# Windows PowerShell {#windows-powershell}
$env:YANDEX_API_KEY = "AQVNxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
$env:YANDEX_FOLDER_ID = "b1gxxxxxxxxxxxxxxxxx"

# Постоянная настройка (сохраняется после перезагрузки) {#permanent-survives-restart}
[System.Environment]::SetEnvironmentVariable('YANDEX_API_KEY', 'AQVNxxx...', 'User')
[System.Environment]::SetEnvironmentVariable('YANDEX_FOLDER_ID', 'b1gxxx...', 'User')

# Linux/Mac {#linuxmac}
export YANDEX_API_KEY="AQVNxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
export YANDEX_FOLDER_ID="b1gxxxxxxxxxxxxxxxxx"

# Добавьте в ~/.bashrc для постоянного эффекта {#add-to-bashrc-for-permanent}
echo 'export YANDEX_API_KEY="your_key"' >> ~/.bashrc
echo 'export YANDEX_FOLDER_ID="your_folder"' >> ~/.bashrc

llm:
  provider: yandex

  yandex:
    api_key: ${YANDEX_API_KEY}
    folder_id: ${YANDEX_FOLDER_ID}
    model: "qwen3-235b-a22b-fp8/latest"
    temperature: 0.7
    max_tokens: 2000
    timeout: 180

python -c "
from src.llm.yandex_provider import YandexProvider
from src.llm.base_provider import LLMConfig

config = LLMConfig(provider_type='yandex')
provider = YandexProvider(config)
print(f'Поставщик: {provider}')
print('Подключение успешно!')
"

gpt://<folder_id>/<model_name>
emb://<folder_id>/<embedding_model>

gpt://b1g123456789/qwen3-235b-a22b-fp8/latest
gpt://b1g123456789/yandexgpt/latest
emb://b1g123456789/text-search-doc/latest

import os
from openai import OpenAI

# Инициализация клиента с использованием эндпоинта Yandex {#initialize-client-with-yandex-endpoint}
client = OpenAI(
    api_key=os.getenv("YANDEX_API_KEY"),
    base_url="https://llm.api.cloud.yandex.net/v1",
    default_headers={
        "x-data-logging-enabled": "false",  # Приватность
        "x-folder-id": os.getenv("YANDEX_FOLDER_ID"),
    },
)

# Формирование URI модели {#construct-model-uri}
folder_id = os.getenv("YANDEX_FOLDER_ID")
model_uri = f"gpt://{folder_id}/qwen3-235b-a22b-fp8/latest"

# Отправка запроса {#make-request}
response = client.chat.completions.create(
    model=model_uri,
    messages=[
        {"role": "system", "content": "Вы — эксперт по анализу кода."},
        {"role": "user", "content": "Объясните, что такое MVCC в PostgreSQL."},
    ],
    temperature=0.7,
    max_tokens=2000,
)

print(response.choices[0].message.content)

# Потоковая передача ответа {#stream-response}
stream = client.chat.completions.create(
    model=model_uri,
    messages=[
        {"role": "user", "content": "Перечислите рекомендации по обеспечению безопасности в C-коде."},
    ],
    stream=True,
)

for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

# Получение эмбеддингов {#get-embeddings}
embedding_uri = f"emb://{folder_id}/text-search-doc/latest"

response = client.embeddings.create(
    model=embedding_uri,
    input="Найти уязвимости переполнения буфера",
    encoding_format="float",
)

embedding = response.data[0].embedding
print(f"Размерность эмбеддинга: {len(embedding)}")  # 256

from src.llm.yandex_provider import YandexProvider
from src.llm.base_provider import LLMConfig

# Инициализация провайдера (считывает данные из config.yaml) {#initialize-provider-reads-from-configyaml}
config = LLMConfig(
    provider_type='yandex',
    temperature=0.7,
    max_tokens=2000,
    extra_params={
        'api_key': os.getenv('YANDEX_API_KEY'),
        'folder_id': os.getenv('YANDEX_FOLDER_ID'),
        'model': 'qwen3-235b-a22b-fp8/latest',
    }
)
provider = YandexProvider(config)

