API 开发文档 - 老张API

为什么选择老张API？

老张API提供企业级AI技术API接入服务，解决开发者在使用多个AI模型时的支付门槛和接口统一问题。

服务特色

OpenAI 兼容模式

老张API采用 OpenAI 兼容格式，统一接口调用200+AI模型： 支持的模型厂商：

🤖 OpenAI：gpt-5.6、gpt-5.6-terra、gpt-5.6-luna、gpt-5.1-codex 等
🧠 Anthropic：claude-sonnet-5、claude-opus-4-8、claude-fable-5 等
💎 Google：gemini-3.6-flash、gemini-3.5-flash-lite、gemini-3.1-pro-preview 等
🚀 xAI：grok-4.5、grok-4.3、grok-4.20 系列等
🔍 DeepSeek：deepseek-v4-pro、deepseek-v4-flash 等
🌟 阿里：Qwen 系列模型
💬 Moonshot：Kimi 模型等

模型是否可调用取决于当前账号、令牌分组和线路。正式接入前请在控制台模型与价格页面确认准确模型 ID、实时价格和开放状态。

功能支持范围

✅ 支持的功能：

💬 对话补全：Chat Completions接口
🖼️ 图像生成：gpt-image-2、flux-kontext-pro、flux-kontext-max 等
🔊 语音处理：Whisper转录
📊 嵌入向量：文本向量化
⚡ 函数调用：Function Calling
📡 流式输出：实时响应
🔧 OpenAI参数：temperature、top_p、max_tokens等
🆕 Responses端点：OpenAI最新功能

❌ 不支持的功能：

🔧 微调接口（Fine-tuning）
📁 Files管理接口
🏢 组织管理接口
💳 计费管理接口

简单切换模型

核心优势：一套代码，多种模型 用OpenAI格式跑通后，只要更换模型名称即可切换到其他大模型：

# 使用 GPT-5.6
response = client.chat.completions.create(
    model="gpt-5.6",  # OpenAI模型
    messages=[...]
)

# 切换到Claude，其他代码完全不变！
response = client.chat.completions.create(
    model="claude-sonnet-5",  # 只改模型名
    messages=[...]
)

# 切换到Gemini
response = client.chat.completions.create(
    model="gemini-3.6-flash",  # 只改模型名
    messages=[...]
)

这种设计让您可以轻松对比不同模型的效果，或根据成本和性能需求灵活切换模型，无需重写代码！

快速开始 - API 技术接入

获取 API Key

账号注册用于 API 技术接入测试与企业系统集成。laozhang.ai 由新加坡公司 YingTu Technology Pte. Ltd. 运营，注册与服务可用性以企业白名单审核为准；企业用户如需注册，请发送邮件至 hi@laozhang.ai 联系客服申请白名单开通。

访问老张API控制台
登录您的账户
在令牌管理页面点击”新增”创建API Key
复制生成的API Key用于接口调用

查看请求示例

在令牌管理页面，您可以快速获取各种编程语言的代码示例： 操作步骤：

进入令牌管理页面
找到您要使用的API Key所在的行
点击”操作”列中的🔧小扳手图标（工具图标）
在弹出菜单中选择”请求示例”
查看包含以下语言的完整代码示例：

支持的编程语言：

cURL - 命令行测试
Python (SDK) - 使用官方OpenAI库
Python (requests) - 使用requests库
Node.js - JavaScript/TypeScript
Java - Java应用开发
C# - .NET应用开发
Go - Go语言开发
PHP - Web开发
Ruby - Ruby应用开发
以及更多语言…

代码示例特点：

✅ 完整可运行：复制粘贴即可使用
✅ 参数说明：详细的参数配置
✅ 错误处理：包含异常处理逻辑
✅ 最佳实践：遵循各语言开发规范

建议开发者优先查看后台的请求示例，这些示例会根据最新的API版本实时更新，确保代码的准确性和可用性。

基础信息

API 端点

主要端点：https://api2.laozhang.ai/v1（推荐，全球加速）
备用端点：https://api-vip.laozhang.ai/v1（海外服务器可直连）

api2.laozhang.ai 配置了全球加速的宽带节点，建议优先使用。api-vip.laozhang.ai 仅作为备用域名，适合海外服务器直连，如遇不稳定请切换回主域名。

