的模型
- Microsoft 系列：
Phi-4：Microsoft Phi-4，輕量高效
- DeepSeek R1 系列：
DeepSeek-R1-Distill-Qwen-32B：DeepSeek R1 蒸餾版 32BDeepSeek-R1-Distill-Qwen-14B：DeepSeek R1 蒸餾版 14BDeepSeek-R1-Distill-Qwen-7B：DeepSeek R1 蒸餾版 7BDeepSeek-R1-Distill-Llama-8B：DeepSeek R1 Llama 8B
- Regolo 原創：
maestrale-chat-v0.4-beta：Maestrale 對話模型
- Llama 系列：
Llama-3.3-70B-Instruct：Llama 3.3 70B 指令版Llama-3.1-70B-Instruct：Llama 3.1 70B 指令版Llama-3.1-8B-Instruct：Llama 3.1 8B 指令版
- DeepSeek Coder：
DeepSeek-Coder-6.7B-Instruct：DeepSeek Coder 6.7B
- Qwen 系列：
Qwen2.5-72B-Instruct：Qwen 2.5 72B 指令版
- Microsoft 系列：
高階配置（可選）
展開 高階配置 面板，可以調整以下引數：
CueMate 介面可調引數：
溫度（temperature）：控制輸出隨機性
- 範圍：0-2（不同模型上限不同）
- 推薦值：0.7
- 作用：值越高輸出越隨機創新，值越低輸出越穩定保守
- 使用建議：
- 創意寫作/頭腦風暴：1.0-1.5
- 常規對話/問答：0.7-0.9
- 程式碼生成/精確任務：0.3-0.5
輸出最大 tokens（max_tokens）：限制單次輸出長度
- 範圍：256 - 262144（根據模型而定）
- 推薦值：8192
- 作用：控制模型單次響應的最大字數
- 模型限制：
- deepseek-r1-70b：最大 64K tokens
- gemma-3-27b-it：最大 128K tokens
- qwen3-coder-30b：最大 256K tokens
- 其他模型：8K-32K tokens
- 使用建議：
- 簡短問答：1024-2048
- 常規對話：4096-8192
- 長文生成：16384-32768
- 超長文件：65536+（僅支援的模型）
Regolo API 支援的其他高階引數：
雖然 CueMate 介面只提供 temperature 和 max_tokens 調整，但如果你透過 API 直接呼叫 Regolo，還可以使用以下高階引數（Regolo 採用 OpenAI 相容的 API 格式）：
top_p（nucleus sampling）
- 範圍：0-1
- 預設值：0.9
- 作用：從機率累積達到 p 的最小候選集中取樣
- 與 temperature 的關係：通常只調整其中一個
- 使用建議：
- 保持多樣性但避免離譜：0.9-0.95
- 更保守的輸出：0.7-0.8
top_k
- 範圍：1-100
- 預設值：50
- 作用：從機率最高的 k 個候選詞中取樣
- 使用建議：
- 更多樣化：50-100
- 更保守：10-30
frequency_penalty
- 範圍：-2.0 到 2.0
- 預設值：0
- 作用：降低重複相同詞彙的機率（基於頻率）
- 使用建議：
- 減少重複：0.3-0.8
- 允許重複：0（預設）
- 強制多樣化：1.0-2.0
presence_penalty
- 範圍：-2.0 到 2.0
- 預設值：0
- 作用：降低已出現過的詞彙再次出現的機率（基於是否出現）
- 使用建議：
- 鼓勵新話題：0.3-0.8
- 允許重複話題：0（預設）
stop（停止序列）
- 型別：字串陣列
- 預設值：null
- 作用：當生成內容包含指定字串時停止
- 示例：
["###", "使用者:", "\n\n"] - 使用場景：
- 結構化輸出：使用分隔符控制格式
- 對話系統：防止模型代替使用者說話
stream（流式輸出）
- 型別：布林值
- 預設值：false
- 作用：啟用 SSE 流式返回，邊生成邊返回
- CueMate 中：自動處理，無需手動設定
seed（隨機種子）
- 型別：整數
- 預設值：null
- 作用：固定隨機種子，相同輸入產生相同輸出
- 使用場景：
- 可復現的測試
- 對比實驗
- 注意：不是所有模型都支援
| 序號 | 場景 | temperature | max_tokens | top_p | frequency_penalty | presence_penalty |
|---|---|---|---|---|---|---|
| 1 | 創意寫作 | 1.0-1.2 | 4096-8192 | 0.95 | 0.5 | 0.5 |
| 2 | 程式碼生成 | 0.2-0.5 | 2048-4096 | 0.9 | 0.0 | 0.0 |
| 3 | 問答系統 | 0.7 | 1024-2048 | 0.9 | 0.0 | 0.0 |
| 4 | 摘要總結 | 0.3-0.5 | 512-1024 | 0.9 | 0.0 | 0.0 |
| 5 | 頭腦風暴 | 1.2-1.5 | 2048-4096 | 0.95 | 0.8 | 0.8 |
2.5 測試連線
填寫完配置後，點選 測試連線 按鈕，驗證配置是否正確。
如果配置正確，會顯示測試成功的提示，並返回模型的響應示例。
如果配置錯誤，會顯示測試錯誤的日誌，並且可以透過日誌管理，檢視具體報錯資訊。
2.6 儲存配置
測試成功後，點選 儲存 按鈕，完成模型配置。
3. 使用模型
透過右上角下拉選單，進入系統設定介面，在大模型服務商欄目選擇想要使用的模型配置。
