OpenAI Compatible (OpenAI API系列)配置方法

OpenAI Compatible (OpenAI API系列)配置方法

配置 OpenAI Compatible (OpenAI 兼容) 模式是目前连接各种大模型服务（如 DeepSeek、SiliconFlow、Moonshot、Ollama 等）最通用的方法。

只要软件（如 Cursor, Cline, LangChain, AutoGen 等）支持 OpenAI 格式，你就可以通过只需修改 三个核心参数 来接入任何支持该标准的服务商。

以下是通用的配置方法整理：

1. 核心三大参数

无论你在哪个软件中配置，只需要关注这三个关键信息：

参数名	通用解释	典型格式 / 示例
​Base URL(API 域名/地址)	服务商的接口地址。这是"欺骗"软件以为它在访问 OpenAI 的关键。	​https://api.provider.com/v1​ (注意：绝大多数必须以 ​ ​/v1​ ​结尾)
​API Key(密钥)	你的身份凭证。	​sk-xxxxxxxxxxxxxx
​Model Name(模型 ID)	你想调用的具体模型名称。	​deepseek-chatdeepseek-ai/DeepSeek-V3llama3:8b

---

2. 常用服务商配置速查表

你可以直接复制下表中的 Base URL 和 常用 Model ID 到你的软件设置中。

服务商	Base URL (API地址)	常用 Model ID (示例)	备注
DeepSeek (官方)	​https://api.deepseek.com/v1	​deepseek-chat​(对应 V3)deepseek-reasoner(对应 R1)	官方最稳定
硅基流动 (SiliconFlow)	​https://api.siliconflow.cn/v1	​deepseek-ai/DeepSeek-V3deepseek-ai/DeepSeek-R1	需要填写完整路径
月之暗面 (Moonshot)	​https://api.moonshot.cn/v1	​moonshot-v1-8kmoonshot-v1-32k	Kimi 的底层模型
智谱 AI (BigModel)	​https://open.bigmodel.cn/api/paas/v4	​glm-4glm-4-flash	​注意 ​: 智谱是个例，通常用/v4
Ollama (本地运行)	​http://localhost:11434/v1	​llama3qwen2.5	用于本地跑模型
vLLM / LMDeploy	​http://<你的IP>:8000/v1	(取决于你部署时指定的模型名)	自建推理服务常用

---

3. 详细配置步骤（通用模板）

假设你在使用任何支持 OpenAI 的工具（如 VS Code 插件、Python 脚本、Chatbox 等）：

1. ​选择提供商 (Provider) ：

   • 在设置里找到 "Provider" 或 "API Type" 选项。
   • 不要选 "OpenAI"（这通常锁定为 api.openai.com）。
   • 必须选 "OpenAI Compatible" 、 "Custom OpenAI" 或 "Local AI" 。

2. ​填写 Base URL：

   • 填入服务商提供的地址。
   • 关键点 ：如果软件报错，尝试在该地址后面加上 /v1，或者去掉 /v1 试试。90% 的软件需要带 /v1。
   • 错误示例 ：https://api.deepseek.com/chat/completions (这是完整路径，不是 Base URL)
   • 正确示例 ：https://api.deepseek.com/v1

3. ​填写 API Key：

   • 粘贴 sk- 开头的密钥。

4. ​填写 Model ID：

   • 这里不能瞎填，必须精确匹配服务商列表里的名字。
   • 例如在 DeepSeek 官方填 deepseek-v3 是无效的，必须填 deepseek-chat。

---

4. 常见避坑指南

• ​关于 ​/v1​ ​ 的玄学：

  • 标准 OpenAI 库会自动拼接 /chat/completions。
  • 如果你填写的 Base URL 是 .../v1/chat/completions，软件拼接后会变成 .../v1/chat/completions/chat/completions，导致 404 错误。
  • 结论 ：通常只填到 /v1 即可。

• ​模型名称不要带空格：

  • 复制模型 ID 时，注意前后不要有空格。

• ​HTTPS vs HTTP：

  • 远程服务（DeepSeek, SiliconFlow）必须用 https://。
  • 本地服务（Ollama）通常用 http://。

5. Python 代码测试模板

下面以轨迹流动为例子：

⚙️ 配置参数对照表

在运行以下代码前，请确保你已经准备好了对应的环境。

配置项	说明	示例值
Base URL	API 基础地址	​https://api.siliconflow.cn/v1
API Key	你的授权密钥	​sk-xxxxxxxxxxxxxxxxxxxxxxxx
Model	使用的模型名称	​deepseek-ai/DeepSeek-V3