认证方式

所有 API 请求需要在 Header 中包含认证信息：

Authorization: Bearer YOUR_API_KEY

请求格式

Content-Type：application/json
编码格式：UTF-8
请求方法：POST（大部分接口）

核心接口

1. 对话补全（Chat Completions）

创建一个对话补全请求，支持多轮对话。 请求端点

POST /v1/chat/completions

请求参数

参数	类型	必填	说明
model	string	是	模型名称，如 `gemini-3.6-flash`
messages	array	是	对话消息数组
temperature	number	否	采样温度，0-2之间，默认1
max_tokens	integer	否	最大生成令牌数
stream	boolean	否	是否流式返回，默认false
top_p	number	否	核采样参数，0-1之间
n	integer	否	生成数量，默认1
stop	string/array	否	停止序列
presence_penalty	number	否	存在惩罚，-2到2之间
frequency_penalty	number	否	频率惩罚，-2到2之间

消息格式

{
  "role": "system|user|assistant",
  "content": "消息内容"
}

完整代码示例

curl -X POST "https://api2.laozhang.ai/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.6-flash",
    "messages": [
      {"role": "system", "content": "你是一个有用的AI助手。"},
      {"role": "user", "content": "你好！请介绍一下自己。"}
    ],
    "temperature": 0.7,
    "max_tokens": 1000
  }'

from openai import OpenAI

# 初始化客户端
client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api2.laozhang.ai/v1"
)

# 发送聊天请求
response = client.chat.completions.create(
    model="gemini-3.6-flash",
    messages=[
        {"role": "system", "content": "你是一个有用的AI助手。"},
        {"role": "user", "content": "你好！请介绍一下自己。"}
    ],
    temperature=0.7,
    max_tokens=1000
)

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

import requests
import json

url = "https://api2.laozhang.ai/v1/chat/completions"
headers = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
}

data = {
    "model": "gemini-3.6-flash",
    "messages": [
        {"role": "system", "content": "你是一个有用的AI助手。"},
        {"role": "user", "content": "你好！请介绍一下自己。"}
    ],
    "temperature": 0.7,
    "max_tokens": 1000
}

response = requests.post(url, headers=headers, json=data)
result = response.json()

if response.status_code == 200:
    print(result["choices"][0]["message"]["content"])
else:
    print(f"错误: {result}")

const OpenAI = require('openai');

const client = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'https://api2.laozhang.ai/v1'
});

async function chatCompletion() {
  try {
    const response = await client.chat.completions.create({
      model: 'gemini-3.6-flash',
      messages: [
        {"role": "system", "content": "你是一个有用的AI助手。"},
        {"role": "user", "content": "你好！请介绍一下自己。"}
      ],
      temperature: 0.7,
      max_tokens: 1000
    });

    console.log(response.choices[0].message.content);
  } catch (error) {
    console.error('API调用错误:', error);
  }
}

chatCompletion();

import okhttp3.*;
import com.google.gson.Gson;
import java.io.IOException;
import java.util.*;

public class LaoZhangExample {
    private static final String API_KEY = "YOUR_API_KEY";
    private static final String BASE_URL = "https://api2.laozhang.ai/v1";

    public static void main(String[] args) throws IOException {
        OkHttpClient client = new OkHttpClient();
        Gson gson = new Gson();

        // 构建请求体
        Map<String, Object> requestBody = new HashMap<>();
        requestBody.put("model", "gemini-3.6-flash");
        requestBody.put("temperature", 0.7);
        requestBody.put("max_tokens", 1000);

        List<Map<String, String>> messages = Arrays.asList(
            Map.of("role", "system", "content", "你是一个有用的AI助手。"),
            Map.of("role", "user", "content", "你好！请介绍一下自己。")
        );
        requestBody.put("messages", messages);

        RequestBody body = RequestBody.create(
            gson.toJson(requestBody),
            MediaType.parse("application/json")
        );