配置完成後，可以在面試訓練、問題生成等功能中選擇使用此模型， 當然也可以在面試的選項中單此選擇此次面試的模型配置。
4. 支援的模型列表
4.1 DeepSeek 系列
| 序號 | 模型名稱 | 模型 ID | 引數量 | 最大輸出 | 適用場景 |
|---|---|---|---|---|---|
| 1 | DeepSeek R1 70B | deepseek-r1-70b | 70B | 64K tokens | 推理增強、複雜任務、超長上下文 |
4.2 Llama 系列
| 序號 | 模型名稱 | 模型 ID | 引數量 | 最大輸出 | 適用場景 |
|---|---|---|---|---|---|
| 1 | Llama Guard 3 8B | llama-guard3-8b | 8B | 8K tokens | 內容安全稽覈、風險檢測 |
| 2 | Llama 3.3 70B | Llama-3.3-70B-Instruct | 70B | 8K tokens | 最新版本、高效能通用任務 |
| 3 | Llama 3.1 8B | Llama-3.1-8B-Instruct | 8B | 8K tokens | 標準任務、高價效比 |
4.3 Qwen 系列
| 序號 | 模型名稱 | 模型 ID | 引數量 | 最大輸出 | 適用場景 |
|---|---|---|---|---|---|
| 1 | Qwen3 30B | qwen3-30b | 30B | 32K tokens | 通用對話、長文字處理 |
| 2 | Qwen3 8B | Qwen3-8B | 8B | 32K tokens | 輕量高效、快速響應 |
| 3 | Qwen3 Coder 30B | qwen3-coder-30b | 30B | 256K tokens | 程式碼生成、超長程式碼上下文 |
4.4 Mistral 系列
| 序號 | 模型名稱 | 模型 ID | 引數量 | 最大輸出 | 適用場景 |
|---|---|---|---|---|---|
| 1 | Mistral Small 3.2 | mistral-small3.2 | - | 32K tokens | 輕量模型、多語言支援 |
4.5 Google Gemma 系列
| 序號 | 模型名稱 | 模型 ID | 引數量 | 最大輸出 | 適用場景 |
|---|---|---|---|---|---|
| 1 | Gemma 3 27B | gemma-3-27b-it | 27B | 128K tokens | 超長上下文、文件分析 |
4.6 開源社羣模型
| 序號 | 模型名稱 | 模型 ID | 引數量 | 最大輸出 | 適用場景 |
|---|---|---|---|---|---|
| 1 | GPT OSS 120B | gpt-oss-120b | 120B | 8K tokens | 開源超大模型、實驗性任務 |
4.7 Regolo 原創
| 序號 | 模型名稱 | 模型 ID | 引數量 | 最大輸出 | 適用場景 |
|---|---|---|---|---|---|
| 1 | Maestrale Chat v0.4 | maestrale-chat-v0.4-beta | - | 8K tokens | 對話最佳化、多語言（義大利語增強） |
5. 常見問題
5.1 API Key 無效
現象：測試連線時提示 API Key 錯誤
解決方案：
- 檢查 API Key 是否完整複製
- 確認 API Key 未過期或被禁用
- 驗證 API Key 許可權設定正確
5.2 模型不可用
現象：提示模型不存在或未授權
解決方案：
- 確認模型 ID 拼寫正確
- 檢查賬戶是否有該模型的訪問許可權
- 驗證賬戶餘額充足
5.3 請求超時
現象：測試連線或使用時長時間無響應
解決方案：
- 檢查網路連線是否正常
- 確認 API URL 配置正確
- 檢查防火牆設定
5.4 配額限制
現象：提示超出請求配額
解決方案：
- 登入 Regolo 平臺檢視配額使用情況
- 充值或申請更多配額
- 最佳化使用頻率
5.5 企業級服務
- 高可用性保障
- 專業技術支援
- 靈活的定價方案
5.6 模型豐富
- 支援多種主流開源模型
- Regolo 原創最佳化模型
- 持續更新最新模型
5.7 效能最佳化
- 分散式推理叢集
- 低延遲響應
- 高併發支援
5.8 資料安全
- 資料加密傳輸
- 隱私保護機制
- 合規認證
Regolo 採用按使用量計費模式：
| 模型級別 | 輸入價格 | 輸出價格 | 單位 |
|---|---|---|---|
| 輕量級（<10B） | ¥0.001 | ¥0.003 | /1K tokens |
| 標準級（10B-30B） | ¥0.003 | ¥0.009 | /1K tokens |
| 高效能（>30B） | ¥0.006 | ¥0.018 | /1K tokens |
注意：具體價格以 Regolo 官網為準。
5.9 模型選擇
- 開發測試：使用 7B-14B 引數的模型，成本低
- 生產環境：根據效能需求選擇 32B-70B 模型
- 程式碼生成：優先選擇 DeepSeek Coder 系列
- 通用對話：推薦 Llama 3.3 或 Qwen 2.5 系列
5.10 成本最佳化
- 合理設定
max_tokens引數 - 使用快取減少重複請求
- 選擇合適引數量的模型
- 監控 API 使用量
相關連結
5.1 企業應用
- 內部知識庫問答
- 客戶服務自動化
- 文件生成與處理
5.2 開發者
- 應用原型開發
- AI 功能整合
- 演算法驗證測試
5.3 私有化需求
- 支援私有化部署方案
- 定製化模型訓練
- 專屬技術支援