中转API on 神马中转API_低价稳定中转API推荐

ChatBox(推荐使用)

Mon, 01 Jan 0001 00:00:00 +0000

Chatbox教程(免费)快速安装与使用全攻略，一键连接所有AI语言模型 #

一、ChatBox 介绍与功能 #

Chatbox AI是一款集多模型对话、文件解析、AI绘图、代码生成等功能于一体的全能AI助手，支持Windows、Mac、Linux、iOS、Android 及网页全平台。凭借简洁直观的界面设计、强大的本地化处理能力和开箱即用的云端服务，Chatbox AI 已成为提升工作效率的首选工具。

核心功能与特色 #

1. 智能对话系统

多模型对比：支持同时连接 ChatGPT 5/Claude 4/DeepSeek 等先进模型，自由切换体验不同AI风格
上下文记忆：自动保存完整对话历史，支持 Markdown/HTML/TXT 多种格式导出
个性化设置：可自定义温度、最大token等参数，精准控制AI输出

2. 生产力增强套件

文件理解：直接解析PDF/Word/Excel/图片中的内容
代码专家：提供类 Claude Artifacts 的实时代码预览能力
实时联网：一键获取最新资讯、股票行情等网络数据，回答始终与时俱进

3. 创意可视化工具

AI绘图：通过自然语言描述生成高质量图像（每月免费额度）
图表生成：支持将数据转化为可视化图表，支持 LaTeX 公式渲染
多格式渲染：完美呈现 Markdown、HTML、数学公式等专业内容

4. 企业级数据管理

本地优先：所有对话记录和文件默认存储在用户设备，保障数据主权

技术优势 #

零门槛体验：无需技术背景，安装即可享受 AI 生产力
持续进化：同步更新模型库和功能模块，保持技术前沿性

适用场景 #

学术研究：快速解析论文/教材，生成文献综述
内容创作：辅助写作、翻译、社交媒体文案生成
开发编程：代码生成/调试/文档编写全流程支持
商业分析：自动处理报表数据，生成可视化洞察

二、Chatbox主要功能 #

与文档和图片聊天 #

无论是文档、图片还是代码，只需将您的文件发送给 Chatbox。它将理解内容并提供智能响应，在每次交互中提高您的生产力和创造力。

Claude Code安装与国内使用教程

Mon, 01 Jan 0001 00:00:00 +0000

Claude Code国内使用_Claude Code安装使用教程_神马中转API Claude Code代理API

OpenAI官方SDK

Mon, 01 Jan 0001 00:00:00 +0000

OpenAI官方SDK #

使用 OpenAI API 查询 GPT-4 #

以下是一个示例代码，演示如何使用 OpenAI API 查询 GPT-4 模型的回答。

示例代码 #

import openai

def query_gpt4(question):
    openai.api_key = "sk-xxx"  # 替换为您的 API 密钥
    # openai.base_url = url
    openai.base_url = 'https://api.whatai.cc/v1/'  # 设置 API 基础 URL

    try:
        response = openai.chat.completions.create(
            model="gpt-4",  # 确认使用 GPT-4 模型
            messages=[
                {"role": "system", "content": "You are a helpful assistant."},
                {"role": "user", "content": question}
            ]
        )
        print(response)  # 打印完整的响应
        return response['choices'][0].message['content']  # 返回 GPT-4 的回答
    except Exception as e:
        return str(e)  # 返回错误信息

# 问题
question = "为什么太阳那么红？"

# 获取并打印回答
answer = query_gpt4(question)
print(answer)

注意事项 #

确保您替换, sk-xxx, 为您的有效 API 密钥。

Raycast插件教程

Mon, 01 Jan 0001 00:00:00 +0000

Raycast 插件 ChatGPT 使用指南（推荐使用） #

Raycast 是一款高效的快捷启动与工作流管理工具，可以替代 Spotlight，更快地打开应用、执行脚本、调用 API、管理工作效率插件。它不仅适合开发者，也适合日常办公、学习场景。

一、Raycast基础功能与特点 #

一、Raycast 基础功能

应用启动
- 按 ⌘ + 空格或自定义快捷键呼出 Raycast
- 输入应用名称即可快速打开
文件与文件夹搜索
- 输入文件名、文件夹名即可快速定位
- 支持预览、复制路径
系统控制
- 快速调整音量、亮度
- 切换 Wi-Fi、蓝牙等
工作流与插件（Extensions）
- Raycast 内置商店（Store）
- 可以安装各类生产力工具（如 GitHub、Jira、Notion、ChatGPT 等插件）

二、Raycast 的特点

快速启动：几乎零延迟的搜索和应用启动体验。
可扩展性强：内置插件市场，开发者可以编写并分享自己的插件。
快捷命令：支持自定义脚本（Shell、Python、JavaScript），快速执行。
工作流整合：支持与 GitHub、Notion、Jira、Linear 等工具无缝结合。
美观 & 极简：界面清爽、交互直观，键盘操作流畅无比。
免费为主：核心功能免费，Pro 版提供团队协作和更强的个性化功能。

二、安装与配置 Raycast #

下载安装
- 官网：https://www.raycast.com
- 支持 macOS
初始设置
- 设置全局快捷键（推荐：⌘ + 空格替换 Spotlight）
- 登录账号（方便同步插件和配置）
安装插件
- 打开 Raycast → 输入 Store → 搜索需要的插件 → 一键安装

基本概念-令牌（Token）

Mon, 01 Jan 0001 00:00:00 +0000

📖基本概念-令牌（Token） #

1️⃣ 基本概念 #

别称：密钥、key、token
用于身份验证核心凭证，关联用户账户信息等
用户可自主管理令牌，支持以下操作

✅ 新增多个令牌

✅ 设置单令牌额度上限

✅ 指定调用渠道分组（如ssvip、default）

✅ 绑定调用模型权限

📖 示例格式（非真实token）：

sk-UEE3xe6AgDeAvlCUQsP0hJSdyaOsNpByoMtb99CC8POogslU

💻 管理入口：

👉 神马中转API令牌控制台

❓ 用户高频疑问解密 #

Q：如何获取 Openai Key？如何获取 Claude Key？如何获取 gemini key？

→ A：Key就是令牌！这个key可以使用站内支持模型页面介绍的所有模型（260+），GPT系列模型、Claude系列模型、gemini系列模型等等等。

Q：key为什么不能用？为什么我调用API没反应？

→ A：大部分情况是 Base url设置不正确造成。需要把Openai的Baseurl改成 https://api.whatai.cc

Q: 单个key的并发或RPM、TPM有限制吗？

→ A：: 没有限制。神马中转API不会主动限制用户 RPM TPM ，但所有模型账号都是所有用户共享，遇到使用高峰可能会 429 或 500 报错。高并发需求用户可以寻找客服咨询。

基础教程-钱包 · 页面

Mon, 01 Jan 0001 00:00:00 +0000

基础教程-钱包 · 页面 #

💰 我的钱包：您的AI算力加油站 #

余额即能量！ 钱包有余额才能激活令牌（Key），开启AI超能力——就像手机要先充值才能通话📱

💻 充值入口：

👉神马中转API钱包

🎁 新人大礼包 #

注册即送$0.2算力额度 ≈ 免费体验10次深度问答或 200次短对话！

🎉 双通道充值系统 #

方式	操作步骤	到账速度	客服支持
兑换码充能	1. 联系客服获取算力额度 2. 钱包页输入兑换码 3. 点击「兑换」按钮	5分钟	✅ 专属客服对接
闪电充值	1. 进入钱包页 2. 点击「支付宝/微信/USDT」图标 3. 扫码支付完成	秒到账	自动到账

🔋 最低充能：$1起充（≈50次短问答）

🌟 邀请秘诀 #

邀请3位好友各充30算力额度等于您白赚9算力（足够生成3份商业计划书！）

神马中转API简介

Mon, 01 Jan 0001 00:00:00 +0000

神马中转API一站式AI大模型API中转站 · 低价好用稳定的中转API服务 #

神马聚合中转API是一个高效的Open AI、Midjourney API代理、Claude代理、Suno代理等供应商我们致力于提供优质的 API 接入服务，让您可以轻松集成先进的AI模型至您的产品和服务。通过 API 综合管理平台，无缝整合OpenAl最尖端的人工智能模型。借助我们可靠且易于使用的API解决方案，升级您的产品与服务。

神马中转API支持全球主流顶尖AI大模型生态，包括OpenAI的GPT-5/GPT-4o/GPT-4.1系列、谷歌Gemini 2.5 Pro/Flash/nano-banana、Anthropic Claude Sonnet 4.5/4.1，以及 DeepSeek-v3、Midjourney、Luma、Llama3、Mistral等开源模型，覆盖文本、图像、语音、视频等多模态场景，满足从高精度推理到高效生成的多样化需求。

随着大模型与人工智能应用的普及，越来越多的开发者与企业希望快速集成各类AI接口。然而，直接调用不同厂商的API往往面临接口差异大、计费复杂、访问不稳定等问题。这时候，神马中转API中转站的价值就凸显出来了。

