Lehmus AI: Tarjolla olevien kielimallien yhdistäminen Visual Studio Codeen

Tämän ohjeen avulla saat yhdistettyä Lehmus AI: Tietoturvallinen Generatiivisen tekoälyn alustalla tarjolla olevat kielimallit Visual Studio Codeen. Ohjeen avulla saat lisättyä Lehmus AI:n kielimallit Visual Studio Coden Language Models -asetuksiin ja otat ne käyttöön esimerkiksi Visual Studio Coden chatissa.

Mitä tarvitset ennen aloitusta

Visual Studio Coden asennettuna
Käyttöoikeuden Lehmus AI -alustalle, löydät ohjeet sivulta: Lehmus AI: Tietoturvallinen Generatiivisen tekoälyn alusta
Lehmus AI -portaalissa luotu API-avain
Niiden kielimallien Public Model ID:t, jotka haluat lisätä Visual Studio Codeen

Löydät listan saatavilla olevista kielimalleista ja niiden tärkeimmistä tuetuista ominaisuuksista ohjeesta Lehmus AI: Saatavilla olevat kielimallit.

Näin yhdistät kielimallit

Avaa Language Models -asetukset Visual Studio Codessa

Avaa Language Models -editori. Voit avata sen kahdella tavalla:

Valitse View,
Command Palette…,
Chat: Manage Language Models

Visual Studio Coden View-valikko, jossa Command Palette -valinta on korostettuna.

Visual Studio Coden komentopaletti, jossa Chat: Manage Language Models -komento on valittuna.

tai

Avaa chat,
klikkaa chat-ikkunassa käytössä olevan kielimallin valintaa,
valitse Other Models -kohdan asetuksista (hammasratasikoni) Manage Language Models.

Visual Studio Coden chat-ikkuna ja kielimallin valintapainike.

Kielimallien valikko, jossa Other Models -kohta ja Language Models -asetusten hammasratas ovat näkyvissä.

Lisää uusi Custom Endpoint

Kun Language Models -editori on avautunut, valitse Add Models ja sen jälkeen avautuvasta listasta Custom Endpoint.

Visual Studio Coden Language Models -editori, jonka oikeassa yläkulmassa näkyy Add Models -painike.

Add Models -valikko, jossa Custom Endpoint -vaihtoehto näkyy listan alareunassa.

Määritä ryhmän nimi ja API-avain

Anna seuraavaksi Group Name. Nimi näkyy myöhemmin kielimalleja valitsessa sekä Language Models -editorissa. Tämän ryhmänimen alle listautuvat ne Lehmus AI -alustan kielimallit, jotka otat käyttöön Visual Studio Codessa. Voit antaa ryhmälle nimeksi esimerkiksi Lehmus AI. Voit tarvittaessa muokata nimeä myöhemmin Language Models -editorissa.

Group Name -kenttä, johon on kirjoitettu Lehmus AI.

Syötä seuraavaksi API-avain, jonka olet luonut Lehmus AI -portaalissa. Ohjeet API-avaimen luomiseen on kuvattu ohjeen Tervetuloa Lehmus AI -alustalle: Pikakäyttöopas kohdassa Endpointtien ja API-avainten käyttöönotto.

API Key -kenttä Lehmus AI:n API-avaimen syöttämistä varten.

Valitse API-tyyppi

Valitse seuraavaksi, minkä tyyppinen API on kyseessä. Vaihtoehdot ovat Chat Completions, Responses ja Messages. Tähän kannattaa Lehmus AI:n osalta valita Chat Completions.

Määritä kielimallit chatLanguageModels.json -tiedostossa

Visual Studio Code avaa seuraavaksi chatLanguageModels.json-tiedoston. Tässä tiedostossa määrität ne kielimallit, jotka haluat ottaa Visual Studio Codessa käyttöön.

Lisää id-kohtaan kielimallin Public Model ID, jonka löydät Lehmus AI -portaalista kunkin mallin tiedoista.
Lisää name-kohtaan sen kielimallin nimi, jonka id:n lisäsit edelliseen kohtaan.
Lisää url-kohtaan API-osoite: https://api.lehmus-ai.oulu.fi/v1
Muita mallien määrittämiseen liittyviä arvoja voit tarkistaa sivulta Lehmus AI: Saatavilla olevat kielimallit. Sivulla kerrotaan kullekin Lehmus AI -alustan mallille tyypillisiä käyttötarkoituksia ja tärkeimpiä tuettuja ominaisuuksia, kuten Max model lenght, josta on apua esim. maxTokens-arvon määrittämisessä.

Löydät kunkin kielimallin Public Model IDn Lehmus AI -portaalista siirtymällä Models-sivulle ja avaamalla sieltä kunkin kielimallin tiedot. Lisääthän chatLanguageModels.json tiedostoon vain ne kielimallit, jotka sisältyvät aiemmin luomaasi API-avaimeen.

Valmis mallilista chatLanguageModels.json-tiedostoon

Jos olet suorittanut kaikki edelliset vaiheet onnistuneesti (luonut API-avaimen, lisännyt haluamasi mallit API-avaimelle ja määrittänyt muut Visual Studio Coden asetukset), voit kopioida alla olevan mallilistan suoraan chatLanguageModels.json-tiedoston models-osioon.

Huomioithan, että tiedostoon kannattaa lisätä vain sellaisia malleja, jotka on liitetty API-avaimeesi Lehmus AI -portaalissa. Mallin id-kentässä tulee käyttää Public Model ID -arvoa.

"models": [
{
"id": "wnofibsjlomanbprgbdp",
"name": "Gemma4 26B MoE",
"url": "https://api.lehmus-ai.oulu.fi/v1",
"toolCalling": true,
"vision": true,
"maxInputTokens": 128000,
"maxOutputTokens": 16000
},
{
"id": "jwwqblcgkizlhxjjbkcp",
"name": "Gemma4 31B",
"url": "https://api.lehmus-ai.oulu.fi/v1",
"toolCalling": true,
"vision": true,
"maxInputTokens": 128000,
"maxOutputTokens": 16000
},
{
"id": "azsydsttjnlbfjbgqnwd",
"name": "GPT OSS 120B",
"url": "https://api.lehmus-ai.oulu.fi/v1",
"toolCalling": true,
"vision": true,
"maxInputTokens": 128000,
"maxOutputTokens": 16000
},
{
"id": "neuralmagic/DeepSeek-R1-Distill-Llama-70B-FP8-dynamic",
"name": "DeepSeek R1 Distill Llama 70B FP8 Dynamic",
"url": "https://api.lehmus-ai.oulu.fi/v1",
"toolCalling": true,
"vision": true,
"maxInputTokens": 128000,
"maxOutputTokens": 16000
},
{
"id": "Qwen3.8-27B",
"name": "Qwen3.8 27B",
"url": "https://api.lehmus-ai.oulu.fi/v1",
"toolCalling": true,
"vision": true,
"maxInputTokens": 128000,
"maxOutputTokens": 16000
},
{
"id": "ctraxdkjuwfrlivzrhgt",
"name": "Qwen3.6-35B-A3B",
"url": "https://api.lehmus-ai.oulu.fi/v1",
"toolCalling": true,
"vision": true,
"maxInputTokens": 128000,
"maxOutputTokens": 16000
}
]

Aiheet:

Takaisin ylös