对话补全（Chat Completions）

创建一个模型对话补全。这是最常见的接口，用于向模型发送一组消息并接收回复。

POST /v1/chat/completions

请求参数

参数	类型	必填	说明
model	string	是	要使用的模型名称，例如 example-chat。
messages	array	是	对话消息数组，每条消息含 role 与 content。
temperature	number	否	采样温度，取值 0–2，越大越随机。默认 1.0。
stream	boolean	否	是否流式返回。默认 false。
max_tokens	integer	否	回复的最大 token 数。

请求示例

curl

curl https://api.example.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "example-chat",
    "messages": [
      {"role": "system", "content": "你是一个助手。"},
      {"role": "user", "content": "用一句话介绍自己。"}
    ],
    "temperature": 0.7
  }'

Python

resp = client.chat.completions.create(
    model="example-chat",
    messages=[
        {"role": "system", "content": "你是一个助手。"},
        {"role": "user", "content": "用一句话介绍自己。"},
    ],
    temperature=0.7,
)

Node.js

const resp = await client.chat.completions.create({
  model: "example-chat",
  messages: [
    { role: "system", content: "你是一个助手。" },
    { role: "user", content: "用一句话介绍自己。" },
  ],
  temperature: 0.7,
});

响应示例

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "model": "example-chat",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "我是你的智能助手，很高兴为你服务。"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 18,
    "completion_tokens": 12,
    "total_tokens": 30
  }
}