什么是AI API中转站？ #

AI API中转站，顾名思义，就是一个聚合、统一和转发AI接口调用的服务平台。开发者无需分别对接多个厂商的API，只需通过中转站，就能调用不同模型与服务。它相当于“中间层”，帮助开发者屏蔽底层的复杂性，提供更加稳定、高效、灵活的接入方式。

AI中转站的核心优势 #

1. 统一接口标准 #

• 各家大模型（如OpenAI、Anthropic、Google、智谱、月之暗面等）的API参数各不相同，直接调用容易增加学习和维护成本。

• 中转站将不同接口进行标准化，开发者只需学习一套规范，即可调用多个模型。

2. 提升访问稳定性 #

• 直连官方API可能会受到网络环境、节点延迟或不可用情况影响。

• 中转站往往部署了全球加速和负载均衡，确保请求更稳定、更顺畅。

3. 聚合计费与灵活套餐 #

• 不同厂商的API价格策略不一，充值也要分别管理。

• 中转站支持统一计费、统一充值，并且可以提供更灵活的套餐选择，降低使用门槛。

4. 支持多模型切换 #

• 一个项目可能需要不同模型（例如GPT适合文本生成，Claude适合长文档处理，本土模型更适合中文任务）。

• 中转站可以让你在一条API内快速切换和调用不同模型，极大提升开发效率。

5. 额外功能与增强服务 #

• 一些中转站提供调用日志、使用统计、速率限制优化、故障自动切换等附加功能。

适用范围：♥ 所有模型

Mon, 01 Jan 0001 00:00:00 +0000

适用范围：♥ 所有模型 #

API 统一请求格式 #

所有模型（包括非OpenAI模型）的请求格式已统一为OpenAI格式。

功能特点 #

使用OpenAI请求格式可调用所有模型（Claude、Gemini、Doubao、Qwen等）
支持直接使用OpenAI SDK调用任意模型

基础信息 #

Base URL: https://api.whatai.cc
认证方式: API Key (替换为******)

Python示例代码 #

import openai

# 配置API密钥
openai.api_key = "******"  # 替换为你的实际API密钥
openai.api_base = "https://api.whatai.cc"  # 设置API基础地址

# 调用示例（以Claude模型为例）
response = openai.ChatCompletion.create(
    model="claude",  # 指定模型名称
    messages=[
        {"role": "user", "content": "你好"}
    ]
)

print(response.choices[0].message.content)

注意：实际使用时请将******替换为你的真实API密钥

特别说明

Mon, 01 Jan 0001 00:00:00 +0000

特别说明 #

尊敬的用户：

因平台运营策略、业务合规评估及服务能力调整，即日起，平台将不再接受新用户注册及使用，同时暂停新的充值、接入及后续新增服务。

目前，平台现有服务仍可正常使用。已完成充值或已开通服务的现有用户，其已充值额度及已开通服务不受影响，可继续按原有方式正常使用。当前调整并非技术性原因导致，平台正在积极评估并处理相关事项，后续如有新的变化，我们将第一时间发布公告通知。

同时，为避免因后续调整对您的自身业务造成影响，建议您提前做好业务安排及替代预案。对此给您带来的不便，我们深表歉意，也感谢您的理解与支持。

请放心，平台将持续保留客服沟通与余额处理通道，并会对所有客户负责。如您因业务调整、服务衔接或其他原因需要申请退款，可联系平台客服提交申请。客服微信：ifreefilm，添加客服微信时，请备注说明来意，例如“退款申请”“技术问题”“异常问题反馈”等，以便客服及时识别并处。我们将根据实际未使用额度及时进行处理。

客服工作时间：周一至周五 10:00—17:30。非工作时间内提交的咨询、退款申请或问题反馈，回复可能会相对较慢，我们将在工作时间内尽快处理。

再次感谢各位用户一直以来的信任与支持。

Chatgpt-web-midjourney-proxy

Mon, 01 Jan 0001 00:00:00 +0000

Chatgpt-web-midjourney-proxy配置教程 #

ChatGPT & Midjourney配置教程： #

神马中转API聊天菜单 - ChatGPT & Midjourney - 左下角设置按钮 - 服务端 - 找到Midjourney设置：

对话 #

1.选择模型，添加神马中转API模型价格页面支持的模型值，比如添加：gpt-5.2

2.输入神马中转API支持的模型值，具体参考模型价格页面：神马中转模型价格

3.新建聊天，输入问题使用新设置的模型

快捷使用 #

可以在顶部菜单-模型价格-选中想使用的模型-点击【在线体验】

绘画 #

神马中转API聊天菜单 - ChatGPT & Midjourney - 绘画：

提示词

On the streets of the city after the rain, the second-dimensional beauty wears a silver-gray hip skirt and gray stockings with patterns. Her high heels are eye-catching, in gray and deep purple tones. She has an urban fashion style. The stockings have exquisite patterns. The street lights and rainwater reflect the elegant legs.

Cherry Studio

Mon, 01 Jan 0001 00:00:00 +0000

Cherry Studio 配置教程 #

Cherry Studio 项目简介 #

Cherry Studio 是一款开源的多模型桌面客户端，旨在为用户提供一个统一、高效的AI服务平台。它兼容Windows、macOS 和Linux 三大操作系统，集成了包括OpenAI、DeepSeek、Gemini 等在内的多种主流大语言模型，并支持本地模型的运行。

Cherry Studio 高度自定义的设计、强大的扩展能力和友好的用户体验，使其成为专业用户和 AI 爱好者的理想选择。无论是零基础用户还是开发者，都能在 Cherry Studio 中找到适合自己的 AI 功能，提升工作效率和创造力。

主要特点 #

多平台支持：支持 Windows、macOS 和 Linux。
多模型支持：集成 OpenAI、DeepSeek、Gemini 等多种主流大语言模型，支持本地模型。
AI助手与对话：内置超过300个预配置的AI助手，支持创建自定义AI助手，支持与多个AI模型同时对话。
知识库管理：支持导入多种格式文件，构建个人AI知识库。
AI绘画及其他集成工具：集成AI绘画、翻译、全局搜索、话题管理、WebDAV文件管理、Mermaid图表可视化等功能。
自定义界面：支持主题切换、自定义CSS、会话布局、消息样式、头像设置等。
集成外部服务：支持WebDAV、Notion、Tavily等服务集成。

核心功能与特色 #

1. 基础对话功能 #

一问多答：支持同一问题通过多个模型同时生成回复，方便用户对比不同模型的表现，详见对话界面。
自动分组：每个助手的对话记录会自动分组管理，便于用户快速查找历史对话。
对话导出：支持将完整对话或部分对话导出为多种格式（如 Markdown、Word 等），方便储存与分享。
高度自定义参数：除了基础参数调整外，还支持用户填写自定义参数，满足个性化需求。
助手市场：内置千余个行业专用助手，涵盖翻译、编程、写作等领域，同时支持用户自定义助手。
多种格式渲染：支持 Markdown 渲染、公式渲染、HTML 实时预览等功能，提升内容展示效果。

2. 多种特色功能集成 #

AI 绘画：提供专用绘画面板，用户可通过自然语言描述生成高质量图像。
AI 小程序：集成多种免费 Web 端 AI 工具，无需切换浏览器即可直接使用。

Gemini SDK配置

Mon, 01 Jan 0001 00:00:00 +0000

🌟 Gemini Python SDK 入门文档 #

支持 Gemini 官方格式；所有模型均支持使用 Gemini 格式

🔧 1. 安装与设置 #

获取 API 密钥 #

在网站 https://api.whatai.cc/token 获取令牌

🚀 2. 生成简单文本 #

CUSTOM_BASE_URL // 网站 BaseURL 通常是域名
API_KEY // 令牌页获取的令牌

非流式

from google import genai
from google.genai import types

client = genai.Client(
    http_options=types.HttpOptions(
    base_url= CUSTOM_BASE_URL
),
    api_key= API_KEY
)

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="How does AI work?"
)

print(response.text)

python openai官方库（使用AutoGPT，langchain等）

Mon, 01 Jan 0001 00:00:00 +0000

python openai官方库（使用AutoGPT，langchain等） #

方法一

import openai
openai.api_base = "https://api.whatai.cc/v1"

方法二（方法一不起作用用这个）

修改环境变量OPENAI_API_BASE，各个系统怎么改环境变量请自行搜索，修改环境变量后不起作用请重启系统。

OPENAI_API_BASE=https://api.whatai.cc/v1

VSCode插件Cline使用指南

Mon, 01 Jan 0001 00:00:00 +0000

VSCode插件Cline使用+配置 #

Cline 是一款新型的 VSCode AI 助手插件，主打 正确性 + 可控性 + 文件级操作能力。它让 AI 可以在你的本地项目中 读写文件、执行命令、运行代码、生成多步计划，更像一个可以合作的软件工程师。

本文将带你从零开始学习 Cline，包括：

Cline 的核心功能和使用方式
基础工作流程
常见的几个使用示例
如何通过神马中转API配置Cline使用GPT-5.1与Claude

什么是Cline？它能做什么？ #

Cline 是一个 VSCode 插件，让你可以在编辑器中与强大的 LLM（如 GPT-5.1、Claude 4.5 等）协作。它不仅仅是聊天，而是真正可以在项目中执行操作的助手。

