将 LLM 模型添加到 GitHub Copilot CLI

供应商类型	兼容的服务
`openai`	OpenAI 以及具有与 OpenAI 兼容的 API 的服务，例如 Ollama、vLLM 和 Foundry Local。这是默认提供程序类型。
`azure`	Azure OpenAI 服务。
`anthropic`	Anthropic（克劳德模型）。

添加提供程序和模型

providers.json 文件存储已配置提供程序和模型的详细信息。它位于你的 CLI 配置目录中，通常为 ~/.copilot。在启动 CLI 之前，可以通过将 COPILOT_PROVIDERS_CONFIG 设置为另一个文件的路径来使用另一个文件。

在 providers.json 文件中配置的模型在 CLI 的模型选取器中可用，以及你的帐户可用的由 GitHub 提供的模型。

重要

在此文件中输入的凭据以纯文本形式存储。将文件保密，不将其提交到存储库或分享它。 JSON 中像 $MY_API_KEY 这样的值会被视为字面文本，而不是从您的环境中读取。

打开 providers.json，或创建它（如果不存在）。添加提供商和模型。例如，此配置添加 OpenAI 模型提供程序和一个模型：
```
{
   "providers": [
      {
         "name": "my-provider",
         "type": "openai",
         "baseUrl": "https://api.openai.com/v1",
         "apiKey": "YOUR-API-KEY"
      }
   ],
   "models": [
      {
         "id": "YOUR-MODEL-NAME",
         "provider": "my-provider"
      }
   ]
}
```
将 YOUR-API-KEY 替换为您的提供商的 API 密钥，并将 YOUR-MODEL-NAME 替换为您的帐户可用的模型名称。对于另一个与 OpenAI 兼容的提供程序，请将 baseUrl 更改为其 API URL。如果提供程序不需要身份验证，则省略 apiKey 。

如果文件已包含提供程序和模型，请添加到现有数据中，而不是替换现有数据。

对于需要其他设置的提供程序或模型：
- 将提供程序的type设置为 Azure OpenAI 的azure或 Anthropic 的anthropic，并使用该提供程序的 API URL 和凭据。
- 对于使用响应 API 的 OpenAI 或 Azure 模型，请向提供程序添加 "wireApi": "responses"。默认值为 completions。
- 对于 Azure 部署，请将模型的wireModel设置为部署名称，并将modelId设置为所部署模型的名称。如果需要特定的 API 版本，请向提供程序添加 "azure": { "apiVersion": "YOUR-API-VERSION" }。将 YOUR-API-VERSION 替换为终结点所需的版本。
- 如果模型 id 是你选择的名称，而不是提供程序接受的名称，则将 wireModel 设置为提供程序的模型名称。将 modelId 设置为 CLI 识别的模型名称，以便可以使用该模型的功能和限制。
- 在模型上设置 maxPromptTokens 和 maxOutputTokens，以符合其支持的上限。使用大于零的整数。
- 若要使用持有者令牌而不是 API 密钥进行身份验证，请在提供程序上设置 bearerToken 。
可以在此文件中配置许多其他参数。有关详细信息，请参阅“GitHub Copilot CLI 配置目录”。
若要从同一提供程序中添加另一个模型，请将另一个条目添加到 models 中，该条目具有不同的 id 项和相同的 provider。

注意

每个模型的provider值必须与提供程序的name匹配。
若要添加其他提供程序，请向name添加一个具有唯一providers的条目，然后添加其模型。
保存文件并重启 CLI。
若要在启动会话时选择示例模型，请运行：
```
copilot --model PROVIDER-NAME/MODEL-NAME
```
若要在会话期间切换模型，请使用 /model 斜杠命令。有关详细信息，请参阅“在中选择模型”。
若要停止从已保存的配置加载提供程序，请从 providers 中删除其条目，并从 models 中删除其模型条目，然后重启 CLI。在删除当前默认模型之前，请先选择其他默认模型 /model --global。

从模型选取器安装本地模型

注意

此功能处于公开预览阶段，并且可能会发生变化。若要使用此功能，请使用 --experimental 选项启动 CLI，或在交互式会话中使用 /experimental on，为当前和将来的会话启用此功能和其他实验性功能。

如果使用Windows，并且计算机满足以下先决条件，则可以使用 CLI 的模型选取器在本地设备上安装和运行以下模型：

MAI Code 1.1 Flash
Flint NVFP4

Prerequisites

您必须具备：

Windows电脑
需要 NVIDIA GPU（不支持 AMD）
每个模型的最低可用总 RAM：
- MAI Code 1.1 Flash： 96 GB
- Flint NVFP4： 48 GB
每个模型的最低可用存储空间：
- MAI Code 1.1 Flash： 60 GB
- Flint NVFP4： 23 GB
已安装 llama.cpp v0.7.0 或更高版本，并将 LLAMACPP_SERVER_PATH 设置为其安装路径。所需的构建版本：
- MAI Code 1.1 Flash： b11669 或更高版本
- Flint NVFP4： b11803 或更高版本
请参阅安装Windows llama.cpp。

在本地使用 MAI Code 1.1 Flash 的好处

MAI Code 1.1 Flash是一种编码优化模型，可在Windows电脑上本地运行。通过使用在本地运行的模型，即可离线使用 Copilot 并避免消耗 GitHub AI Credits。

