llm 0.33 支持 OpenAI 3.x 和按次嵌入密钥

关键信息

这些嵌入相关改动保留了兼容性：现有读取 self.key 的插件仍可通过回退路径继续工作。llm prompt -t/--template 现在可以重复使用以按顺序组合模板，而支持推理的 Responses API 模型也新增了 reasoning_summary 选项，取值包括 auto、concise 和 detailed。

资讯摘要

2026 年 8 月 22 日，Simon Willison 发布了 llm 0.33，并概述了一组集中但实用的平台更新。最重要的基础设施变化是项目升级到了 OpenAI Python library 3.x，并将 HTTP 客户端依赖从 httpx 切换为 httpx2。Willison 提到他在前一天已经发布过一个快速的 0.32.1 修复，但表示 0.33 才是更完整的解决方案。这次发布还改进了嵌入工作流：llm embed 和 llm embed-multi 现在都支持 --key 选项，对应的 Python 方法也支持 key= 参数。

传入的密钥会按单次调用解析，并在不修改共享模型状态的情况下传给嵌入插件；同时，旧插件如果仍然读取 self.key，也可以通过兼容性回退继续工作。除此之外，llm prompt -t/--template 现在可以重复使用，从而按顺序组合多个模板，这样一个模板可以提供模型配置和选项，另一个模板则提供提示词。最后，支持推理的 Responses API 模型在通过 llm openai endpoint --responses 使用时，新增了 reasoning_summary 选项，支持 auto、concise 和 detailed 三种值。Willison 还表示，这对于测试那些模仿 OpenAI Responses API 的模型尤其有用。

资讯正文

2026年8月22日

本次发布中，我的亮点如下：

已升级到 OpenAI Python library 3.x，并将 HTTP 客户端依赖从 httpx 切换为 httpx2。#1608，#1631

llm embed 和 llm embed-multi 现在接受 --key。Python 的 EmbeddingModel.embed()、EmbeddingModel.embed_multi()、Collection.embed() 和 Collection.embed_multi() 方法也接受 key=，会把解析后的每次调用 key 传给 embedding 插件，而不改变共享的模型状态。现有读取 self.key 的插件仍可通过兼容性回退继续工作。感谢 ChrisJr404。#757，#1620

嵌入模型现在对密钥的处理方式与常规 LLM 模型相同。

llm prompt -t/--template 现在可以重复使用，以按顺序组合多个模板。这样可以将一个模板中的模型配置和选项，与另一个模板中的提示词一起使用。

这解锁了一种很不错的模式：你可以创建把一个模型与一组默认选项打包在一起的模板：

支持推理的 Responses API 模型现在支持 reasoning_summary 选项，取值包括 auto、concise 和 detailed。可通过 llm openai endpoint --responses 使用。#1600

这对于测试那些自带对 OpenAI Responses API 模仿实现的不同模型尤其有用。

来源与参考

1. 原始链接
2. Release: llm 0.33