核心能力：

✅文件操作（读/写/修改）

Cline 能浏览项目中的文件，并以高可控性方式修改。

✅多步骤推理与执行计划

Cline 会先生成一份清晰的「操作计划」，你同意后才执行，每一步你都能检查。

✅命令执行（终端）

Cline 能运行命令，比如 npm、git、python、docker 等。

✅环境访问

可读的代码文件、终端输出、目录结构。

✅可使用多种模型

如 GPT-5.1、Claude 3.5 Sonnet 等。

如何安装配置Cline #

在 VSCode 扩展市场搜索：

Cline

发布者一般是：Roo Code / Cline.bot

点击 Install 安装即可。

基础教程-支持模型 · 页面

Mon, 01 Jan 0001 00:00:00 +0000

支持模型页面-各方面解析 #

🔍 智能筛选系统 #

左侧筛选面板 → 勾选条件 → 实时刷新列表

💰 倍率分析模式 #

📋 批量复制模型名称 #

开启多选-模型卡片勾选-点击复制模型按钮

📋 模型厂商卡片说明 #

普通文本对话（非流）

Mon, 01 Jan 0001 00:00:00 +0000

普通文本对话（非流） #

基础信息 #

接口地址: https://api.whatai.cc
认证方式: Bearer Token (API Key)

普通对话接口 #

POST 请求示例

import requests
import json

# 配置API参数
url = "https://api.whatai.cc/v1/chat/completions"  # API端点
payload = {
    "model": "gpt-4o-mini",  # 指定模型
    "messages": [
        {
            "role": "system",
            "content": "You are a helpful assistant."
        },
        {
            "role": "user",
            "content": "周树人和鲁迅是兄弟吗？"
        }
    ]
}
headers = {
    'Accept': 'application/json',
    'Authorization': 'sk-******',  # 替换为你的API Key
    'User-Agent': 'xxx/1.0.0',
    'Content-Type': 'application/json'
}

# 发送请求
response = requests.post(url, headers=headers, data=json.dumps(payload))
print(response.text)

使用OpenAI官方SDK #

from openai import OpenAI

# 初始化客户端
client = OpenAI(
    api_key="sk-******",  # 替换为你的API Key
    base_url="https://api.whatai.cc/v1"  # API中转地址
)

# 创建对话
chat_completion = client.chat.completions.create(
    messages=[
        {
            "role": "user",
            "content": "周树人和鲁迅是兄弟吗？",
        }
    ],
    model="o1",  # 指定模型
)

print(chat_completion)

注意事项 #

请妥善保管API Key，不要泄露

添加令牌：您的AI通行证指南

Mon, 01 Jan 0001 00:00:00 +0000

🔑 添加令牌：您的AI通行证指南 #

一Key在手，AI我有！ 令牌（API Key）是解锁AI能力的数字钥匙，就像手机SIM卡激活网络

⚠️ 安全警示：

Key泄露 = 家门大开！ → 立即删除并重建

🔐 密钥格式：sk-xxxxxxxx（默认隐藏，可点击右边按钮复制）

💻 操作入口

👉 神马中转API令牌控制台

📄 配置项说明 #

🔖1. 令牌名称 #

自定义标识符（建议按用途命名，如"生产环境API"）

⏳ 2. 过期时间 #

设置令牌的有效期间，超过则该令牌无法使用

💰 3. 额度 #

配置当前令牌的可使用额度

选项	可用额度规则
✅ 无限额度	动态关联主账户余额，可用额度 = 钱包实时余额
🔄 自定义额度	设定固定当前令牌的消费上限若设置值 > 钱包余额时：实际额度 = 钱包余额

🔢4. 创建数量 #

默认为1
当您输入数量值 N（如2），系统将创建N（2）个相同（当前）配置项的令牌

🌐5. 令牌渠道分组 #

🎯 渠道分组配置 #

[配置作用]

Dify教程

Mon, 01 Jan 0001 00:00:00 +0000

Dify 是一款开源的大语言模型（LLM）应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。

由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的工作流，并同时提供了一套易用的界面和 API。这为开发者节省了许多重复造轮子的时间，使其可以专注在创新和业务需求上。

一、为什么使用 Dify？ #

你或许可以把 LangChain 这类的开发库（Library）想象为有着锤子、钉子的工具箱。与之相比，Dify 提供了更接近生产需要的完整方案，Dify 好比是一套脚手架，并且经过了精良的工程设计和软件测试。重要的是，Dify 是开源的，它由一个专业的全职团队和社区共同打造。你可以基于任何模型自部署类似 Assistants API 和 GPTs 的能力，在灵活和安全的基础上，同时保持对数据的完全控制。

二、你能用 Dify 做什么 #

快速搭建问答机器人（基于企业文档的 RAG）
构建会调用工具（搜索、调用 API、生成图片等）的 Agent（自动化任务）
在可视化画布上用“节点 + 触发 + 条件”编排复杂流程（Workflow）
通过 REST API 将这些能力嵌入现有业务系统（后端代理调用）

（上面功能点与细节可在官方产品文档与代码库查看）。

三、准备工作（最小环境 & 工具） #

最低硬件（参考仓库说明）：CPU ≥ 2 core，RAM ≥ 4 GiB（用于快速试验）。生产部署请按负载规划。

Lobe-Chat

Mon, 01 Jan 0001 00:00:00 +0000

Lobe-Chat 配置教程 #

将接口代理地址改成API地址的链接：https://api.whatai.cc/v1 或者 https://api.whatai.cc

OpenClaw配置教程

Mon, 01 Jan 0001 00:00:00 +0000

如果你已经开始折腾 OpenClaw，那你大概率很快会遇到一个现实问题：
👉 模型多、API 多、配置杂，越用越乱。

这时候，强烈推荐你直接上 神马中转API（api.whatai.cc），用它来配置 OpenClaw，真的会省掉一大半精力。

为什么用「神马中转API」来配 OpenClaw？ #

一句话总结：少折腾、多稳定、好维护。

✅ 统一入口：不管你用的是哪家大模型，只需要在 OpenClaw 里配一次中转地址
✅ API Key 更清爽：不用在 OpenClaw 里塞一堆厂商 Key，一个中转 Key 搞定
✅ 切模型不改代码：今天用 A，明天换 B，只改中转配置，不动 OpenClaw
✅ 更适合长期运行：对 Agent / Gateway 场景非常友好

对 OpenClaw 这种「长期在线、持续调用模型」的 AI Agent 网关来说，中转 API 几乎是刚需。

用起来到底有多简单？ #

配置逻辑非常清晰：

在 神马中转API 获取一个 API Key
在 OpenClaw 里把模型地址指向中转 API
统一通过中转调用各类大模型

不需要关心不同厂商的参数差异，也不用反复改配置文件，一次配置，长期省心。

适合哪些人？ #

🧠 想认真玩 OpenClaw，而不是只跑 Demo
🧩 同时接入多个模型 / 多个环境
🔧 不想每次换模型都重新折腾配置
🚀 想把 OpenClaw 稳定跑在本地或服务器上

如果你希望 OpenClaw 用起来像“基础设施”，而不是“实验项目”，那中转 API 几乎是必选项。

VSCode插件Code GPT使用指南

Mon, 01 Jan 0001 00:00:00 +0000

VSCode 插件 Code GPT 使用指南 #

这个插件修改 Host 相对麻烦一些，需要修改源码才可以使用。以下是详细的步骤：

步骤 #

这个插件修改Host相对麻烦一些，需要修改源码才可以使用。

安装插件。安装好后按Ctrl+Shift+P，弹出框中输入Open Extensions Floder
点击Extensions: Open Extensions Floder，这将打开插件目录，找到Code GPT的文件夹。
打开后进入打开文件./src/clients/openai_client.js，搜索文件中的api.openai.com，并替换为 api.whatai.cc。保存文件。
再次回到vscode，按Ctrl+Shift+P，弹出框中输入CodeGPT: Set API KEY，点击CodeGPT: Set API KEY。然后将购买的Key输入进去即可。
以上步骤完成后，重启VSCode

其他VSCode插件类似。

基本概念-API地址（BaseURL）

Mon, 01 Jan 0001 00:00:00 +0000

📖基本概念-API地址（BaseURL） #

1️⃣ 基本概念 #

中转网址，用于替换官方API地址
官方地址：https://api.openai.com 需要被替换成神马中转API地址：https://api.whatai.cc
所有地址数据互通

💻 API（BaseUrl）信息入口： #

👉 神马中转API工作台

根据自己调用API的地理位置选择最优线路以获得最佳体验

部分路线可能区域网络受限，若无法正常访问API地址，请尝试更换地址

🔌 完整功能接口映射表 #

功能	路径	完整示例URL
智能对话	/v1/chat/completions	https://api.whatai.cc/v1/chat/completions
文本嵌入	/v1/embeddings	https://api.whatai.cc/v1/embeddings
AI绘图	/v1/images/generations	https://api.whatai.cc/v1/images/generations
语音转文本	/v1/audio/transcriptions	https://api.whatai.cc/v1/audio/transcriptions
文本转语音	/v1/audio/speech	https://api.whatai.cc/v1/audio/speech

