对话补全（非流式）

curl https://api.nodylink.com/v1/chat/completions \
  -H "Authorization: Bearer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6",
    "messages": [
      {"role": "system", "content": "你是一个专业的 AI 助手。"},
      {"role": "user", "content": "用一句话介绍你自己。"}
    ]
  }'

from openai import OpenAI

client = OpenAI(base_url="https://api.nodylink.com/v1", api_key="sk-你的密钥")

resp = client.chat.completions.create(
    model="gpt-6",
    messages=[
        {"role": "system", "content": "你是一个专业的 AI 助手。"},
        {"role": "user", "content": "用一句话介绍你自己。"},
    ],
)

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

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.nodylink.com/v1",
  apiKey: "sk-你的密钥",
});

const resp = await client.chat.completions.create({
  model: "gpt-6",
  messages: [
    { role: "system", content: "你是一个专业的 AI 助手。" },
    { role: "user", content: "用一句话介绍你自己。" },
  ],
});

console.log(resp.choices[0].message.content);
console.log(resp.usage);

{
  "id": "chatcmpl-9f3b2c1a",
  "object": "chat.completion",
  "created": 1792000000,
  "model": "gpt-6",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "我是一个 AI 助手，可以帮你解答问题、写作和分析数据。"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 27,
    "completion_tokens": 21,
    "total_tokens": 48,
    "prompt_tokens_details": {
      "cached_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    }
  }
}

{
  "error": {
    "message": "无效的令牌 (request id: 2026101412000012345678)",
    "type": "new_api_error",
    "param": "",
    "code": ""
  }
}

POST

chat

completions

curl https://api.nodylink.com/v1/chat/completions \
  -H "Authorization: Bearer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6",
    "messages": [
      {"role": "system", "content": "你是一个专业的 AI 助手。"},
      {"role": "user", "content": "用一句话介绍你自己。"}
    ]
  }'

from openai import OpenAI

client = OpenAI(base_url="https://api.nodylink.com/v1", api_key="sk-你的密钥")

resp = client.chat.completions.create(
    model="gpt-6",
    messages=[
        {"role": "system", "content": "你是一个专业的 AI 助手。"},
        {"role": "user", "content": "用一句话介绍你自己。"},
    ],
)

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

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.nodylink.com/v1",
  apiKey: "sk-你的密钥",
});

const resp = await client.chat.completions.create({
  model: "gpt-6",
  messages: [
    { role: "system", content: "你是一个专业的 AI 助手。" },
    { role: "user", content: "用一句话介绍你自己。" },
  ],
});

console.log(resp.choices[0].message.content);
console.log(resp.usage);

{
  "id": "chatcmpl-9f3b2c1a",
  "object": "chat.completion",
  "created": 1792000000,
  "model": "gpt-6",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "我是一个 AI 助手，可以帮你解答问题、写作和分析数据。"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 27,
    "completion_tokens": 21,
    "total_tokens": 48,
    "prompt_tokens_details": {
      "cached_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    }
  }
}

{
  "error": {
    "message": "无效的令牌 (request id: 2026101412000012345678)",
    "type": "new_api_error",
    "param": "",
    "code": ""
  }
}

不传 stream 或设为 false 时，接口在模型生成完毕后一次性返回完整 JSON。
请求参数与对话补全（流式）完全相同，本页只列出常用参数，并补充图片理解、工具调用和结构化输出的示例。
生成较长内容时建议使用流式，避免客户端或代理层超时。

curl https://api.nodylink.com/v1/chat/completions \
  -H "Authorization: Bearer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6",
    "messages": [
      {"role": "system", "content": "你是一个专业的 AI 助手。"},
      {"role": "user", "content": "用一句话介绍你自己。"}
    ]
  }'

from openai import OpenAI

client = OpenAI(base_url="https://api.nodylink.com/v1", api_key="sk-你的密钥")

resp = client.chat.completions.create(
    model="gpt-6",
    messages=[
        {"role": "system", "content": "你是一个专业的 AI 助手。"},
        {"role": "user", "content": "用一句话介绍你自己。"},
    ],
)

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

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.nodylink.com/v1",
  apiKey: "sk-你的密钥",
});

const resp = await client.chat.completions.create({
  model: "gpt-6",
  messages: [
    { role: "system", content: "你是一个专业的 AI 助手。" },
    { role: "user", content: "用一句话介绍你自己。" },
  ],
});

console.log(resp.choices[0].message.content);
console.log(resp.usage);