安装 MAI Code 1.1 Flash后，可以从模型选取器中选择它，就像任何其他模型一样。该模型也可用于 Copilot Fusion 的 Fusion Standard 工作量级别。当你将模型选择设置为 Copilot Fusion 并使用 Fusion Standard 时，MAI Code 1.1 Flash 将被自动选中来处理适当的任务，为需要更多资源或更高性能的任务保留基于云的模型。

安装用于Windows的llama.cpp

若要在 Windows 上安装使用 CUDA 构建版本的 llama.cpp：

在浏览器中，转到llama.cpp存储库的发布页： https://github.com/ggml-org/llama.cpp/releases
选择要安装的版本，例如 b11803。
单击链接下载适用于 Windows CUDA 13.4 ARM64 版本的这两个文件：
- Windows arm64 （CUDA 13）
- CUDA 13.4 DLLs

打开命令提示符并创建安装文件夹：

Shell

mkdir "%LOCALAPPDATA%\Programs\llama.cpp\BUILD-cuda-13.4-arm64"

mkdir "%LOCALAPPDATA%\Programs\llama.cpp\BUILD-cuda-13.4-arm64"

替换 BUILD 版本号，例如 b11803。

将这两个 ZIP 文件中的所有文件直接提取到此文件夹中。如果使用文件资源管理器中的 “全部提取”，请将目标更改为此文件夹，因为默认情况下，文件资源管理器会为每个 ZIP 文件创建单独的子文件夹。完成后，文件夹应包含大量文件，包括 llama-server.exe、cudart64_13.dll、cublas64_13.dll 和 cublasLt64_13.dll，且不包含子文件夹。

LLAMACPP_SERVER_PATH设置环境变量：

Shell

setx LLAMACPP_SERVER_PATH "%LOCALAPPDATA%\Programs\llama.cpp\BUILD-cuda-13.4-arm64\llama-server.exe"

setx LLAMACPP_SERVER_PATH "%LOCALAPPDATA%\Programs\llama.cpp\BUILD-cuda-13.4-arm64\llama-server.exe"

正在替换 BUILD 版本号。

关闭命令提示符并打开新的命令提示符窗口。如果 Copilot app 或 VS Code 已经打开，请重新启动它。如果 Copilot CLI 正在运行，请退出它，并从新的终端窗口中再次启动它。

要检查安装情况，请运行：

Shell

"%LLAMACPP_SERVER_PATH%" --list-devices

"%LLAMACPP_SERVER_PATH%" --list-devices

使用模型选取器安装本地模型

在本地交互式会话中，输入 /model。
在“本地和自承载”下查找支持的本地模型。

状态显示为“需要下载”。

注意

如果本地计算机是满足 GPU 和内存要求的Windows电脑，则本地模型才可供下载。
使用向下键选择本地模型，然后按 Enter。

CLI 检查计算机是否满足安装要求。请参阅本文前面列出的先决条件。
选择下载并设置以开始下载模型。

下载正在进行时，可以继续使用其他模型。下载完成后，CLI 会在对话输出中通知你。

使用本地模型

下载完成后，本地模型将可用于会话。

您可以：

从模型选取器中选择它，然后选择 “选择此模型”。请参阅“在中选择模型”。
MAI Code 1.1 Flash 仅： 选择 Copilot Fusion，然后在模型选取器中选择 Fusion Standard，Copilot 将在适当时自动使用本地模型。
将其分配给custom agent，以便专注处理任务。然后，可以提示 Copilot 将该自定义代理用于某个任务的一部分，同时让主会话继续使用云端的其他模型。请参阅“为 GitHub Copilot CLI 创建和使用自定义智能体”。

重要

从模型选取器下载本地模型后，请不要无论是通过直接选择还是通过 Copilot Fusion，在不同Copilot界面（VS Code、Copilot CLI、Copilot app）的会话中同时使用它。每个图面都会将该模型的一个独立实例加载到内存中，这很可能会导致本地计算机耗尽 RAM。

在脱机模式下运行

若要防止 Copilot CLI 联系 GitHub 的服务器（例如发送遥测数据），请在启动 CLI 之前将 COPILOT_OFFLINE 环境变量设置为 true。对于完全网络隔离，模型提供程序还必须位于本地或同一隔离环境中。请参阅“对 GitHub Copilot CLI 进行身份验证”。

Troubleshooting

缺少 Ollama 模型： 检查 Ollama 是否正在运行并下载了模型。打开 /model，然后按 Ctrl+R 以再次扫描。对于另一台计算机上的服务器，请手动配置其 OpenAI 兼容的 API URL，包括 /v1。
缺少已保存的模型： 检查其 provider 是否与某个提供程序的 name 匹配，然后重启 CLI。如果添加发现的模型时出现保存警告，请按照警告提示修复文件或其权限。
环境设置不起作用： 检查 COPILOT_PROVIDERS_CONFIG 或由 providers.json 选择的文件是否已包含提供程序或模型。该文件具有更高优先级。
请求失败： 检查 API URL、凭据、模型名称和 API 选项。对于 Azure OpenAI，请检查部署名称。对于有关请求令牌数的错误，请设置适合模型的令牌限制。

将 LLM 模型添加到 GitHub Copilot CLI

在本文中

模型要求

从 Ollama 添加模型

先决条件

添加模型

手动添加模型提供程序配置

先决条件

支持的提供程序

添加提供程序和模型

从模型选取器安装本地模型

Prerequisites

在本地使用 MAI Code 1.1 Flash 的好处

安装用于Windows的llama.cpp

使用模型选取器安装本地模型

使用本地模型

在脱机模式下运行

Troubleshooting

此文档是否有帮助？

仍需帮助？