在 claude code 里只需要配置域名，不需要带 /v1及后面的部分。

Python 示例

需要先 pip install openai

import openai 
# 配置API密钥和基础URL 
openai.api_key = "sk-******" # 替换为你的实际令牌 
openai.api_base = "https://api.whatai.cc" # 设置中转地址# 

调用对话接口示例 
response = openai.ChatCompletion.create( 
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "你好"}] ) 
print(response.choices[0].message.content)

curl 示例 #

curl --request POST \
    --url https://api.whatai.cc/v1/chat/completions \
    --header 'Authorization: Bearer sk-替换为你的key' \
    -H "Content-Type: application/json" \
    --data '{
      "max_tokens": 8192,
      "model": "gpt-4.1-mini",
      "temperature": 0.8,
      "top_p": 1,
      "presence_penalty": 1,
      "messages": [
          {
              "role": "system",
              "content": "你是我的全能助手，你叫小美"
          },
          {
              "role": "user",
              "content": "你是谁？夸我几句我就给你续费~"
          }
      ]
  }'

基础教程-聊天 · 页面

Mon, 01 Jan 0001 00:00:00 +0000

基础教程-聊天 · 页面 #

⚡ 双通道配置聊天 #

⚠️ 请先创建令牌，才可使用站内聊天

💻管理入口👉 令牌控制台

📖令牌配置指南👉 基础知识-基本概念-添加令牌

🚀 方式一：闪电直连（推荐） #

在令牌列表找到目标Key

点击「聊天」按钮

系统自动完成：

注入Key到聊天窗

配置BASE_URL

选择默认模型

💡 适合场景：快速体验、临时调试

🛠️ 方式二：手动配置（高级） #

Step 1 进入聊天页面 → 设置 ⚙️ → 服务端

Step 2 填写关键参数：

必备参数： 
API Key(令牌)  ███ sk-xxxxxxxxxxxx （粘贴复制的Key） 
BaseURL  ███ 选填以下任一：    
https://api.whatai.cc 
https://api.whatai.cc/v1    
https://api.whatai.cc/v1/chat/completions  

Midjourney专用地址：    
https://api.whatai.cc   
https://api.whatai.cc/mj

BaseURL指南：基础知识-基础概念-API地址（BaseURL）

Step 3 填写模型：

访问「支持模型」页面

复制目标模型名称（如 gpt-4-turbo）

在聊天窗口粘贴到模型选择框

4.点击保存

普通文本对话（流式输出）

Mon, 01 Jan 0001 00:00:00 +0000

普通文本对话（流式输出） #

基础信息 #

接口地址: https://api.whatai.cc
认证方式: Bearer Token (API Key)

请求参数 #

参数	类型	说明
model	string	模型名称(如gpt-4o-mini)
stream	boolean	是否开启流式输出
messages	array	对话消息列表

Python 请求示例 #

import json
import requests

# 配置请求参数
url = "https://api.whatai.cc/v1/chat/completions"
headers = {
    "Authorization": "Bearer sk-******",  # 替换为你的API Key
    "Content-Type": "application/json"
}
payload = {
    "model": "gpt-4o-mini",
    "stream": True,  # 开启流式输出
    "messages": [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "周树人和鲁迅是兄弟吗？"},
    ]
}

# 发送请求并处理流式响应
response = requests.post(url, headers=headers, json=payload, stream=True)
buffer = ""

for chunk in response.iter_content(chunk_size=None):
    if chunk:
        buffer += chunk.decode("utf-8")
        while "\n" in buffer:
            line, buffer = buffer.split("\n", 1)
            if not line.strip():  # 跳过空行
                continue
                
            if line.startswith("data: "):
                data_line = line[6:].strip()  # 去除"data: "前缀
                
                if data_line == "[DONE]":  # 流式结束标记
                    break
                    
                try:
                    data = json.loads(data_line)
                    # 提取并打印响应内容
                    content = data["choices"][0]["delta"].get("content", "")
                    print(content, end="", flush=True)
                except json.JSONDecodeError:
                    # 处理不完整JSON数据
                    buffer = line + "\n" + buffer
                    break

注意事项 #

请妥善保管API Key

JetBrains插件Easycode

Mon, 01 Jan 0001 00:00:00 +0000

Jetbrains插件ChatGPT - Easycode #

安装好插件后在Settings > Tools > OpenAI > GPT 3.5 Turbo中如图所示配置好插件，重点要将Server Settings 修改为 https://api.whatai.cc/v1/chat/completions 。并勾选Customize Server。

n8n教程

Mon, 01 Jan 0001 00:00:00 +0000

【超详细】N8N教程：通过神马中转API稳定调用各大模型 #

n8n是一个开源（source-available）的工作流程自动化平台，它融合了“无代码/低代码”与“可编写代码扩展”的特点，让个人和技术团队都能创建复杂的自动化流程。

核心理念是让用户通过直观的“节点（Node）”串联来自动执行任务，而不是手动重复操作。它既可以自托管（部署到自己的服务器），也可以使用官方云服务。

n8n主要特色与功能 #

1. 可视化工作流编辑器

n8n 提供图形化拖拽编辑界面，用户可以像搭积木一样把“触发器 → 函数节点 → 应用集成 → 条件逻辑”连接成自动化流程。无需写大量程序，就能构建复杂逻辑。

2. 超过 400+ 原生集成

支持与大量常见服务和应用程序直接对接，例如 GitHub、Google Sheets、Notion、Slack、数据库、Webhook 等。通过这些集成节点，可以轻松完成数据同步、消息推送、事件触发等自动化操作。

3. 代码灵活性强

当可视化方案无法满足需求时，n8n 允许你在节点内编写自定义 JavaScript 或者 Python 代码，也可以安装 npm 包扩展功能，使自动化流程具有更强的逻辑能力。

4. 原生 AI 支持

n8n 平台本身已开始整合大量 AI 能力，可以将各种 AI 模型（如 LLM/Chat API）融入工作流，实现智能分析、文本生成、分类与推荐等功能。

5. 自托管 & 完全控制

不同于许多 SaaS 自动化工具，n8n 支持完全自托管部署，你可以在自己的服务器/容器中运行，这样保证数据安全、灵活调度和可审计性。也可选择官方云托管方案。

** 企业级功能**

除社区版之外，n8n 还提供企业级功能，例如访问权限管理、SSO（单点登录）、增强安全部署等，可以满足公司级规模自动化需求。

活跃社区与模板库

n8n 拥有强大的开发者和用户社区，提供大量现成工作流程模板，可以快速复制/修改使用，大大降低自动化上手门槛。

n8n核心优势 #

维度	n8n 特点
自由度	无代码拖拽 + 可写代码
扩展性	支持自定义节点、嵌入 JS/Python
集成能力	400+ 内建应用节点
部署方式	云端 & 自托管
数据控制	使用者完全掌控
AI 支持	原生 AI 工作流能力
社区资源	大量模板与教程

n8n是什么 #

n8n 是一款兼具“可视化自动化”与“可扩展开发能力”的工作流程自动化平台，适合从非技术用户到高级开发者使用。通过它你可以把日常重复任务转成自动运行的流程，同时还能保持对执行逻辑和数据的完全掌控。

utools-ChatGPT

Mon, 01 Jan 0001 00:00:00 +0000

utools-ChatGPT配置教程 #

VSCode插件ClaudeCode for VSCode配置教程

Mon, 01 Jan 0001 00:00:00 +0000

Claude Code国内使用_Claude Code安装使用教程_神马中转API Claude Code代理API

固定格式化输出Json

Mon, 01 Jan 0001 00:00:00 +0000

固定格式化输出Json #

格式化输出接口说明 #

通过OpenAI API获取产品信息，返回JSON格式数据。

请求地址 #

POST https://api.whatai.cc/v1/chat/completions

请求参数 #

Headers #

参数名	类型	必填	说明
Authorization	string	是	API密钥，格式: `Bearer ******`
Content-Type	string	是	固定值: `application/json`

Body #

{
  "model": "gpt-4o-2024-08-06",
  "messages": [
    {
      "role": "system",
      "content": "根据给出的产品进行分析，按json格式用中文回答,json format:product_name, price, description."
    },
    {
      "role": "user",
      "content": "产品描述"
    }
  ],
  "response_format": {
    "type": "json_object"
  }
}

Python示例代码 #

from pydantic import BaseModel
from openai import OpenAI
from dotenv import load_dotenv
import json
from textwrap import dedent

# 加载环境变量，例如 API key 等配置信息
load_dotenv()

# 设置 OpenAI API 的工厂名称，默认为 "openai"
factory = "openai"

# 初始化 OpenAI 客户端，传入 API key 和 base URL
client = OpenAI(
    api_key="sk-*******************************",  # 替换为你的 API key
    base_url="https://api.whatai.cc/v1/"   # 这里是 base url，注意这里需要 /v1/
)

# 定义一个产品信息类，用于解析 API 返回的数据
class ProductInfo(BaseModel):
    product_name: str  # 产品名称，字符串类型
    price: float  # 价格，浮点数类型
    description: str  # 产品描述，字符串类型

# 定义一个提示信息，用于请求模型返回 JSON 格式的产品信息
product_prompt = '''根据给出的产品进行分析，按json格式用中文回答,json format:product_name, price, description.'''