{
  "id": "chatcmpl-9f3b2c1a",
  "object": "chat.completion",
  "created": 1792000000,
  "model": "gpt-6",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "我是一个 AI 助手，可以帮你解答问题、写作和分析数据。"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 27,
    "completion_tokens": 21,
    "total_tokens": 48,
    "prompt_tokens_details": {
      "cached_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    }
  }
}

{
  "error": {
    "message": "无效的令牌 (request id: 2026101412000012345678)",
    "type": "new_api_error",
    "param": "",
    "code": ""
  }
}

鉴权

string

必填

Bearer <API Key>。在 API 密钥页面创建。

请求参数

string

必填

模型 ID。可用模型以模型广场为准。

array

必填

对话消息列表。每条消息包含 role（system、developer、user、assistant、tool）和 content。

boolean

默认值:"false"

不传或设为 false，返回完整 JSON。

number

采样温度，取值 0 到 2。

integer

生成内容的最大 token 数。

array

模型可以调用的函数列表。

object

输出格式，支持 json_object 和 json_schema。

完整参数列表见对话补全（流式）。

响应

string

本次补全的唯一 ID。

string

固定为 chat.completion。

integer

创建时间，Unix 时间戳（秒）。

string

实际使用的模型。

array

候选回复列表。

显示属性

integer

候选回复的序号。

object

模型回复。

显示属性

string

固定为 assistant。

string | null

回复正文。只发起工具调用时可能为 null。

string

推理过程，仅部分推理模型返回。

array

模型发起的工具调用，每项包含 id、type 和 function（name 与 JSON 字符串形式的 arguments）。

string

结束原因：stop、length、tool_calls 或 content_filter。

object

token 用量，计费以此为准。

显示属性

integer

输入 token 数，包含命中缓存的部分。

integer

输出 token 数，包含推理 token。

integer

输入与输出 token 之和。

integer

命中缓存的输入 token 数，按缓存价格计费。

integer

推理 token 数。

使用示例

多轮对话

把历史消息按顺序放进 messages，模型会基于上下文回答：

{
  "model": "gpt-6",
  "messages": [
    {"role": "user", "content": "我叫小李。"},
    {"role": "assistant", "content": "你好，小李！有什么可以帮你？"},
    {"role": "user", "content": "我叫什么名字？"}
  ]
}

图片理解

支持视觉的模型可以在 content 数组中传入图片。url 可以是公网链接，也可以是 data:image/png;base64,... 格式的 Base64 数据：

resp = client.chat.completions.create(
    model="gpt-6",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "这张图片里有什么？"},
                {"type": "image_url", "image_url": {"url": "https://example.com/cat.png"}},
            ],
        }
    ],
)

工具调用

import json

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "查询指定城市的实时天气",
            "parameters": {
                "type": "object",
                "properties": {"city": {"type": "string", "description": "城市名称"}},
                "required": ["city"],
            },
        },
    }
]

messages = [{"role": "user", "content": "北京今天天气怎么样？"}]
resp = client.chat.completions.create(model="gpt-6", messages=messages, tools=tools)

call = resp.choices[0].message.tool_calls[0]
args = json.loads(call.function.arguments)  # {"city": "北京"}

# 执行函数后，把结果作为 tool 消息回传
messages.append(resp.choices[0].message)
messages.append({"role": "tool", "tool_call_id": call.id, "content": "晴，22℃"})

final = client.chat.completions.create(model="gpt-6", messages=messages, tools=tools)
print(final.choices[0].message.content)

结构化输出

resp = client.chat.completions.create(
    model="gpt-6",
    messages=[{"role": "user", "content": "提取信息：张三，28 岁，上海"}],
    response_format={
        "type": "json_schema",
        "json_schema": {
            "name": "person",
            "schema": {
                "type": "object",
                "properties": {
                    "name": {"type": "string"},
                    "age": {"type": "integer"},
                    "city": {"type": "string"},
                },
                "required": ["name", "age", "city"],
            },
        },
    },
)
print(resp.choices[0].message.content)  # {"name":"张三","age":28,"city":"上海"}

工具调用和结构化输出的支持程度取决于具体模型，请在模型广场查看模型能力。

概览

模型

文本对话系列

图片系列

视频系列

对话补全（非流式）

鉴权

请求参数

响应

使用示例

多轮对话

图片理解

工具调用

结构化输出

​鉴权

​请求参数

​响应

​使用示例

​多轮对话

​图片理解

​工具调用

​结构化输出

鉴权

请求参数

响应

使用示例

多轮对话

图片理解

工具调用

结构化输出