修改内容：

调整llm引用模式
添加对星火大模型的支持
在模型报错时可以人工输入
可以通过config直接全人工输入

tests/metagpt/actions/test_write_code.py

@@ -8,7 +8,7 @@
 import pytest
 
 from metagpt.actions.write_code import WriteCode
-from metagpt.llm import LLM
+import metagpt.llm as LLM
 from metagpt.logs import logger
 from tests.metagpt.actions.mock import TASKS_2, WRITE_CODE_PROMPT_SAMPLE
 
@@ -29,6 +29,6 @@ async def test_write_code():
 @pytest.mark.asyncio
 async def test_write_code_directly():
     prompt = WRITE_CODE_PROMPT_SAMPLE + '\n' + TASKS_2[0]
-    llm = LLM()
+    llm=LLM.DEFAULT_LLM
     rsp = await llm.aask(prompt)
     logger.info(rsp)

tests/metagpt/roles/mock.py

@@ -16,7 +16,7 @@ DETAIL_REQUIREMENT = """需求：开发一个基于LLM（大语言模型）与
 3. 私有知识库支持pdf、word、txt等各种文件格式上传，上传后可以在服务端解析为文本，存储ES
 
 资源：
-1. 大语言模型已经有前置的抽象、部署，可以通过 `from metagpt.llm import LLM`，再使用`LLM().ask(prompt)`直接调用
+1. 大语言模型已经有前置的抽象、部署，可以通过 `import metagpt.llm as LLM`，再使用`LLM().ask(prompt)`直接调用
 2. Elastic已有[部署](http://192.168.50.82:9200/)，代码可以直接使用这个部署"""
 
 

tests/metagpt/test_llm.py

@@ -8,7 +8,7 @@
 
 import pytest
 
-from metagpt.llm import LLM
+import metagpt.llm as LLM
 
 
 @pytest.fixture()