# 获取产品信息的函数，传入用户的问题
def get_product_info(question: str):
    # 使用 OpenAI 客户端进行聊天模型的请求
    completion = client.beta.chat.completions.parse(
        model="gpt-4o-2024-08-06",  # 指定使用的模型
        messages=[
            {"role": "system", "content": dedent(product_prompt)},  # 发送系统消息，设置模型的行为
            {"role": "user", "content": question},  # 发送用户消息，用户提出问题
        ],
        response_format=ProductInfo,  # 指定返回的数据格式为 ProductInfo
    )

    # 返回模型解析的第一个选项的消息结果
    return completion.choices[0].message.parsed

# 初始化一个空的产品信息字典
product_inform = {}

# 定义将解析的结果转换为 JSON 的函数
def transform2JSON(parsed_result):
    # print(parsed_result)  # 打印解析结果

    # 将解析的结果存储到字典中
    product_inform["product_name"] = parsed_result.product_name
    product_inform["price"] = parsed_result.price
    product_inform["description"] = parsed_result.description

    # 将字典转换为 JSON 字符串并返回，ensure_ascii=False 允许中文字符正常显示
    return json.dumps(product_inform, ensure_ascii=False, indent=4)

# 定义用户输入的问题，即一个产品信息的描述
question = "75寸小米电视机"

# 调用函数获取产品信息
result = get_product_info(question)


# 将解析结果转换为 JSON 格式并打印
json_result = transform2JSON(result)
print(json_result)

返回示例 #

{
    "product_name": "小米电视75寸",
    "price": 4999.0,
    "description": "4K超高清画质，支持HDR，内置小爱同学语音助手"
}

注意事项 #

请妥善保管API密钥

基本概念-令牌渠道分组

Mon, 01 Jan 0001 00:00:00 +0000

📖 基本概念-令牌渠道分组 #

1️⃣ 基本概念 #

别称：分组、渠道、渠道分组、API分组
区分模型的渠道来源和对应的价格
价格透明**·**用户可以根据自己的需求，选择最适合自己的分组。

⚠️ 不同分组只是个别模型价格不一样，不是所有模型都会价格不一样。

使用方式：

在令牌页面→新增/编辑令牌时，选择对应的渠道分组即可

🌲 渠道分组使用教程：

💻 模型分组详情查看入口：

💰 官方费率解析 #

当官方费率 = 1 时，网站上1算力额度等价于对应的模型官方价格的 1$。
当官方费率 = 2 时，网站上1算力额度等价于对应的模型官方价格的 0.5 $。

📊 API分组游乐场（选对分组，效果翻倍！） #

分组名	渠道来源	必杀技	适合人群标签
默认分组（deafult）·万能工具包	GPT+Claude混合	全能模型全覆盖	想一次性试用所有模型的新手玩家
claude官 · 特供快线	Claude官方	官方特价（偶尔排队）	想薅Claude羊毛的精明党
openai官-优质 · 超跑VIP赛道	OpenAI纯净	o1/realtime加速	🚀速度狂魔·科技发烧友
origin · 头等舱服务	官方原价	✨ 企业级稳定性（稳定性堆到满级，不差钱！）	💼土豪公司/拒绝翻车的严苛需求
AZ-优质 · 性价比之王	Azure纯净	o1/o3加速	️性能与预算平衡大师
svip · 省钱宝	Azure纯净	极致低价	💰预算敏感型
vvip · 长文本刺客	OpenAI逆向	大段文字优惠	📜论文党·小说作家
vip · 用量忍者	OpenAI逆向	按量付费越用越便宜	📊灵活用量派
claude · 逆神秘通道	Claude逆向	Cursor专属优惠	🤫逆向探索家
国产特价 · 清仓大促	国产模型	骨折价限时供应`手慢无`	🛒捡漏王·短期项目党
gemini优质 · 视频解说员	Gemini Pro	支持视频解析🎥	🎬短视频创作者·多媒体控

✨ 分组选择攻略： #

要速度 → 选「超跑VIP赛道」(openai官-优质)

基础教程-开发者快速接入

Mon, 01 Jan 0001 00:00:00 +0000

基础教程-开发者 · 快速接入 #

基础信息 #

Base URL: https://api.whatai.cc
认证方式: Bearer Token (API Key)

更多baseURL 👉 基础概念-API地址

文本对话接口 #

请求

方法: POST
路径: /v1/chat/completions
Headers:
- Accept: application/json
- Authorization: Bearer sk-****** (你的API Key)
- Content-Type: application/json

请求参数 #

{
  "model": "gpt-4o-mini",
  "messages": [
    {
      "role": "system",
      "content": "You are a helpful assistant."
    },
    {
      "role": "user",
      "content": "周树人和鲁迅是兄弟吗？"
    }
  ]
}

cURL 示例 #

curl -X POST "https://api.whatai.cc/v1/chat/completions" \
  -H "Accept: application/json" \
  -H "Authorization: Bearer sk-******" \  # 替换为你的API Key
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-mini",
    "messages": [
      {
        "role": "system",
        "content": "You are a helpful assistant."
      },
      {
        "role": "user",
        "content": "周树人和鲁迅是兄弟吗？"
      }
    ]
  }'

Python 示例 #

import requests
import json

# API配置
url = "https://api.whatai.cc/v1/chat/completions"
headers = {
    'Accept': 'application/json',
    'Authorization': 'Bearer sk-******',  # 替换为你的API Key
    'Content-Type': 'application/json'
}

# 请求数据
payload = json.dumps({
    "model": "gpt-4o-mini",
    "messages": [
        {
            "role": "system",
            "content": "You are a helpful assistant."
        },
        {
            "role": "user",
            "content": "周树人和鲁迅是兄弟吗？"
        }
    ]
})

# 发送请求
response = requests.post(url, headers=headers, data=payload)

# 输出响应
print(response.text)

响应 #

返回JSON格式的对话结果

embedding代码例子

Mon, 01 Jan 0001 00:00:00 +0000

embedding代码例子 #

基本概念 #

什么是Embedding？ #

Embedding（嵌入）是将离散数据（如单词、句子）映射到连续向量空间的技术。通过Embedding：

语义相似的文本在向量空间中距离更近
便于机器学习模型处理文本数据
典型应用：搜索、推荐、分类等场景

常见Embedding模型 #

text-embedding-3-small Openai主流emb模型
text-embedding-3-large
text-embedding-ada-002

技术特点 #

特性	说明
维度	通常为数百到数千维（如1024维）
归一化	多数Embedding会做L2归一化
距离度量	常用余弦相似度计算向量距离
多语言支持	现代模型通常支持多语言嵌入

请求地址 #

POST https://api.whatai.cc/v1/embeddings

认证方式 #

需要在请求头中添加 API Key：

headers = {
    "Authorization": "Bearer sk-******",  # 替换为你的API令牌
    "Content-Type": "application/json"
}

请求参数 #

参数名	类型	必填	说明
input	string/array	是	单条文本或文本列表
model	string	是	使用的模型名称
encoding_format	string	否	返回格式（float/base64）

请求示例 #

import openai

# 设置OpenAI API密钥和基础URL
openai.api_key = "sk-***************************"  # 替换为你的 key
openai.base_url = "https://api.whatai.cc/v1/"  #  这里是API的 base url，注意这里v1后面需要/，最后的 / 很容易漏掉。

def get_embedding(text):
    response = openai.embeddings.create(
        model="text-embedding-3-small",
        input=text
    )
    return response.data[0].embedding

# 示例文本
text = "这是一个示例文本,用于演示如何获取文本嵌入。"

# 获取文本嵌入
embedding = get_embedding(text)

print(f"文本: {text}")
print(f"嵌入向量维度: {len(embedding)}")
print(f"嵌入向量前5个元素: {embedding[:5]}")

典型应用场景 #

语义搜索：通过向量相似度匹配查询和文档

LangChain

Mon, 01 Jan 0001 00:00:00 +0000

LangChain #

注意事项 #

openai_api_base, 的末尾要加上, /v1/chat/completions, ，而且目前只支持 Chat 模型，请确认不要导入错误的包。

示例代码 #

from langchain.chat_models import ChatOpenAI

llm = ChatOpenAI(
    openai_api_base="https://api.whatai.cc/v1/chat/completions", 
    openai_api_key="sk-xxxxx",
)

res = llm.predict("hello")

print(res)

高级功能-官方SDK支持

Mon, 01 Jan 0001 00:00:00 +0000

高级功能-官方SDK支持 #

支持的厂商 #

OpenAI SDK
Anthropic Claude SDK
Google Gemini SDK

配置方法 #

只需修改 SDK 的 Key 和 Base Url 即可使用

# 初始化 OpenAI 客户端
client = OpenAI(
    api_key="sk-********************************",  # 替换为你的神马中转api 令牌key
    base_url="https://api.whatai.cc/v1",  # 使用 神马中转API 中转地址
)

