OpenAI 兼容 API 格式详解与实战

## 什么是 OpenAI 兼容 API

OpenAI Chat Completions 已经成为大模型 API 的事实标准。DeepSeek、Qwen、Claude、Gemini 等服务商都会提供一套与 OpenAI 格式兼容的接口,开发者只需要修改 `base_url`、`api_key` 和 `model`,就能用同一套代码调用不同模型。

核心接口通常是:

- 地址:`POST /v1/chat/completions` - 请求头:`Authorization: Bearer` - 请求体:`model`、`messages`、`temperature` 等 - 响应体:`choices[0].message.content`

## 请求示例

使用 `curl` 调用兼容接口:

```bash curl https://api.example.com/v1/chat/completions \ -H "Authorization: Bearer sk-xxxx" \ -H "Content-Type: application/json" \ -d '{ "model": "deepseek-chat", "messages": [ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "你好,请介绍你自己"} ], "temperature": 0.7 }' ```

返回结果中,我们通常读取:

```json { "choices": [ { "message": { "role": "assistant", "content": "你好!我是一个 AI 助手。" } } ] } ```

## 使用 Python SDK

安装 OpenAI Python SDK 后,可以直接修改 `base_url` 来对接兼容服务。

```python from openai import OpenAI

client = OpenAI( api_key="sk-xxxx", base_url="https://api.example.com/v1" )

resp = client.chat.completions.create( model="deepseek-chat", messages=[ {"role": "user", "content": "用一句话解释 Transformer"} ], temperature=0.7 )

print(resp.choices[0].message.content) ```

## 流式输出

流式输出适合聊天场景,只需要设置 `stream=True`。

```python stream = client.chat.completions.create( model="qwen-plus", messages=[ {"role": "user", "content": "写一首关于海的诗"} ], stream=True )

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

注意:流式响应中,最后一个 chunk 的 `choices` 可能为空,需要做判断。

## 多模型切换实战

将配置放在环境变量中,业务代码无需修改即可切换不同模型。

```python import os from openai import OpenAI

client = OpenAI( api_key=os.getenv("LLM_API_KEY"), base_url=os.getenv("LLM_BASE_URL") )

def chat(prompt): resp = client.chat.completions.create( model=os.getenv("LLM_MODEL", "gpt-4o-mini"), messages=[{"role": "user", "content": prompt}] ) return resp.choices[0].message.content

print(chat("什么是 API 中转站?")) ```

## 注意事项

- `base_url` 通常以 `/v1` 结尾,但部分中转站可能要求填写完整地址。 - 不同模型对 `system`、`user`、`assistant` 角色的支持略有差异。 - 建议用 `try-except` 捕获 `openai.APIError` 等异常,便于排查问题。 - 部分服务商支持 function calling、JSON mode,但字段可能与 OpenAI 略有不同。

## 推荐

如果你希望用一套 API 同时体验 DeepSeek、Qwen、Claude、Gemini 等模型,可以考虑 TokenPocket API 中转站(https://tokenpocket.site)。它完全兼容 OpenAI API 格式,按量计费,支持 USDT 直接支付,新用户注册还会赠送免费额度,适合开发测试和小规模生产环境。

Read more

Claude API 接入教程:编程与写作中的实战技巧

Claude API 在编程辅助、写作润色和内容生成场景中表现稳定。本文将用最小可用代码带你完成接入,并分享几个实战技巧。 ## 准备工作:获取 Key 与环境配置 调用 Claude API 需要 API Key。为了便于国内开发者使用,你可以直接从官方申请,也可以通过支持多模型的 API 中转站获取统一 Key。本文以 Python 的 `requests` 库为例,只需要安装: ```bash pip install requests ``` ## 基础调用:发送第一条消息 Claude 使用 `/v1/messages` 接口,核心参数包括 `model`、`max_tokens` 和 `messages`。下面是一个最小可运行示例: ```python import requests API_

By 罗本

ETH vs TRON 转账手续费对比:每年能省多少钱?

很多人在转账 USDT 时,习惯使用以太坊网络,却忽略了手续费这笔“隐形支出”。单看一笔似乎不多,但日积月累,尤其是在高频转账场景下,差距会非常大。今天我们就用 ETH 和 TRON 两个网络,算一笔明白账。 ## 一、单笔手续费差距有多大? 以太坊网络转账 USDT 需要使用 ETH 作为 Gas 费。Gas 费会随网络拥堵程度波动,普通时段一笔 ERC20 USDT 转账大约需要 3~8 美元,高峰期甚至可能超过 10~20 美元。 波场网络转账 USDT 或 USDD 则采用资源模型,主要消耗“能量”和“带宽”,通常用 TRX 来支付或质押获取资源。

By 罗本

AI API 按量计费 vs 包月套餐怎么选

很多开发者在接入大模型 API 时,第一个纠结的问题就是:到底选按量计费还是包月套餐?这并没有绝对答案,关键要看你的调用量是否稳定、可预测。简单结论是:开发测试、流量波动大、或刚上线的产品,优先选按量计费;生产环境流量稳定且量级较大时,再考虑包月套餐。 **先看你的调用曲线** 按量计费的核心优势是“用多少付多少”。假设你的应用每天只有几百次请求,或者某些时段会突然出现峰值,按量计费不会让你为闲置额度买单。包月套餐则适合那些请求量非常稳定、且每月至少消耗固定 token 量的团队。 我们可以用一段简单代码估算单次请求成本: ```python def estimate_cost(tokens_in, tokens_out, price_in, price_out): # 价格单位:美元 / 1M tokens return (tokens_in / 1_000_000) * price_in

By 罗本

自由职业者收款指南:用 USDT 波场网络零费用结算

自由职业者做跨境业务,最头疼的不是找客户,而是收款。传统银行电汇慢、手续费高,PayPal 又有提现损耗和风控问题。越来越多自由职业者开始用 USDT 稳定币结算,其中波场网络 USDT 因为速度快、地址简单、生态成熟,成了很多人的首选。今天就用一篇通俗指南,讲清楚如何用波场网络实现 USDT/USDD 零费用收款。 ## 为什么自由职业者适合用 USDT 结算 USDT 锚定美元,价格稳定,客户容易接受。自由职业者收款最怕两件事:一是币价波动吃掉利润,二是到账慢影响现金流。USDT 能解决波动问题,而波场网络转账通常几秒钟到几分钟就能完成,比传统跨境汇款快得多。 另外,波场网络地址是 T 开头的一串字符,比以太坊地址更短,复制时不容易出错。对于需要频繁向不同客户发收款地址的自由职业者来说,这一点很实用。 ## USDT 和 USDD 怎么选 USDT 是最通用的稳定币,几乎所有交易所和钱包都支持,

By 罗本