        Request request = new Request.Builder()
            .url(BASE_URL + "/chat/completions")
            .addHeader("Authorization", "Bearer " + API_KEY)
            .addHeader("Content-Type", "application/json")
            .post(body)
            .build();

        try (Response response = client.newCall(request).execute()) {
            System.out.println(response.body().string());
        }
    }
}

using System;
using System.Net.Http;
using System.Text;
using System.Threading.Tasks;
using Newtonsoft.Json;

class Program
{
    private static readonly string API_KEY = "YOUR_API_KEY";
    private static readonly string BASE_URL = "https://api2.laozhang.ai/v1";

    static async Task Main(string[] args)
    {
        using var client = new HttpClient();
        client.DefaultRequestHeaders.Add("Authorization", $"Bearer {API_KEY}");

        var requestBody = new
        {
            model = "gemini-3.6-flash",
            messages = new[]
            {
                new { role = "system", content = "你是一个有用的AI助手。" },
                new { role = "user", content = "你好！请介绍一下自己。" }
            },
            temperature = 0.7,
            max_tokens = 1000
        };

        var json = JsonConvert.SerializeObject(requestBody);
        var content = new StringContent(json, Encoding.UTF8, "application/json");

        try
        {
            var response = await client.PostAsync($"{BASE_URL}/chat/completions", content);
            var result = await response.Content.ReadAsStringAsync();
            Console.WriteLine(result);
        }
        catch (Exception ex)
        {
            Console.WriteLine($"错误: {ex.Message}");
        }
    }
}

package main

import (
    "bytes"
    "encoding/json"
    "fmt"
    "io/ioutil"
    "net/http"
)

type Message struct {
    Role    string `json:"role"`
    Content string `json:"content"`
}

type ChatRequest struct {
    Model       string    `json:"model"`
    Messages    []Message `json:"messages"`
    Temperature float64   `json:"temperature"`
    MaxTokens   int       `json:"max_tokens"`
}

func main() {
    apiKey := "YOUR_API_KEY"
    baseURL := "https://api2.laozhang.ai/v1"

    reqData := ChatRequest{
        Model: "gemini-3.6-flash",
        Messages: []Message{
            {Role: "system", Content: "你是一个有用的AI助手。"},
            {Role: "user", Content: "你好！请介绍一下自己。"},
        },
        Temperature: 0.7,
        MaxTokens:   1000,
    }

    jsonData, _ := json.Marshal(reqData)

    req, _ := http.NewRequest("POST", baseURL+"/chat/completions", bytes.NewBuffer(jsonData))
    req.Header.Set("Authorization", "Bearer "+apiKey)
    req.Header.Set("Content-Type", "application/json")

    client := &http.Client{}
    resp, err := client.Do(req)
    if err != nil {
        fmt.Printf("请求错误: %v\n", err)
        return
    }
    defer resp.Body.Close()

    body, _ := ioutil.ReadAll(resp.Body)
    fmt.Println(string(body))
}

<?php
$api_key = 'YOUR_API_KEY';
$base_url = 'https://api2.laozhang.ai/v1';

$data = array(
    'model' => 'gemini-3.6-flash',
    'messages' => array(
        array('role' => 'system', 'content' => '你是一个有用的AI助手。'),
        array('role' => 'user', 'content' => '你好！请介绍一下自己。')
    ),
    'temperature' => 0.7,
    'max_tokens' => 1000
);

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $base_url . '/chat/completions');
curl_setopt($ch, CURLOPT_POST, 1);
curl_setopt($ch, CURLOPT_POSTFIELDS, json_encode($data));
curl_setopt($ch, CURLOPT_HTTPHEADER, array(
    'Authorization: Bearer ' . $api_key,
    'Content-Type: application/json'
));
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);

