Chat 模型接口

本文档介绍了如何使用 Chat 模型 API 接口。我们提供了多种高质量的语言模型，包括 GPT-4、Gemini、DeepSeek、Qwen 等系列，您可以根据实际需求选择合适的模型。

接口地址

POST https://api.yunyx.top/v1/chat/completions

请求参数

参数名	类型	必选	说明
model	string	是	模型名称，可选值参考下方支持的模型列表
messages	array	是	对话消息数组
temperature	float	否	温度参数，控制输出的随机性，取值范围 0-2，默认 1
top_p	float	否	核采样参数，取值范围 0-1，默认 0.9
max_tokens	integer	否	最大输出长度，默认 4096
stream	boolean	否	是否启用流式输出，默认 false
tools	array	否	工具函数数组，参考下方 Function Calling 部分

messages 数组格式

每个消息对象包含以下字段：

字段	类型	说明
role	string	角色，可选值：system/user/assistant/tool
content	string	消息内容

支持的模型

GPT-4 系列
- chatgpt-4o-latest
- gpt-4o
- gpt-4o-mini
Gemini 系列
- gemini-1.5-pro-latest
- gemini-1.5-pro
- gemini-1.0-pro
DeepSeek 系列
- DeepSeek-V2.5
- deepseek-chat
- deepseek-reasoner
Qwen 系列
- QVQ-72B-Preview
- Qwen2.5-72B-Instruct
- Qwen2.5-Coder-32B-Instruct
其他模型
- glm-4-9b-chat
- llama-3.2-90b-vision
- llama-3.1-70b

示例代码

Python

import requests

url = "https://api.yunyx.top/v1/chat/completions"
headers = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
}
data = {
    "model": "gemini-1.5-pro-latest",
    "messages": [
        {"role": "user", "content": "你好，请介绍一下你自己。"}
    ],
    "temperature": 0.7
}

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

Node.js

const axios = require('axios');

const url = 'https://api.yunyx.top/v1/chat/completions';
const headers = {
    'Authorization': 'Bearer YOUR_API_KEY',
    'Content-Type': 'application/json'
};
const data = {
    model: 'gemini-1.5-pro-latest',
    messages: [
        {role: 'user', content: '你好，请介绍一下你自己。'}
    ],
    temperature: 0.7
};

axios.post(url, data, {headers})
    .then(response => console.log(response.data))
    .catch(error => console.error(error));

流式输出示例

Python

import requests

url = "https://api.yunyx.top/v1/chat/completions"
headers = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
}
data = {
    "model": "gemini-1.5-pro-latest",
    "messages": [
        {"role": "user", "content": "你好，请介绍一下你自己。"}
    ],
    "stream": True
}

response = requests.post(url, headers=headers, json=data, stream=True)
for line in response.iter_lines():
    if line:
        print(line.decode())

Node.js

const axios = require('axios');

    const url = 'https://api.yunyx.top/v1/chat/completions';
const headers = {
    'Authorization': 'Bearer YOUR_API_KEY',
    'Content-Type': 'application/json'
};
const data = {
    model: 'gemini-1.5-pro-latest',
    messages: [
        {role: 'user', content: '你好，请介绍一下你自己。'}
    ],
    stream: true
};

axios.post(url, data, {
    headers,
    responseType: 'stream'
})
.then(response => {
    response.data.on('data', chunk => {
        console.log(chunk.toString());
    });
})
.catch(error => console.error(error));

Function Calling

Function Calling 让模型能够调用外部工具，来增强自身能力。通过定义工具函数，模型可以根据对话内容自动选择和调用合适的工具来完成任务。

支持的模型

GPT-4 系列（全系列支持）
- chatgpt-4o-latest
- gpt-4o
- gpt-4o-mini
Gemini 系列（全系列支持）
- gemini-1.5-pro-latest
- gemini-1.5-pro
- gemini-1.0-pro
DeepSeek 系列
- deepseek-chat（注意：当前版本 Function Calling 功能效果不稳定，会出现循环调用、空回复的情况。官方正在积极修复中，预计将在下一个版本中得到修复）

请求参数

在请求中添加 tools 参数来定义可用的工具函数：

{
    "model": "gemini-1.5-pro-latest",
    "messages": [
        {"role": "user", "content": "杭州今天的天气怎么样？"}
    ],
    "tools": [
        {
            "type": "function",
            "function": {
                "name": "get_weather",
                "description": "获取指定位置的天气信息",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "location": {
                            "type": "string",
                            "description": "城市名称，例如：杭州"
                        }
                    },
                    "required": ["location"]
                }
            }
        }
    ]
}

