预计阅读时间：50 分钟难度等级：进阶本章导读前面几章我们已经读完了从需求到 PRD、系统设计、任务拆解、代码生成和项目仓储模型的主链路。这些能力最终都离不开一个基础问题：Action 调用 LLM 时，到底使用哪个模型、哪个 API 地址、哪个 Provider、哪个超时和哪个成本统计器？本章就来拆解 MetaGPT 的配置系统和 LLM Provider 适配机制。核心链路可以概括为：config/config2.yaml + ~/.metagpt/config2.yaml + CLI kwargs - Config - Context - LLMConfig - LLMProviderRegistry - BaseLLM 子类 - aask / acompletion_text理解这条链路后，你就能更清楚地判断：为什么配置没有生效。为什么某个角色使用了不同模型。为什么 Provider 找不到。为什么 token 成本统计不准。为什么超时、代理、流式输出和压缩行为不符合预期。学习目标
预计阅读时间：50 分钟难度等级：进阶本章导读前面几章我们已经读完了从需求到 PRD、系统设计、任务拆解、代码生成和项目仓储模型的主链路。这些能力最终都离不开一个基础问题：Action 调用 LLM 时，到底使用哪个模型、哪个 API 地址、哪个 Provider、哪个超时和哪个成本统计器？本章就来拆解 MetaGPT 的配置系统和 LLM Provider 适配机制。核心链路可以概括为：config/config2.yaml + ~/.metagpt/config2.yaml + CLI kwargs - Config - Context - LLMConfig - LLMProviderRegistry - BaseLLM 子类 - aask / acompletion_text理解这条链路后，你就能更清楚地判断：为什么配置没有生效。为什么某个角色使用了不同模型。为什么 Provider 找不到。为什么 token 成本统计不准。为什么超时、代理、流式输出和压缩行为不符合预期。学习目标
)