---

1.Python测试模板

如果你不确定配置是否正确，可以用这段最简 Python 代码测试一下（需要安装 pip install openai）：

from openai import OpenAI

# 1. 替换为你的 Base URL
base_url = "https://api.siliconflow.cn/v1" 
# 2. 替换为你的 API Key
api_key = "sk-xxxxxxxxxxxxxxxxxxxxxxxx"
# 3. 替换为正确的模型名称
model = "deepseek-ai/DeepSeek-V3"

client = OpenAI(api_key=api_key, base_url=base_url)

try:
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "测试一下，回复'配置成功'"}],
        stream=False
    )
    print(response.choices[0].message.content)
except Exception as e:
    print(f"配置错误: {e}")

2. cURL (最快捷的命令行测试)

这是最简单的方法，无需安装任何编程语言环境，直接在终端执行即可。

curl --location "https://api.siliconflow.cn/v1/chat/completions" \
--header "Authorization: Bearer sk-xxxxxxxxxxxxxxxxxxxxxxxx" \
--header "Content-Type: application/json" \
--data '{
    "model": "deepseek-ai/DeepSeek-V3",
    "messages": [
        {
            "role": "user",
            "content": "测试一下，回复'\''配置成功'\''"
        }
    ],
    "stream": false
}'

---

3. Node.js (使用 OpenAI 官方 SDK)

首先需要安装 SDK：npm install openai

const OpenAI = require("openai");

const client = new OpenAI({
    apiKey: "sk-xxxxxxxxxxxxxxxxxxxxxxxx",
    baseURL: "https://api.siliconflow.cn/v1"
});

async function main() {
    try {
        const response = await client.chat.completions.create({
            model: "deepseek-ai/DeepSeek-V3",
            messages: [{ role: "user", content: "测试一下，回复'配置成功'" }],
            stream: false,
        });
        console.log(response.choices[0].message.content);
    } catch (error) {
        console.error(`配置错误: ${error.message}`);
    }
}

main();

---

4. Go (使用标准 http 库)

Go 语言不依赖第三方库的实现方式：

package main

import (
	"bytes"
	"encoding/json"
	"fmt"
	"io/ioutil"
	"net/http"
)

func main() {
	url := "https://api.siliconflow.cn/v1/chat/completions"
	apiKey := "sk-xxxxxxxxxxxxxxxxxxxxxxxx"
	
	payload := map[string]interface{}{
		"model": "deepseek-ai/DeepSeek-V3",
		"messages": []map[string]string{
			{"role": "user", "content": "测试一下，回复'配置成功'"},
		},
	}
	
	jsonPayload, _ := json.Marshal(payload)
	req, _ := http.NewRequest("POST", url, bytes.NewBuffer(jsonPayload))
	
	req.Header.Set("Authorization", "Bearer "+apiKey)
	req.Header.Set("Content-Type", "application/json")
	
	client := &http.Client{}
	resp, err := client.Do(req)
	if err != nil {
		fmt.Printf("请求错误: %v\n", err)
		return
	}
	defer resp.Body.Close()
	
	body, _ := ioutil.ReadAll(resp.Body)
	fmt.Println(string(body))
}

---

5. Java (使用 OkHttp 库)

这是 Java 开发中常用的轻量级网络库实现方案：

import okhttp3.*;
import java.io.IOException;

public class SiliconFlowTest {
    public static void main(String[] args) {
        OkHttpClient client = new OkHttpClient();

        String json = "{" +
                "\"model\": \"deepseek-ai/DeepSeek-V3\"," +
                "\"messages\": [{\"role\": \"user\", \"content\": \"测试一下，回复'配置成功'\"}]," +
                "\"stream\": false" +
                "}";

        RequestBody body = RequestBody.create(
                json, MediaType.get("application/json; charset=utf-8"));

        Request request = new Request.Builder()
                .url("https://api.siliconflow.cn/v1/chat/completions")
                .header("Authorization", "Bearer sk-xxxxxxxxxxxxxxxxxxxxxxxx")
                .post(body)
                .build();

        try (Response response = client.newCall(request).execute()) {
            if (response.isSuccessful()) {
                System.out.println(response.body().string());
            } else {
                System.err.println("配置错误: " + response.code());
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

---