示例代码

Python

from openai import OpenAI
import json

# 初始化客户端
client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.yunyx.top"
)

# 定义工具函数
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定位置的天气信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "城市名称，例如：杭州"
                    }
                },
                "required": ["location"]
            }
        }
    }
]

def send_messages(messages):
    response = client.chat.completions.create(
        model="gemini-1.5-pro-latest",
        messages=messages,
        tools=tools
    )
    return response.choices[0].message

# 开始对话
messages = [{"role": "user", "content": "杭州今天的天气怎么样？"}]
print(f"用户> {messages[0]['content']}")

# 获取模型响应
message = send_messages(messages)
messages.append(message)

# 处理函数调用
if message.tool_calls:
    tool = message.tool_calls[0]
    # 这里实现实际的天气查询逻辑
    weather_info = "24℃"  # 示例返回值
    
    # 将函数执行结果返回给模型
    messages.append({
        "role": "tool",
        "tool_call_id": tool.id,
        "content": weather_info
    })
    
    # 获取最终响应
    final_message = send_messages(messages)
    print(f"助手> {final_message.content}")

Node.js

const { OpenAI } = require('openai');

// 初始化客户端
const client = new OpenAI({
    apiKey: 'YOUR_API_KEY',
    baseURL: 'https://api.yunyx.top'
});

// 定义工具函数
const tools = [
    {
        type: 'function',
        function: {
            name: 'get_weather',
            description: '获取指定位置的天气信息',
            parameters: {
                type: 'object',
                properties: {
                    location: {
                        type: 'string',
                        description: '城市名称，例如：杭州'
                    }
                },
                required: ['location']
            }
        }
    }
];

async function sendMessages(messages) {
    const response = await client.chat.completions.create({
        model: 'gemini-1.5-pro-latest',
        messages: messages,
        tools: tools
    });
    return response.choices[0].message;
}

async function chat() {
    try {
        // 开始对话
        const messages = [{ role: 'user', content: '杭州今天的天气怎么样？' }];
        console.log(`用户> ${messages[0].content}`);

        // 获取模型响应
        const message = await sendMessages(messages);
        messages.push(message);

        // 处理函数调用
        if (message.tool_calls) {
            const tool = message.tool_calls[0];
            // 这里实现实际的天气查询逻辑
            const weatherInfo = '24℃'; // 示例返回值

            // 将函数执行结果返回给模型
            messages.push({
                role: 'tool',
                tool_call_id: tool.id,
                content: weatherInfo
            });

            // 获取最终响应
            const finalMessage = await sendMessages(messages);
            console.log(`助手> ${finalMessage.content}`);
        }
    } catch (error) {
        console.error('Error:', error);
    }
}

chat();

执行流程说明

用户发送询问天气的消息
模型识别需要获取天气信息，调用 get_weather 函数
程序执行 get_weather 函数获取天气数据
将天气数据返回给模型
模型生成最终的自然语言响应

错误码说明

错误码	说明
400	请求参数错误
401	认证失败
402	余额不足
403	访问被拒绝
404	模型不存在
429	请求过于频繁
500	服务器内部错误

注意事项

请合理设置 temperature 和 top_p 参数，这会影响模型输出的质量和多样性
建议使用流式输出获得更好的交互体验
请妥善保管 API Key，不要泄露给他人
如遇到问题，请参考错误码说明或联系客服
Function Calling 功能仅在支持的模型中可用
GPT-4 系列和 Gemini 系列的 Function Calling 功能稳定可靠
DeepSeek Chat 模型的 Function Calling 功能当前版本不稳定，建议等待后续版本更新
工具函数定义需要符合 OpenAPI Schema 规范
建议在函数描述中使用中文，可以提高模型理解和调用的准确性
模型不会实际执行函数，具体的函数实现需要由开发者提供
处理函数调用时要注意异常处理，确保程序的健壮性

接口地址​

请求参数​

messages 数组格式​

支持的模型​

示例代码​

Python​

Node.js​

流式输出示例​

Python​

Node.js​

Function Calling​

支持的模型​

请求参数​

示例代码​

Python​

Node.js​

执行流程说明​

错误码说明​

注意事项​

接口地址

请求参数

messages 数组格式

支持的模型

示例代码

Python

Node.js

流式输出示例

Python

Node.js

Function Calling

支持的模型

请求参数

示例代码

Python

Node.js

执行流程说明

错误码说明

注意事项