5 分钟完成首次请求

安装 OpenAI SDK

我们的接口遵循标准的 chat.completions 协议，因此你可以使用首选语言的官方 SDK。对于 Python，通过 pip 安装该包。对于 Node.js，使用 npm。这些库开箱即用地处理序列化、重试和流式输出。

pip install openai

npm install openai

确保你使用的是 SDK 的较新版本，以支持 tool_choice 和 response_format 等所有参数。客户端库负责管理 HTTP 请求，因此你只需关注负载结构。

配置基础 URL 和密钥

将客户端指向我们的专用接口。你无需更改模型名称逻辑；我们期望你在请求中传递 model: "uncensored"。认证通过标头中传递的简单 API 密钥处理。

将 base_url 设置为 https://api.qwenapi.top/v1。在仪表板生成你的 qwen api key。密钥在注册后立即显示。初始设置无需手机号或信用卡。

基础对话补全请求

发送标准的补全请求。模型直接返回文本响应。没有复杂的路由层；你正在与一个专为无审查输出优化的单一实例进行交互。

下面是一个使用 curl 验证连接和响应格式的示例。

Copycurl https://api.qwenapi.top/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

响应包含在 choices[0].message.content 中生成的文本。你可以调整 temperature 和 top_p 等参数以控制创造性。

流式响应

对于实时 token 生成，请启用流式输出。服务器发送 Server-Sent Events (SSE)。最后一个 chunk 包含 token 使用统计，让你准确追踪额度消耗。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.qwenapi.top/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

流式输出对于长输出至关重要。你可以解析流并在 token 到达时进行渲染。SDK 会自动处理 SSE 解析。

函数调用支持

在请求中定义工具。模型返回结构化的工具调用。你执行该工具，将结果传回，模型继续运行。这与 tool_choice 和标准函数定义配合使用。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.qwenapi.top/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

JSON 模式也可通过 response_format 获得。当需要严格的 JSON 输出且无需工具开销时使用。

限制、错误与上下文

上下文窗口总计 100,000 token。每次请求最大输出 32,000 token（未指定时为 2,048）。速率限制为每分钟 300 次请求，每个 API 密钥 8 个并发请求。请求体必须保持在 8 MB 以下。

处理错误：401 表示密钥无效，402 表示额度不足，429 表示超出速率限制。查询错误不收费；你只为消耗的 token 付费。额度永不过期。如果发生重复扣款，请使用支持页面进行修复。

流式输出

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)