快速开始

下载 Markdown ↓

准备账户、密钥和模型 ID，发出你的第一个请求。

1. 准备账户#

在平台首页注册或登录。按页面要求完成邮箱或手机验证，在钱包确认可用余额。平台是否开放手机注册、短信登录和具体支付方式，由当前配置决定。

2. 创建 API 密钥#

进入控制台的密钥管理，创建一个供本次接入使用的密钥。设置正确的分组、模型范围、有效期和额度。复制密钥后保存在你的服务端环境变量中。

3. 选择模型并设置环境变量#

从模型广场选择支持文本对话的可用模型，复制完整 ID。下面的命令适用于 Bash，包括 Linux、macOS 和 Windows 的 WSL；请替换两个占位值。

bash

export XINGSUAN_API_KEY='YOUR_API_KEY'
export XINGSUAN_MODEL='YOUR_MODEL_ID'

Windows PowerShell 使用下面的环境变量写法，之后运行本页 Python 或 Node.js 示例。Bash 的反斜杠换行命令不能原样粘贴进 PowerShell。

powershell

$env:XINGSUAN_API_KEY = 'YOUR_API_KEY'
$env:XINGSUAN_MODEL = 'YOUR_MODEL_ID'

4. 查看密钥可访问的模型#

下面的 Bash 命令只查询模型列表，不提交模型生成请求。

bash

curl 'https://api.xsopc.com/v1/models' \
  -H "Authorization: Bearer $XINGSUAN_API_KEY"

5. 发出文本请求#

下面的 Bash 命令会产生一次模型调用；成功调用按当前模型价格计费。

bash

curl 'https://api.xsopc.com/v1/chat/completions' \
  -H "Authorization: Bearer $XINGSUAN_API_KEY" \
  -H 'Content-Type: application/json' \
  --data-binary @- <<JSON
{
  "model": "$XINGSUAN_MODEL",
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}
JSON

典型响应包含 choices 和 usage；实际文字与 token 数会不同。

json

{
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello!"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 12,
    "completion_tokens": 4,
    "total_tokens": 16
  }
}

Python 示例#

使用 Python 3 标准库即可运行，无需安装额外 SDK。先设置上面的环境变量。

python

import json
import os
import urllib.request

body = {
    "model": os.environ["XINGSUAN_MODEL"],
    "messages": [{"role": "user", "content": "Hello"}],
}
request = urllib.request.Request(
    "https://api.xsopc.com/v1/chat/completions",
    data=json.dumps(body).encode("utf-8"),
    headers={
        "Authorization": "Bearer " + os.environ["XINGSUAN_API_KEY"],
        "Content-Type": "application/json",
    },
)
with urllib.request.urlopen(request, timeout=120) as response:
    result = json.load(response)
print(result["choices"][0]["message"]["content"])

JavaScript 示例#

在支持内置 fetch 的 Node.js 中，保存为 demo.mjs 后运行 node demo.mjs。代码应运行在服务端，避免将密钥打包进浏览器。

javascript

const response = await fetch('https://api.xsopc.com/v1/chat/completions', {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.XINGSUAN_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    model: process.env.XINGSUAN_MODEL,
    messages: [{ role: 'user', content: 'Hello' }],
  }),
  signal: AbortSignal.timeout(120_000),
})
if (!response.ok) throw new Error(`HTTP ${response.status}`)
const data = await response.json()
console.log(data.choices[0].message.content)

下一步#

需要逐步显示模型输出时，阅读文本与流式输出；遇到报错时，先核对 HTTP 状态码、模型 ID、密钥分组和余额，再查看错误排查。