Euron 训练营问答 - 即时解答参考 是做什么的?
目标
即时解答任何 Euron Gen AI 认证训练营的疑问,通过查阅本参考中的正确代码片段、配置或故障排除步骤。
快速上下文
- 训练营: Euron Gen AI 认证训练营 2.0(由 Sudhanshu 老师主讲)
- 门户网站: https://euron.one/euri
- API 基础 URL:
https://api.euron.one/api/v1/euri - 认证:
Authorization: Bearer <EURI_API_KEY> - 每日限制: 200,000 个 token(输入 + 输出),UTC 时间午夜重置
- 关键原则: Euri 与 OpenAI 兼容。任何使用
ChatOpenAI(...)或OpenAI(...)的地方,只需添加指向 Euri 的base_url即可。
常见问题与解答
Q1:“我如何在 LangChain 中使用 Euri?”
答案(可直接复制使用):
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
model="gpt-4.1-nano", # 或 gemini-2.5-flash,任何 Euri 模型
api_key="your-euri-api-key",
base_url="https://api.euron.one/api/v1/euri"
)
response = llm.invoke("Hello!")
print(response.content)
仅此而已。Sudhanshu 老师所有使用 ChatOpenAI(...) 的地方,只需添加指向 Euri 的 base_url 参数。其他一切(代理、链、工具)都完全相同。
Q2:“我如何使用 OpenAI Python SDK 使用 Euri?”
from openai import OpenAI
client = OpenAI(
api_key="your-euri-api-key",
base_url="https://api.euron.one/api/v1/euri"
)
response = client.chat.completions.create(
model="gemini-2.5-flash",
messages=[{"role": "user", "content": "Hello!"}]
)
print(response.choices[0].message.content)
Q3:“我如何使用 Euri Python SDK (euriai)?”
pip install euriai
from euriai import EuriaiClient
client = EuriaiClient(
api_key="your-euri-api-key",
model="gemini-2.5-flash"
)
response = client.generate_completion(
prompt="What is AI?",
temperature=0.7,
max_tokens=500
)
print(response["choices"][0]["message"]["content"])
Q4:“我如何通过 LangChain 的 euriai 集成使用 Euri?”
pip install euriai[langchain]
from euriai.langchain import EuriaiChatModel
chat = EuriaiChatModel(api_key="your-key", model="gemini-2.5-flash")
result = chat.invoke("Explain Docker")
print(result.content)
Q5:“我如何使用原始 HTTP / requests 使用 Euri?”
import requests
response = requests.post(
"https://api.euron.one/api/v1/euri/chat/completions",
headers={
"Authorization": "Bearer your-euri-api-key",
"Content-Type": "application/json",
},
json={
"model": "gemini-2.5-flash",
"messages": [{"role": "user", "content": "Hello!"}],
"temperature": 0.7,
"max_tokens": 500,
},
)
data = response.json()
print(data["choices"][0]["message"]["content"])
Q6:“我如何使用 curl 使用 Euri?”
curl -X POST https://api.euron.one/api/v1/euri/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"messages": [{"role": "user", "content": "Hello!"}],
"model": "gemini-2.5-flash"
}'
Q7:“我如何在 TypeScript / Node.js 中使用 Euri?”
const response = await fetch("https://api.euron.one/api/v1/euri/chat/completions", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.EURI_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
model: "gemini-2.5-flash",
messages: [{ role: "user", content: "Hello!" }],
}),
});
const data = await response.json();
console.log(data.choices[0].message.content);
Q8:“我如何在 n8n 中使用 Euri?”
选项 A — OpenAI 凭据(最简单):
- 在 n8n 中创建“OpenAI”凭据
- 设置 API 密钥:你的 Euri API 密钥
- 设置 Base URL:
https://api.euron.one/api/v1/euri - 使用任何 OpenAI 节点 — 它会自动路由到 Euri
选项 B — HTTP 请求节点:
- 方法:
POST - URL:
https://api.euron.one/api/v1/euri/chat/completions - 标头:
Authorization: Bearer {{ $env.EURI_API_KEY }} - 主体 JSON:
{
"model": "gemini-2.5-flash",
"messages": [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "{{ $json.userMessage }}"}
],
"temperature": 0.7,
"max_tokens": 1000
}
- 提取响应:
{{ $json.choices[0].message.content }}
Q9:“我如何用 Euri 生成嵌入?”
from openai import OpenAI
client = OpenAI(
api_key="your-euri-api-key",
base_url="https://api.euron.one/api/v1/euri"
)
response = client.embeddings.create(
model="gemini-embedding-001", # 或 text-embedding-3-small
input="Your text here"
)
print(response.data[0].embedding[:5]) # 前 5 个维度
可用的嵌入模型:
| 模型 | ID | 维度 |
|---|---|---|
| Gemini Embedding 001 | gemini-embedding-001 | 1536 |
| Text Embedding 3 Small | text-embedding-3-small | 1536 |
| M2 BERT 80M 32K | togethercomputer/m2-bert-80M-32k-retrieval | 1536 |
Q10:“我如何用 Euri 生成图像?”