# 示例调用
response = client.chat.completions.create(
    model="gpt-4.1-mini",
    messages=[{"role": "user", "content": "Hello!"}]
)
print(response.choices[0].message.content)

提示：将 ****** 替换为你实际的 API Key，其他厂商 SDK 配置方式类似

基本概念-按量付费

Mon, 01 Jan 0001 00:00:00 +0000

📖 基本概念-按量付费 #

💸 按量计费：像交水电费一样简单！ #

用多少字，付多少钱！ 就像家里用电——开灯时间越长，电费越多～

计费示例 #

文字类模型的计费通常是按照 tokens 计算。
例如，1K tokens 消耗 xx 美金，这种计费方式与官方渠道相同。

优惠政策 #

官方渠道的美金购买需要实时汇率（大约 1:7）。
在我们平台，您可以直接以折扣价格购买美金。
具体汇率请查询充值页。

🌰 实景案例 #

【示例】对于default分组下的gpt-4o-mini模型，假设提问文字数量为6323 tokens，文字输出数量为2481 tokens

Input（提示token数）：0.15/M tokens （您提问的文字）
Output（补全token数）: 0.6/M tokens （AI回答的文字）
Cache（模型倍率）：0.075
计算方式为：
$0.15 / 1000000 * 6323 + 0.6 / 1000000 * 2481 + 0.075/1000000 * 2048 = 0.002284$

📊 模型倍率（看不懂可以忽略） #

支持价格页面的模型价格即实价！

浏览器插件ChatGPT Sidebar

Mon, 01 Jan 0001 00:00:00 +0000

步骤 #

官方链接:https://chatgpt-sidebar.com

安装插件修改设置, 将 URL 修改为 https://api.whatai.cc

CodeX配置教程

Mon, 01 Jan 0001 00:00:00 +0000

CodeX国内使用_CodeX安装使用教程_神马中转API CodeX代理API

常见错误以及解决办法

Mon, 01 Jan 0001 00:00:00 +0000

常见错误以及解决办法 #

Q：为什么 gpt-5 说自己是 gpt-4o 是正确的？而chatGPT官方回答自己是gpt-5？ #

A：这是新手常见误会。询问模型“你是谁”获得了不达预期的回答。这是因为模型在训练过程中是没有自己模型型号信息的，但包含了老模型的相关信息。模型厂商同时训练很多模型，某个模型达到某个设定效果后才会给模型命名，所以你问 gpt-5 是谁，他回答自己是 gpt-4o 。openai官方的chatgpt是成熟的网页端产品，在前端对此类问题做了优化，所以你问官方模型能回答自己是gpt-5。

Q：为什么 ChatGPT Plus 的 GPT-4 能回答出自己是 GPT-4？ #

A：简单来说，ChatGPT Plus 使用的模型版本和开放给 API 的并不一样，作为内部版本，很大可能会用更新的数据去训练，甚至是实时数据训练。虽然都叫 GPT-4，但给出的答案不同，因为训练数据不同。

Q：那我如何去判断他是否是 GPT-4 模型？ #

A：可使用以下逻辑性问题进行测试。问题：鲁迅和周树人是什么关系？ GPT-3.5：鲁迅和周树人是两个不同的人 GPT-4：鲁迅和周树人是同一个人。

Q：无法登录？ #

A：请确保用户名填写正确，不要填写邮箱地址，填写你注册时的用户名，如确定用户名没问题无法登录尝试使用邮箱当用户名尝试登录。如遇到登录问题无法自行解决，请联系客服，第一时间为您处理。

Q：为什么请求后没吐字没补全 token？ #

A：有以下可能：

快吐字了，客户端断开连接。
tools call 或 function call。
OpenAI 直接返回 [Done]，一般是政策安全相关拒绝回答，需要结合返回的 finish_reason 或内容进行判断。

高级功能-通知设置 · 额度预警通知

Mon, 01 Jan 0001 00:00:00 +0000

高级功能-通知设置 · 额度预警通知 #

🔔 事件订阅与通知配置指南 #

关键事件，实时掌控！

订阅重要事件并设置通知渠道，额度预警、系统更新等消息即时送达，让您永远快人一步 🚨

💻 配置入口：

👉神马中转API个人中心

三步配置法（以额度预警为例） #

1️⃣ 选择订阅事件

🔍 可订阅事件清单 #

事件类型	触发条件	频率限制	推荐场景
公告通知	平台发布重要公告	无限制（实时推送）	所有用户必选 ✅
营销信息	平台推出优惠活动/新产品	无限制（实时推送）	关注优惠活动的用户
用户额度预警	总钱包余额 < 您设置的阈值	≤1条/小时（防骚扰）	所有用户必选 ✅
Key额度预警	单个API Key余额 < 您设置的阈值	Key独立 ≤1条/小时	管理多Key的企业用户

2️⃣ 配置通知渠道

🔧 通知渠道配置详解 #

渠道	配置难度	适用场景	关键配置项	实时性
邮件	⭐☆☆☆☆	非紧急通知/存档记录	邮箱地址（自动识别登录邮箱）	5分钟内
企业微信	⭐⭐☆☆☆	团队协作/内部告警	企业ID + 应用Secret + AgentID	即时
钉钉	⭐⭐☆☆☆	企业级监控/运维警报	Webhook URL + 密钥	即时
WxPusher	⭐☆☆☆☆	个人微信接收通知	UID（扫码绑定）	即时
Webhook	⭐⭐⭐⭐☆	系统集成/自动化流程	API端点URL + 自定义Header/Body模板	即时
Telegram	⭐⭐☆☆☆	国际用户/开发者	Bot Token + Chat ID	即时

3️⃣ 点击保存生效

基本概念-按次付费

Mon, 01 Jan 0001 00:00:00 +0000

📖基本概念-按次付费 #

💸 按次计费：像买奶茶一样简单！ #

不问字数多少，一次对话一票到底！ 就像坐地铁——无论坐1站还是10站，票价都一样

对话场景	字数统计	按次计费	按量计费对比
简单问候	问5字 + 答15字	✅$0.1	❌ $0.0012
问：“你好”		(固定消费)	(输入$0.00015)
答：“请问需要帮助吗？”			(输出$0.0009)
深度咨询	问200字+答800字	✅$0.1	❌ $0.054
问：“请分析2023全球…”		(固定消费)	(输入$0.006)
答：“根据IMF报告…”			(输出$0.048)

💎 黄金规律：当字数 >1000字时，按次计费更划算！

适用场景导航 #

bash复制代码# 👍 强烈推荐使用  ➜  
   [ 写长文 ]   [ 代码调试 ]   [ 报告分析 ]  
   [ 法律咨询 ] [ 学术修改 ] [ 剧本创作 ]  

# ️ 不推荐使用 ➜  
   [ 查天气 ]   [ 简单翻译 ]   [ 短问答 ]

网络图片解析

Mon, 01 Jan 0001 00:00:00 +0000

网络图片解析 #

接口说明 #

通过多模态AI模型分析图片内容，理解图片、提取图片信息，包括OCR功能。

主流图片分析模型 #

模型名称	描述
gpt-4o	目前图片分析调用量最大的模型，稳定、并发高
gemini-2.5-flash	谷歌旗舰模型，速度快，性价比好
claude-sonnet-4-20250514	图片分析做的不错，但性价比略差
doubao-1.5-vision-pro-250328	国内图片分析主流模型，性价比好，稳定、并发高

基础信息 #

Base URL: https://api.whatai.cc
请求方式: POST
Content-Type: application/json

接口地址 #

POST /v1/chat/completions

请求头 #

参数	类型	必填	说明
Authorization	string	是	Bearer token，格式：`Bearer ******`
Content-Type	string	是	固定值：`application/json`
User-Agent	string	否	客户端标识

请求参数 #

{
  "model": "gemini-2.0-flash-thinking-exp-1219",
  "messages": [
    {
      "role": "system",
      "content": [
        {"type": "text", "text": "你是一个图片分析助手。"}
      ]
    },
    {
      "role": "user",
      "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "图片URL"
          }
        },
        {
          "type": "text",
          "text": "分析提示词"
        }
      ]
    }
  ],
  "temperature": 0.1,
  "user": "whatai"
}

参数说明 #

参数	类型	必填	说明
model	string	是	模型名称，推荐：`gemini-2.5-flash` 或 `gpt-4o`
messages	array	是	消息内容数组
temperature	float	否	生成文本的随机性，0-1之间
user	string	否	用户标识

Python 调用示例 #

import requests

# API配置
BASE_URL = "https://api.whatai.cc/"
API_ENDPOINT = BASE_URL + "v1/chat/completions"
API_KEY = "sk-******"  # 替换为你的API密钥
IMAGE_URL = "https://api.whatai.cc/111.jpg"  # 替换为你的图片URL

def analyze_image(image_url, prompt):
    """
    图片分析函数
    :param image_url: 图片URL
    :param prompt: 分析提示词
    :return: 分析结果文本
    """
    payload = {
        "model": "gemini-2.0-flash-thinking-exp-1219",
        "messages": [
            {
                "role": "system",
                "content": [{"type": "text", "text": "你是一个图片分析助手。"}]
            },
            {
                "role": "user",
                "content": [
                    {"type": "image_url", "image_url": {"url": image_url}},
                    {"type": "text", "text": prompt}
                ]
            }
        ],
        "temperature": 0.1
    }
    
