#文本对话
#请求字段
| 字段 | 类型 | 必填 | 说明 |
|---|---|---|---|
model | string | 是 | 模型名,从模型广场复制(区分大小写),命名规律见 模型说明 |
messages | array | 是 | 对话消息数组,每条含 role(system / user / assistant)和 content |
temperature | number | 否 | 采样温度,0~2,越高越随机,一般用 0.7 |
max_tokens | integer | 否 | 回复的最大 token 数 |
stream | boolean | 否 | true 时流式返回(SSE),默认 false |
#基本调用
cURL
Python (openai)
Node.js (openai)
curl https://api-model.shuntianchuang.cn/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer sk-你的令牌" \
-d '{
"model": "deepseek-v4-flash",
"messages": [
{ "role": "user", "content": "用一句话解释什么是 API 网关" }
],
"temperature": 0.7
}'from openai import OpenAI
client = OpenAI(
api_key="sk-你的令牌",
base_url="https://api-model.shuntianchuang.cn/v1",
)
response = client.chat.completions.create(
model="deepseek-v4-flash",
messages=[
{ "role": "user", "content": "用一句话解释什么是 API 网关" }
],
temperature=0.7,
)
print(response.choices[0].message.content)import OpenAI from 'openai';
const client = new OpenAI({
apiKey: 'sk-你的令牌',
baseURL: 'https://api-model.shuntianchuang.cn/v1',
});
const response = await client.chat.completions.create({
model: 'deepseek-v4-flash',
messages: [{ role: 'user', content: '用一句话解释什么是 API 网关' }],
temperature: 0.7,
});
console.log(response.choices[0].message.content);#流式调用
设置 "stream": true 后,服务端通过 SSE(Server-Sent Events)逐段推送内容,适合做打字机效果。每段以 data: 开头,全部推送完毕时收到 data: [DONE]。
cURL
Python (openai)
Node.js (openai)
# -N 关闭 curl 缓冲,实时看到流式输出
curl -N https://api-model.shuntianchuang.cn/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer sk-你的令牌" \
-d '{
"model": "deepseek-v4-flash",
"stream": true,
"messages": [
{ "role": "user", "content": "写一首关于春天的两行小诗" }
]
}'from openai import OpenAI
client = OpenAI(
api_key="sk-你的令牌",
base_url="https://api-model.shuntianchuang.cn/v1",
)
stream = client.chat.completions.create(
model="deepseek-v4-flash",
stream=True,
messages=[{ "role": "user", "content": "写一首关于春天的两行小诗" }],
)
for chunk in stream:
delta = chunk.choices[0].delta.content
if delta:
print(delta, end="", flush=True)import OpenAI from 'openai';
const client = new OpenAI({
apiKey: 'sk-你的令牌',
baseURL: 'https://api-model.shuntianchuang.cn/v1',
});
const stream = await client.chat.completions.create({
model: 'deepseek-v4-flash',
stream: true,
messages: [{ role: 'user', content: '写一首关于春天的两行小诗' }],
});
for await (const chunk of stream) {
const delta = chunk.choices[0]?.delta?.content;
if (delta) process.stdout.write(delta);
}TIP
客户端或代理必须支持 SSE(不能缓冲响应),否则流式输出会卡住直到超时,详见 常见问题。
#多轮对话
多轮对话不需要新参数:把历史消息按顺序 append 进 messages 数组即可。assistant 的历史回复也要原样带上,模型依靠完整上下文续写:
{
"model": "deepseek-v4-flash",
"messages": [
{ "role": "system", "content": "你是一个简洁的中文助手" },
{ "role": "user", "content": "什么是 API 网关?" },
{ "role": "assistant", "content": "API 网关是……" },
{ "role": "user", "content": "它和反向代理有什么区别?" }
]
}NOTE
每轮请求都会重新计费全部输入 token:对话越长,输入费用越高。及时裁剪历史消息或使用支持缓存价格的模型可以控制成本,详见 充值与计费。