from openai import OpenAI
client = OpenAI(
api_key="your-euri-api-key",
base_url="https://api.euron.one/api/v1/euri"
)
response = client.images.generate(
model="gemini-3-pro-image-preview",
prompt="A futuristic city at sunset, cyberpunk style",
n=1
)
print(response.data[0].url)
Q11:“我应该使用哪个模型?”
| 使用场景 | 模型 ID | 原因 |
|---|---|---|
| 通用目的 | gemini-2.5-flash | 速度与质量的最佳平衡 |
| 复杂推理 | gemini-2.5-pro | 2M 上下文,最佳推理能力 |
| 快速且便宜 | gpt-4.1-nano | 最便宜,超快 |
| 同样快速且便宜 | gpt-5-nano-2025-08-07 | 新版 nano 模型 |
| 代码生成 | gpt-4.1-mini 或 gemini-2.5-flash | 代码能力好 |
| 网络搜索 | groq/compound | 内置网络搜索 |
| 嵌入(RAG) | gemini-embedding-001 | 最佳质量嵌入 |
| 图像生成 | gemini-3-pro-image-preview | Euri 上唯一的图像模型 |
完整模型列表(24 个模型):
文本模型(20 个):
qwen/qwen3-32b(阿里巴巴,128K)gemini-2.0-flash(Google,1M)gemini-2.5-pro(Google,2M)gemini-2.5-flash(Google,1M)gemini-2.5-pro-preview-06-05(Google,2M)gemini-2.5-flash-preview-05-20(Google,1M)gemini-2.5-flash-lite-preview-06-17(Google,128K)groq/compound(Groq,131K)groq/compound-mini(Groq,131K)llama-4-scout-17b-16e-instruct(Meta,128K)llama-4-maverick-17b-128e-instruct(Meta,128K)llama-3.3-70b-versatile(Meta,128K)llama-3.1-8b-instant(Meta,128K)llama-guard-4-12b(Meta,128K)gpt-5-nano-2025-08-07(OpenAI,128K)gpt-5-mini-2025-08-07(OpenAI,128K)gpt-4.1-nano(OpenAI,128K)gpt-4.1-mini(OpenAI,128K)openai/gpt-oss-20b(OpenAI,128K)openai/gpt-oss-120b(OpenAI,128K)
Q12:“我遇到了错误 / API 不工作”
常见修复方法:
-
401 未经授权 — API 密钥错误或缺失
- 从 https://euron.one/euri 获取你的密钥
- 标头必须为:
Authorization: Bearer YOUR_KEY(而不是Api-Key或X-API-Key)
-
模型未找到 — 模型 ID 错误
- 使用上面模型列表中的确切 ID(区分大小写)
- 常见错误:使用了
gpt-4.1而不是gpt-4.1-nano
-
速率限制 / 429 — 已达到每日 200K token 限制
- 等待 UTC 时间午夜重置
- 使用更短的提示和较低的
max_tokens - 切换到更便宜的模型(
gpt-4.1-nano)
-
响应内容是数组而不是字符串
- Euri 有时会返回
content为[{type:"text", text:"..."}]而不是普通字符串 - 处理两种格式:
content if isinstance(content, str) else content[0]["text"]
- Euri 有时会返回
-
LangChain 版本问题
- 使用
langchain_openai(而不是langchain.chat_models) pip install langchain-openai(单独的包)
- 使用
-
“连接被拒绝”或超时
- 检查网络连接
- 验证基础 URL:
https://api.euron.one/api/v1/euri(末尾无斜杠)
Q13:“我如何用 Euri + LangChain 构建代理/链?”
与普通 LangChain 相同 — 只需使用 Euri LLM:
from langchain_openai import ChatOpenAI
from langchain.agents import create_react_agent, AgentExecutor
from langchain.tools import Tool
# Euri 驱动的 LLM
llm = ChatOpenAI(
model="gemini-2.5-flash",
api_key="your-euri-api-key",
base_url="https://api.euron.one/api/v1/euri"
)
# 在任何链、代理或工具中使用 llm — 与 OpenAI 完全相同
关键见解: Euri 是一个即插即用的替代品。任何 LangChain 教程或 Sudhanshu 老师的代码都可以 — 只需添加 base_url 参数即可。
Q14:“我如何设置课堂中的 MCP 服务器?”