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }

    try:
        response = requests.post(API_ENDPOINT, headers=headers, json=payload)
        response.raise_for_status()
        return response.json()["choices"][0]["message"]["content"]
    except Exception as e:
        print(f"请求失败: {e}")
        return None

# 使用示例
if __name__ == "__main__":
    result = analyze_image(IMAGE_URL, "请描述这张图片的内容")
    if result:
        print("分析结果:", result)

常见错误码 #

状态码	说明
400	请求参数错误，看看图片是不是太大了
500	服务器内部错误

Chat Next Web

Mon, 01 Jan 0001 00:00:00 +0000

Chat Next Web #

Claude API格式兼容

Mon, 01 Jan 0001 00:00:00 +0000

神马中转API实现任意模型Claude Compatible接入！ #

随着 Claude Code 在开发者中的普及，越来越多的用户希望能在只支持 Claude 接口的应用中调用更多模型。神马中转API 率先实现了“任意模型 Claude Compatible”，极大推动了 AI 生态的开放和互联！

🧠 Claude 格式 vs OpenAI 格式对比 #

🎯 请求路径区别 #

接口类型	示例请求路径
OpenAI 格式	`api.whatai.cc/v1/chat/completions`
Claude 格式	`api.whatai.cc/v1/messages`

🧾 请求体格式差异 #

OpenAI 格式请求示例：

{
    "model": "gpt-4.1",
    "messages": [
        {
            "role": "user",
            "content": "Hello!"
        }
    ]
}

Claude 格式请求示例：

{
    "model": "claude-3-5-sonnet-20240620",
    "max_tokens": 1024,
    "messages": [
        {
            "role": "user",
            "content": "Hello, world"
        }
    ]
}

关键差异：

Midjourney使用教程

Mon, 01 Jan 0001 00:00:00 +0000

Midjourney使用教程 #

Midjourney（简称mj）和Niji-journey（简称niji）模式相同，都以mj举例

✨ 支持Midjourney官方所有功能

同时支持, Midjourney Proxy Plus, 以及, Midjourney Proxy 接口协议
如果你的项目不支持以上方式，请, 查看API接入文档, ，实现调用接口
适用性广，支持 Midjourney 所有操作

一、MJ Proxy Plus 快捷接入方式 #

Midjourney Proxy 主机： https://api.whatai.cc

Midjourney Proxy Secret：在令牌页生成的令牌，格式为 sk-xxxxxx

ChatGPT & Midjourney配置教程： #

神马中转API聊天菜单 - ChatGPT & Midjourney - 左下角设置按钮 - 服务端 - 找到Midjourney设置：

神马中转API聊天菜单 - ChatGPT & Midjourney - 绘画：

提示词

On the streets of the city after the rain, the second-dimensional beauty wears a silver-gray hip skirt and gray stockings with patterns. Her high heels are eye-catching, in gray and deep purple tones. She has an urban fashion style. The stockings have exquisite patterns. The street lights and rainwater reflect the elegant legs.

本地图片解析

Mon, 01 Jan 0001 00:00:00 +0000

本地图片解析 #

接口说明 #

通过多模态AI模型分析图片内容，支持OCR和图片信息提取功能。

主流图片分析模型

模型名称	描述
gpt-4o	目前图片分析调用量最大的模型，稳定、并发高
gemini-2.5-flash	谷歌旗舰模型，速度快，性价比好
claude-sonnet-4-20250514	图片分析做的不错，但性价比略差
doubao-1.5-vision-pro-250328	国内图片分析主流模型，性价比好，稳定、并发高

本地图片分析预处理 #

需要先把本地图片转为 base64 再提交给模型。

参数说明 #

model: 指定使用的AI模型
messages: 包含用户指令和图片数据
temperature: 控制输出随机性(0-1)
image_url: 支持Base64编码的本地图片或网络图片URL

请求示例 #


import base64
import requests

def encode_image(image_path):
    """将本地图片编码为Base64字符串"""
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode("utf-8")

# API配置
BASE_URL = "https://api.whatai.cc/"
API_ENDPOINT = BASE_URL + "v1/chat/completions"
API_KEY = "sk-******"  # 替换为你的API密钥

# 准备请求数据
image_data = encode_image("example.png")  # 本地图片路径

payload = {
    "model": "gpt-4o",  # 指定分析模型
    "messages": [
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "请分析图片内容"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{image_data}"
                    }
                }
            ]
        }
    ],
    "temperature": 0.1
}

headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

# 发送请求
response = requests.post(API_ENDPOINT, headers=headers, json=payload)
print(response.json())  # 输出响应结果

注意事项 #

图片需小于20MB

高级功能-API KEY安全配置

Mon, 01 Jan 0001 00:00:00 +0000

高级功能-API KEY 安全配置 #

🔐 API Key 安全加固指南 #

密钥如金，严防盗刷！ 三大利刃全面守护您的API Key安全，杜绝泄露风险

🛡️ 安全配置三剑客 #

⚔️ 1. IP白名单 - 网络级防护 #

作用：构建数字围墙，只有在白名单内的 IP 地址才能调用 API，其他 IP 地址的请求将被拒绝。

令牌页 → 目标Key → 编辑 → IP白名单

⚠️ 致命防护：

未在白名单的IP发起请求 → 403 Forbidden

有效拦截99%的盗刷攻击

2. 额度预警 - 财务级护航 #

作用：实时监控消耗，预防超额损失

个人中心页 → 通知设置 → 额度预警订阅

🔒 3. 模型锁 - 权限级管控 -启用模型限制 #

作用：指定某个 API Key 仅用于特定的模型，防止该 Key 被用于其他模型调用

Coze教程

Mon, 01 Jan 0001 00:00:00 +0000

Coze 是什么？为什么现在很多人都在学它？

Coze（扣子编程） 是一个面向 AI 应用开发的低代码/无代码平台。

它的核心目标非常明确：让不会写代码的人，也能通过自然语言 + 可视化编排，快速搭建 AI 智能体、工作流和应用。

根据官方文档，Coze 提供的是一个 AI 驱动的应用开发平台，支持多种开发范式，帮助用户构建并交付生产级别的全栈 AI 应用；同时它也支持通过自然语言描述需求来生成工作流或项目骨架。

Coze到底能做什么？ #

如果你刚接触 Coze，可以先把它理解成这 3 层能力：

1）智能体（Bot / Agent） #

适合做：

AI 客服
AI 助手
文案生成助手
学习辅导助手
资料问答机器人
公众号排版助手
小红书/短视频脚本助手

你可以给它设置：

人设（System Prompt）
回复风格
工具调用
知识库
工作流能力
发布渠道

2）工作流（Workflow） #

适合做：

多步骤内容生成
审核 + 改写 + 输出
RAG 检索问答
分类路由
表单处理
数据清洗
批量文本分析
多模型协同

Coze 官方把工作流定义为：

一系列可执行指令的集合，用于实现业务逻辑或完成特定任务，并提供可视化画布，通过拖拽节点来快速搭建。

3）AI 编程 / 生成式工作流 #

这是最近很火的一块。

GoAmz

Mon, 01 Jan 0001 00:00:00 +0000

GoAmz #

常见报错码

Mon, 01 Jan 0001 00:00:00 +0000

常见报错码 #

错误排查指南 #

遇到错误时，请先查看返回的错误码，然后参考下表进行排查处理。

错误码对照表 #

状态码	说明	解决方案
400	请求格式错误	检查请求参数，例如o1系列模型不支持system参数
401	无效令牌	检查API密钥是否正确，可换模型测试验证
403	令牌分组被禁用	编辑令牌取消限额或新建令牌
404	接口不存在	检查Base URL是否正确，尝试添加/v1或斜杠/
413	请求内容过长	缩短prompt内容后重试
429	上游限流	账号并发过高，稍后重试
500	服务器内部错误	多次重试仍失败请联系管理员
503	模型不可用	当前分组无该模型渠道，请检查模型名称是否正确，有没有多空格少空格之类。
504	网关超时	上游服务器未及时响应，稍后重试
524	连接超时	通道拥挤，稍后重试

解答 #

400 错误码，一般是请求参数不匹配。先把 system 注释掉，先试试通不通。

401 错误码 “无效令牌”，是因为令牌和API地址URL错配了。

403 错误码，一般是令牌额度不够了（令牌额度和账户额度是两个概念）。到令牌编辑里，点 “设为无限额度” 就可以了，一般等2分钟就能生效。也可以新建一个令牌“设为无限额度”，试一下。

404 错误码，大概率是 API地址没正确设置。

429 错误码，是模型达到流量限制的体现。简单说就是：用的人太多造成模型达到 TPM 饱和了。一般情况下，等会重试就可以使用。如果持续不能使用，把模型名称给客服，客服会排查处理。