$response = curl_exec($ch);
$http_code = curl_getinfo($ch, CURLINFO_HTTP_CODE);
curl_close($ch);

if ($http_code == 200) {
    $result = json_decode($response, true);
    echo $result['choices'][0]['message']['content'];
} else {
    echo "错误: " . $response;
}
?>

require 'net/http'
require 'json'

api_key = 'YOUR_API_KEY'
base_url = 'https://api2.laozhang.ai/v1'

uri = URI("#{base_url}/chat/completions")
http = Net::HTTP.new(uri.host, uri.port)
http.use_ssl = true

request = Net::HTTP::Post.new(uri)
request['Authorization'] = "Bearer #{api_key}"
request['Content-Type'] = 'application/json'

request.body = {
  model: 'gemini-3.6-flash',
  messages: [
    { role: 'system', content: '你是一个有用的AI助手。' },
    { role: 'user', content: '你好！请介绍一下自己。' }
  ],
  temperature: 0.7,
  max_tokens: 1000
}.to_json

response = http.request(request)

if response.code == '200'
  result = JSON.parse(response.body)
  puts result['choices'][0]['message']['content']
else
  puts "错误: #{response.body}"
end

响应示例

{
  "id": "chatcmpl-123",
  "object": "chat.completion",
  "created": 1699000000,
  "model": "gemini-3.6-flash",
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "content": "Hello! How can I help you today?"
    },
    "finish_reason": "stop"
  }],
  "usage": {
    "prompt_tokens": 20,
    "completion_tokens": 10,
    "total_tokens": 30
  }
}

2. 文本补全（Completions）

为兼容旧版接口保留，建议使用 Chat Completions。 请求端点

POST /v1/completions

请求参数

参数	类型	必填	说明
model	string	是	模型名称
prompt	string/array	是	提示文本
max_tokens	integer	否	最大生成长度
temperature	number	否	采样温度
top_p	number	否	核采样参数
n	integer	否	生成数量
stream	boolean	否	流式输出
stop	string/array	否	停止序列

3. 嵌入向量（Embeddings）

将文本转换为向量表示。 请求端点

POST /v1/embeddings

请求参数

参数	类型	必填	说明
model	string	是	模型名称，如 `text-embedding-3-small`
input	string/array	是	输入文本
encoding_format	string	否	编码格式，`float` 或 `base64`

完整代码示例

cURL
Python (SDK)
Python (requests)
Node.js

curl -X POST "https://api2.laozhang.ai/v1/embeddings" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-small",
    "input": "这是一段需要向量化的文本示例"
  }'

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api2.laozhang.ai/v1"
)

response = client.embeddings.create(
    model="text-embedding-3-small",
    input="这是一段需要向量化的文本示例"
)

# 获取向量
embedding = response.data[0].embedding
print(f"向量维度: {len(embedding)}")
print(f"前5个值: {embedding[:5]}")

import requests
import json

url = "https://api2.laozhang.ai/v1/embeddings"
headers = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
}

data = {
    "model": "text-embedding-3-small",
    "input": "这是一段需要向量化的文本示例"
}

response = requests.post(url, headers=headers, json=data)
result = response.json()

if response.status_code == 200:
    embedding = result["data"][0]["embedding"]
    print(f"向量维度: {len(embedding)}")
    print(f"向量值: {embedding[:5]}")  # 显示前5个值
else:
    print(f"错误: {result}")

const OpenAI = require('openai');

const client = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'https://api2.laozhang.ai/v1'
});

async function getEmbedding() {
  try {
    const response = await client.embeddings.create({
      model: 'text-embedding-3-small',
      input: '这是一段需要向量化的文本示例'
    });

    const embedding = response.data[0].embedding;
    console.log(`向量维度: ${embedding.length}`);
    console.log(`前5个值: ${embedding.slice(0, 5)}`);
  } catch (error) {
    console.error('API调用错误:', error);
  }
}

getEmbedding();

4. 图像生成（Images）

生成、编辑或变换图像。 生成图像

POST /v1/images/generations

请求参数

参数	类型	必填	说明
model	string	是	模型名称，推荐 `gpt-image-2`
prompt	string	是	图像描述提示词
n	integer	否	生成数量，默认1
size	string	否	图像尺寸：`1024x1024`, `1792x1024`, `1024x1792`
quality	string	否	质量：`standard` 或 `hd`
style	string	否	风格：`vivid` 或 `natural`

推荐使用 gpt-image-2 模型进行图像生成。更多图像生成功能和参数说明，请查看 GPT图像生成详细文档。

完整代码示例

cURL
Python (SDK)
Node.js

curl -X POST "https://api2.laozhang.ai/v1/images/generations" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2",
    "prompt": "一只可爱的橙色小猫坐在阳光明媚的花园里",
    "n": 1,
    "size": "1024x1024",
    "quality": "hd"
  }'