# Генерация ответа {#generate-response}
response = provider.generate(
    system_prompt="Вы — эксперт по безопасности PostgreSQL.",
    user_prompt="Найдите уязвимости SQL-инъекций в модуле исполнителя."
)

print(response.content)
print(f"Использовано токенов: {response.metadata['tokens_used']}")
print(f"Задержка: {response.metadata['latency_ms']:.0f} мс")

from src.workflow.orchestration.copilot import Copilot

# Copilot автоматически использует настроенный провайдер {#copilot-automatically-uses-configured-provider}
copilot = Copilot()
result = copilot.answer("Найдите функции выделения памяти в PostgreSQL")
print(result['answer'])

llm:
  # Установить Yandex в качестве активного провайдера
  provider: yandex

  yandex:
    # Обязательно: Аутентификация
    api_key: ${YANDEX_API_KEY}      # API-ключ сервисного аккаунта
    folder_id: ${YANDEX_FOLDER_ID}  # Идентификатор каталога Yandex Cloud

    # Выбор модели
    model: "qwen3-235b-a22b-fp8/latest"  # Лучше всего подходит для анализа кода

    # Конечная точка API (по умолчанию, обычно не меняется)
    base_url: "https://llm.api.cloud.yandex.net/v1"

    # Таймауты
    timeout: 180  # секунд (увеличен для больших запросов)

    # Параметры генерации
    temperature: 0.7       # Уровень креативности (0.0–1.0)
    max_tokens: 2000       # Максимальная длина ответа
    top_p: null            # Использовать значение по умолчанию от Yandex

    # Модель эмбеддингов
    embedding_model: "text-search-doc/latest"

default_headers={
    "x-data-logging-enabled": "false",  # Отключает логирование на стороне Яндекса
    "x-folder-id": folder_id,
}

Error: 401 Unauthorized

# Проверьте, установлены ли переменные {#check-if-variables-are-set}
echo $YANDEX_API_KEY
echo $YANDEX_FOLDER_ID

# Проверьте формат API-ключа (должен начинаться с AQVNw, AQVN_ или аналогичного) {#verify-api-key-format-should-start-with-aqvnw-aqvn-or-similar}
python -c "import os; key = os.getenv('YANDEX_API_KEY', ''); print(f'Префикс ключа: {key[:5]}...' if key else 'НЕ УСТАНОВЛЕН')"

# Убедитесь, что область действия API-ключа включает yc.ai.languageModels.execute {#verify-api-key-scope-includes-ycailanguagemodelsexecute}

Error: 429 Too Many Requests

# Встроенная повторная попытка автоматически обрабатывает эту ситуацию {#built-in-retry-handles-this-automatically}
# Но вы можете увеличить таймаут для сложных запросов {#but-you-can-increase-timeout-for-complex-requests}
yandex:
  timeout: 300  # 5 минут

import time

for attempt in range(3):
    try:
        response = provider.generate(system_prompt, user_prompt)
        break
    except YandexRateLimitError:
        time.sleep(2 ** attempt)  # Экспоненциальная задержка

Error: Request timeout

# Увеличьте таймаут для больших запросов или ответов {#increase-timeout-for-large-promptsresponses}
yandex:
  timeout: 300  # секунд

Error: Folder not found or access denied

# Автоматические повторные попытки для: {#automatic-retry-for}
# - APITimeoutError (истекло время ожидания) {#apitimeouterror-timeout}
# - APIConnectionError (проблемы с подключением) {#apiconnectionerror-connection-issues}

# Параметры повтора: {#retry-parameters}
# - max_retries: 3 {#max-retries-3}
# - initial_delay: 2.0 секунды {#initial-delay-20-seconds}
# - max_delay: 30.0 секунд {#max-delay-300-seconds}
# - backoff_factor: 2.0 {#backoff-factor-20}