Qwen 用户快速入门

认证与基础 URL

我们的 API 使用标准的 Bearer token 认证。通过 Google 或电子邮件注册后立即获得密钥。请妥善保管此密钥；它用于访问您的预付额度。所有请求的基础 URL 为 https://api.qwenapi.cc/v1。更新客户端配置以指向此接口，而非默认的 OpenAI URL。

通过在每次请求中传递 Authorization 标头来处理认证。没有 API 密钥意味着模型无法验证您的账户余额，从而导致 401 错误。无需隐藏标头或自定义认证方案。

首次请求

发送标准的聊天补全请求以测试连接性。将 YOUR_API_KEY 替换为您的实际密钥。该接口接受包含 model、messages 和 content 字段的 standard JSON 负载。

• 模型标识符：uncensored
• 接口：POST /v1/chat/completions
• 格式：JSON

此请求将消耗您余额中的输入 token。确保您的客户端正确处理 JSON 响应以验证连接是否正常工作。

Python SDK 集成

使用官方 OpenAI Python 库。只需最少配置即可将流量路由至我们的接口。使用您的密钥和正确的基础 URL 初始化客户端。此方法利用现有代码库，无需重写请求逻辑。

创建响应时传递模型 ID uncensored。该库自动处理序列化和反序列化。此方法推荐用于大多数后端集成和基于脚本的工作流。

Node SDK 集成

对于 JavaScript 或 TypeScript 环境，请使用 @anthropic-ai/sdk 或标准 OpenAI Node 包。将 base URL 配置为指向我们的接口。这允许你将我们的服务即插即用地集成到现有的 Node 应用中，而无需大规模重构。

确保您使用的是支持自定义基础 URL 的较新版本的 SDK。传递模型标识符 uncensored 以选择我们的无审查模型。此设置可与 Express 路由或无服务器函数无缝配合。

流式响应

通过在请求中设置 stream: true 启用流式输出。API 在模型生成文本时返回 Server-Sent Events (SSE)。这降低了终端用户的延迟，并允许实时显示输出。

Token 使用统计信息包含在流的最后一个块中。增量处理每个 delta 以构建完整响应。此功能对于聊天界面和需要即时反馈的应用至关重要。

限制、错误与上下文

遵守速率限制以避免服务中断。API 允许每分钟 300 次请求和每个密钥 8 个并发请求。最大请求体大小为 8 MB。如果超出这些限制，您将收到 429 错误。

认证错误返回 401，表示密钥无效或缺失。余额错误返回 402，意味着您的预付额度已耗尽。上下文窗口支持总共 100,000 token，每次请求最大输出 32,000 token。错误和拒绝不消耗额度。

cURL

Copycurl https://api.qwenapi.cc/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."}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.qwenapi.cc/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)

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.qwenapi.cc/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);

流式

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)