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api2.laozhang.ai/v1"
)

response = client.images.generate(
    model="gpt-image-2",  # 推荐使用gpt-image-2
    prompt="一只可爱的橙色小猫坐在阳光明媚的花园里",
    n=1,
    size="1024x1024",
    quality="hd"
)

# 获取图片URL
image_url = response.data[0].url
print(f"生成的图片: {image_url}")

# 下载图片
import requests
img_response = requests.get(image_url)
with open("generated_image.png", "wb") as f:
    f.write(img_response.content)
print("图片已保存为 generated_image.png")

const OpenAI = require('openai');
const fs = require('fs');

const client = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'https://api2.laozhang.ai/v1'
});

async function generateImage() {
  try {
    const response = await client.images.generate({
      model: 'gpt-image-2',  // 推荐使用gpt-image-2
      prompt: '一只可爱的橙色小猫坐在阳光明媚的花园里',
      n: 1,
      size: '1024x1024',
      quality: 'hd'
    });

    const imageUrl = response.data[0].url;
    console.log('生成的图片:', imageUrl);

    // 下载图片
    const fetch = require('node-fetch');
    const imgResponse = await fetch(imageUrl);
    const buffer = await imgResponse.buffer();
    fs.writeFileSync('generated_image.png', buffer);
    console.log('图片已保存');

  } catch (error) {
    console.error('生成图片错误:', error);
  }
}

generateImage();

5. 音频转文字（Audio）

语音识别和转录。 转录音频

POST /v1/audio/transcriptions

请求参数（Form-Data）

参数	类型	必填	说明
file	file	是	音频文件
model	string	是	模型名称，如 `whisper-1`
language	string	否	语言代码
prompt	string	否	指导提示
response_format	string	否	响应格式
temperature	number	否	采样温度

6. 模型列表

获取可用模型列表。 请求端点

GET /v1/models

响应示例

{
  "object": "list",
  "data": [
    {
      "id": "gemini-3.6-flash",
      "object": "model",
      "created": 1677610602,
      "owned_by": "google"
    },
    {
      "id": "claude-sonnet-5",
      "object": "model",
      "created": 1687882411,
      "owned_by": "anthropic"
    }
  ]
}

流式响应

开启流式输出

在请求中设置 stream: true：

{
  "model": "gemini-3.6-flash",
  "messages": [{"role": "user", "content": "Hello"}],
  "stream": true
}

流式响应格式

响应将以 Server-Sent Events (SSE) 格式返回：

data: {"id":"chatcmpl-123","object":"chat.completion.chunk","created":1699000000,"model":"gemini-3.6-flash","choices":[{"delta":{"content":"Hello"},"index":0}]}

data: {"id":"chatcmpl-123","object":"chat.completion.chunk","created":1699000000,"model":"gemini-3.6-flash","choices":[{"delta":{"content":" there"},"index":0}]}

data: [DONE]

处理流式响应

Python
JavaScript

import requests
import json

response = requests.post(
    'https://api2.laozhang.ai/v1/chat/completions',
    headers={
        'Authorization': f'Bearer {api_key}',
        'Content-Type': 'application/json'
    },
    json={
        'model': 'gemini-3.6-flash',
        'messages': [{'role': 'user', 'content': 'Hello'}],
        'stream': True
    },
    stream=True
)

for line in response.iter_lines():
    if line:
        line = line.decode('utf-8')
        if line.startswith('data: '):
            data = line[6:]
            if data != '[DONE]':
                chunk = json.loads(data)
                content = chunk['choices'][0]['delta'].get('content', '')
                print(content, end='')

const response = await fetch('https://api2.laozhang.ai/v1/chat/completions', {
  method: 'POST',
  headers: {
    'Authorization': `Bearer ${apiKey}`,
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'gemini-3.6-flash',
    messages: [{role: 'user', content: 'Hello'}],
    stream: true
  })
});

const reader = response.body.getReader();
const decoder = new TextDecoder();

while (true) {
  const {done, value} = await reader.read();
  if (done) break;

  const chunk = decoder.decode(value);
  const lines = chunk.split('\n');

  for (const line of lines) {
    if (line.startsWith('data: ')) {
      const data = line.slice(6);
      if (data !== '[DONE]') {
        const json = JSON.parse(data);
        const content = json.choices[0].delta.content || '';
        process.stdout.write(content);
      }
    }
  }
}