完整指南: 参见 Angelina AI System/Euron/MAIL-MCP-SETUP.md
任何 MCP 服务器的快速设置模式:
cd "Gen AI 2.O/MCP/<server-folder>"
python3 -m venv venv
source venv/bin/activate # macOS/Linux
# venv\Scripts\activate # Windows
pip install -r requirements.txt
python authenticate.py # 仅适用于 Google 服务
8 个可用的 MCP 服务器:
- Gmail(4 个工具)— 发送、读取、搜索、标记已读
- Google Calendar(5 个工具)— 列出、创建、搜索、删除事件
- Google Sheets(5 个工具)— 读取、写入、追加、创建、列出
- Supabase(6 个工具)— 查询、插入、更新、删除、SQL
- MongoDB(7 个工具)— 查询、插入、更新、删除、聚合
- AWS S3(6 个工具)— 列出、上传、下载、删除、预签名 URL
- Azure Blob(7 个工具)— 列出、上传、下载、删除、SAS URL
- 社交媒体(10 个工具)— YouTube + Instagram + Facebook
Claude Desktop 配置位置:
- macOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows:
%APPDATA%\Claude\claude_desktop_config.json
Cursor 配置位置:
~/.cursor/mcp.json(macOS/Linux)%USERPROFILE%\.cursor\mcp.json(Windows)
常见 MCP 错误:
- “MCP Server disconnected” → 确保脚本使用
mcp.run(transport="stdio"),不要使用-m mcp run - “Auth token missing” → 重新运行
python authenticate.py - “Failed to refresh token” → 删除
token.json,重新认证 - “Google hasn't verified this app” → 点击 Advanced → Go to App(安全,这是你自己的应用)
Q15:“我如何在 CrewAI / AutoGen / 其他框架中使用 Euri?”
相同的模式 — Euri 与 OpenAI 兼容:
CrewAI:
from crewai import LLM
llm = LLM(
model="openai/gemini-2.5-flash",
api_key="your-euri-key",
base_url="https://api.euron.one/api/v1/euri"
)
AutoGen:
config_list = [{
"model": "gemini-2.5-flash",
"api_key": "your-euri-key",
"base_url": "https://api.euron.one/api/v1/euri"
}]
LiteLLM:
import litellm
response = litellm.completion(
model="openai/gemini-2.5-flash",
api_key="your-euri-key",
api_base="https://api.euron.one/api/v1/euri",
messages=[{"role": "user", "content": "Hello!"}]
)
经验法则: 任何支持自定义 base_url 或兼容 OpenAI 端点的框架都可以与 Euri 一起使用。只需替换基础 URL。
Q16:“我能获得多少 token?限制是什么?”
- 每天 200,000 个 token(输入 + 输出合计)
- 在 UTC 时间午夜 重置
- 大约相当于每天 150,000 个单词 或 300+ 页 文本
- 对于实践来说,这完全足够了 — 你在课堂上不会达到限制
- 提示: 在测试时使用
gpt-4.1-nano或gemini-2.5-flash-lite以节省 token
Q17:“我在哪里获取我的 API 密钥?”
- 前往 https://euron.one/euri
- 使用你的 Euron 账户登录
- 从仪表板复制你的 API 密钥
- 在代码中用作
api_key或在 HTTP 标头中用作Authorization: Bearer <key>
Q18:“我可以免费使用 Euri 吗?”
是的!Euri 每天提供 200,000 个免费 token。无需信用卡。可以访问所有 24 个模型,包括 GPT-4.1、Gemini 2.5、Llama 4 等。
回复模板
回答训练营疑问时,请使用此格式:
嘿 [Name]![关于修复方法的简短解释]
[代码片段 — 可直接复制使用]
[一行解释更改了什么]
好的免费模型供使用:
- gpt-4.1-nano — 快速且便宜
- gemini-2.5-flash — 最佳的通用目的
- gemini-2.5-pro — 最聪明
你每天有 200K 免费 token,因此在实践期间不会达到限制。
文件参考
如需更深入的答案,请查看这些文件:
- 完整 API 文档:
Angelina AI System/Euron/README.md - TypeScript 客户端:
Angelina AI System/Euron/euri-client.ts - 模型定义:
Angelina AI System/Euron/euri-models.ts - Python 示例:
Angelina AI System/Euron/examples/python-sdk.py - TypeScript 示例:
Angelina AI System/Euron/examples/basic-chat.ts - n8n 集成:
Angelina AI System/Euron/examples/n8n-http-request.md - MCP 设置指南:
Angelina AI System/Euron/MAIL-MCP-SETUP.md - 模型竞技场:
Angelina AI System/Euron/model-arena/arena.html - API 测试器:
Angelina AI System/Euron/euri-tester/index.html
Schema
输入
| 名称 | 类型 | 必填 | 描述 |
|---|---|---|---|
question | string | 是 | 训练营学生关于 Euri API、MCP、模型或错误的提问 |
输出
| 名称 | 类型 | 描述 |
|---|---|---|
answer | string | 附带代码片段的即用型解答 |
成本
免费(仅参考查询)