错误处理

错误响应格式

{
  "error": {
    "message": "Invalid API key provided",
    "type": "invalid_request_error",
    "param": null,
    "code": "invalid_api_key"
  }
}

常见错误码

错误码	HTTP状态码	说明
invalid_api_key	401	API密钥无效
insufficient_quota	429	额度不足
model_not_found	404	模型不存在
invalid_request_error	400	请求参数错误
server_error	500	服务器内部错误
rate_limit_exceeded	429	请求频率过高

错误处理示例

try:
    response = client.chat.completions.create(
        model="gemini-3.6-flash",
        messages=[{"role": "user", "content": "Hello"}]
    )
except Exception as e:
    if hasattr(e, 'status_code'):
        if e.status_code == 401:
            print("API密钥无效")
        elif e.status_code == 429:
            print("请求过于频繁或额度不足")
        elif e.status_code == 500:
            print("服务器错误，请稍后重试")
    else:
        print(f"未知错误：{str(e)}")

最佳实践

1. 请求优化

合理设置 max_tokens：避免不必要的长输出
使用 temperature：控制输出的随机性
批量处理：合并多个请求减少调用次数

2. 错误重试

实现指数退避的重试机制：

import time
import random

def retry_with_backoff(func, max_retries=3):
    for i in range(max_retries):
        try:
            return func()
        except Exception as e:
            if i == max_retries - 1:
                raise e
            wait_time = (2 ** i) + random.uniform(0, 1)
            time.sleep(wait_time)

3. 安全建议

保护API密钥：使用环境变量存储
限制权限：为不同应用创建不同的密钥
监控使用：定期检查API使用日志

4. 性能优化

使用流式输出：提升用户体验
缓存响应：对相同请求缓存结果
并发控制：合理控制并发请求数

速率限制

RPM、TPM 和并发限制会随模型、令牌分组、线路和账户配置变化，不使用统一固定值。请在控制台确认当前限制，并以渐进方式提高生产流量。超出当前限制时通常会返回 429。客户端应读取错误信息，采用指数退避并限制重试次数；不要在未确认模型可用性和账户额度前持续重试。

需要帮助？

访问老张API官网
查看支持的模型
联系技术支持：hi@laozhang.ai

本手册持续更新中，请关注最新版本以获取新功能和改进。

​为什么选择老张API？

​服务特色

​OpenAI 兼容模式

​功能支持范围

​简单切换模型

​快速开始 - API 技术接入

​获取 API Key

​查看请求示例

​基础信息

​API 端点

​认证方式

​请求格式

​核心接口

​1. 对话补全（Chat Completions）

​2. 文本补全（Completions）

​3. 嵌入向量（Embeddings）

​4. 图像生成（Images）

​5. 音频转文字（Audio）

​6. 模型列表

​流式响应

​开启流式输出

​流式响应格式

​处理流式响应

​错误处理

​错误响应格式

​常见错误码

​错误处理示例

​最佳实践

​1. 请求优化

​2. 错误重试

​3. 安全建议

​4. 性能优化

​速率限制

​需要帮助？

为什么选择老张API？

服务特色

OpenAI 兼容模式

功能支持范围

简单切换模型

快速开始 - API 技术接入

获取 API Key

查看请求示例

基础信息

API 端点

认证方式

请求格式

核心接口

1. 对话补全（Chat Completions）

2. 文本补全（Completions）

3. 嵌入向量（Embeddings）

4. 图像生成（Images）

5. 音频转文字（Audio）

6. 模型列表

流式响应

开启流式输出

流式响应格式

处理流式响应

错误处理

错误响应格式

常见错误码

错误处理示例

最佳实践

1. 请求优化

2. 错误重试

3. 安全建议

4. 性能优化

速率限制

需要帮助？