函数调用FunctionCall

Mon, 01 Jan 0001 00:00:00 +0000

函数调用FunctionCall #

概念介绍 #

函数调用(Function Calling\Tools Calling)是AI大模型的一种能力。允许大语言模型在对话过程中调用外部函数/工具。当用户提问需要实时数据(如天气、股票等)时，模型会返回函数调用请求，开发者可以在后端执行相应函数并返回结果。

API 基础信息 #

请求地址: https://api.whatai.cc/v1/chat/completions
请求方法: POST
认证方式: Bearer Token

请求示例 #

import http.client
import json

# 创建HTTPS连接
conn = http.client.HTTPSConnection("api.whatai.cc")

# 构造请求体
payload = json.dumps({
    "model": "gpt-4o",  # 指定模型
    "max_tokens": 300,  # 最大返回token数
    "temperature": 0.8,  # 生成结果的随机性控制
    "stream": False,  # 是否流式输出
    "messages": [{
        "role": "user",
        "content": "上海今天几度？"  # 用户提问
    }],
    "tools": [{  # 定义可用工具
        "type": "function",
        "function": {
            "name": "get_current_weather",  # 函数名称
            "description": "获得天气信息",  # 功能描述
            "parameters": {  # 参数定义
                "type": "object",
                "properties": {
                    "location": {  # 必填参数：地点
                        "type": "string",
                        "description": "城市和州名，例如：上海, 中国"
                    },
                    "unit": {  # 可选参数：温度单位
                        "type": "string",
                        "enum": ["celsius", "fahrenheit"]
                    }
                },
                "required": ["location"]  # 必填参数列表
            }
        }
    }]
})

# 请求头设置
headers = {
    "Accept": "application/json",
    "Authorization": "Bearer sk-**********************",  # 替换为你的 API 令牌
    "Content-Type": "application/json"
}

# 发送请求
conn.request("POST", "/v1/chat/completions", payload, headers)

# 获取响应
res = conn.getresponse()
data = res.read()

# 输出结果
print(data.decode("utf-8"))

响应处理 #

当用户提问需要调用函数时，API会返回包含函数调用信息的JSON响应。开发者需要：

SparkAI

Mon, 01 Jan 0001 00:00:00 +0000

SparkAI #

whisper使用示例

Mon, 01 Jan 0001 00:00:00 +0000

whisper使用示例 #

whisper 模型接口说明 #

该接口基于 Whisper 模型实现语音转文本功能，支持常见音频格式。

基础概念 #

Whisper模型: OpenAI 开源的语音识别模型，支持多语言转写
音频格式: 支持 mp3、wav、m4a 等常见格式

接口地址 #

POST https://api.whatai.cc/v1/audio/transcriptions

请求参数 #

参数名	类型	必填	说明
model	string	是	固定值 “whisper-1”
file	file	是	要转写的音频文件

请求头 #

Authorization: Bearer sk- **** **** **** **** **** * # 替换为你的 API 令牌

Python 调用示例 #

import json
import requests

def voice_to_text(file_path):
    """
    语音转文本功能
    
    参数:
        file_path: 音频文件路径
        
    返回:
        识别出的文本内容
    """
    url = "https://api.whatai.cc/v1/audio/transcriptions"
    
    # 构造请求参数
    payload = {"model": "whisper-1"}
    files = {"file": ("audio.mp3", open(file_path, "rb"))}
    
    # 设置请求头(请替换为你的API密钥)
    headers = {"Authorization": "Bearer sk-***************************"} # 替换为你的 API 令牌
    
    # 发送POST请求
    response = requests.post(url, headers=headers, data=payload, files=files)
    
    # 解析响应数据
    data = json.loads(response.text)
    
    # 返回识别结果
    return data.get("text", "")

# 使用示例
print(voice_to_text("audio.mp3"))  # 替换为你的音频文件路径

响应示例 #

成功响应:

gpt-tts

Mon, 01 Jan 0001 00:00:00 +0000

gpt-tts #

接口说明 #

提供基于 gpt-4o-mini-tts TTS 模型的文本转语音服务，支持多种音色选择。

基础概念 #

TTS(Text-to-Speech): 将文本转换为自然语音的技术
音色(Voice): 合成语音的声音特征，本API支持多种预设音色

请求地址 #

POST https://api.whatai.cc/v1/audio/speech

请求头 #

headers = {
    "Authorization": "Bearer ******",  # 替换为您的API密钥
    "Content-Type": "application/json"
}

请求参数 #

参数名	类型	必填	说明
model	string	是	固定值 “gpt-4o-mini-tts”
input	string	是	需要转换为语音的文本内容
voice	string	是	音色类型，如 “alloy”

Python 调用示例 #

import requests
import json

url = "https://api.whatai.cc/v1/audio/speech"
api_key = "******"  # 替换为您的API密钥

payload = {
    "model": "gpt-4o-mini-tts",
    "input": "我是API，欢迎使用语音合成服务",
    "voice": "alloy"
}

try:
    # 发送POST请求
    response = requests.post(url, 
                           headers={"Authorization": f"Bearer {api_key}"},
                           json=payload)
    
    # 检查响应状态
    response.raise_for_status()
    
    # 处理音频响应
    if response.headers["Content-Type"] in ("audio/mpeg", "audio/mp3"):
        with open("output.mp3", "wb") as f:
            f.write(response.content)  # 写入音频文件
        print("语音合成成功，已保存为output.mp3")
    else:
        print("错误响应:", response.text)

except Exception as e:
    print(f"请求出错: {e}")

响应说明 #

成功: 返回MP3格式的音频流，Content-Type为audio/mpeg

NineAI(99AI)

Mon, 01 Jan 0001 00:00:00 +0000

NineAI(99AI) #

gpt文生图

Mon, 01 Jan 0001 00:00:00 +0000

gpt文生图 #

概念介绍 #

文生图(Text-to-Image)是一种通过自然语言描述生成对应图像的技术。本API基于OpenAI的GPT模型实现，支持多种图像生成模型和尺寸规格。

基础信息 #

请求方式: POST
Base URL: https://api.whatai.cc
接口路径: /v1/images/generations
认证方式: Bearer Token

请求参数 #

参数名	类型	必填	说明
prompt	string	是	图像描述文本
n	int	否	生成图片数量(默认1)
model	string	否	模型选择(默认gpt-image-1)
aspect_ratio	string	否	宽高比(如"16:9")
size	string	否	图像尺寸(如"1024x1536")
seed	int	否	随机种子(-1表示随机)

支持的模型 #

gpt-image-1: 基础模型(支持1024x1024,1024x1536,1536x1024)
seedream-3.0: 国内最强，豆包团队开发，即梦3 AI绘图大模型。
gpt-image-1: Openai GPT 的画图模型，文本理解与图像生成深度融合，适合文字驱动型创作
imagen4: 谷歌的绘图模型，对标 gpt-image
flux-kontext-max: Black Forest Labs推出商业级精度的图像生成，满足专业设计需求

gpt图生图

Mon, 01 Jan 0001 00:00:00 +0000

gpt图生图 #

概念介绍 #

本API提供图像编辑功能，支持：

单图修改：基于提示词对单张图片进行内容修改
多图合并：将多张图片按提示词要求合并处理

基础信息 #

请求方式：POST
Base URL：https://api.whatai.cc/v1/images/edits
认证方式：Bearer Token

单图修改示例

Python代码示例 #

import base64
import json
import requests

# API配置
url = "https://api.whatai.cc/v1/images/edits"
api_key = "sk-******"  # 替换为你的API密钥

headers = {
    "Authorization": f"Bearer {api_key}"
}

# 请求参数
payload = {
    "prompt": "给哪吒带上一个红色的鸭舌帽，风格保持不变",  # 编辑指令
    # "size": "1024x1024"  # 可选输出尺寸
}

# 准备图片文件
files = [
    ("image",  # 固定参数名
        ("nezha.png",  # 文件名
         open("/path/to/nezha.png", "rb"),  # 文件路径
         "image/png")  # 文件类型
    )
]

# 发送请求
response = requests.post(url, headers=headers, data=payload, files=files)

# 处理响应
if response.status_code == 200:
    try:
        data = response.json()
        
        # 提取base64编码的图片数据
        if data.get("data") and isinstance(data["data"], list):
            image_b64 = data["data"][0].get("b64_json")
            
            if image_b64:
                # 解码并保存图片
                with open("output.png", "wb") as f:
                    f.write(base64.b64decode(image_b64))
                print("图片保存成功")
            else:
                print("未获取到有效图片数据")
        else:
            print("响应数据结构异常")
    except json.JSONDecodeError:
        print("JSON解析失败")
else:
    print(f"请求失败: {response.status_code}")

参数说明 #

参数名	必选	类型	说明
image	是	file	要编辑的图片文件
prompt	是	string	编辑指令描述
size	否	string	输出图片尺寸，如"1024x1024"

响应格式 #

成功响应示例：

中转API on 神马中转API_低价稳定中转API推荐

ChatBox(推荐使用)

Chatbox教程(免费)快速安装与使用全攻略，一键连接所有AI语言模型 #

一、ChatBox 介绍与功能 #

核心功能与特色 #

技术优势 #

适用场景 #

二、Chatbox主要功能 #

与文档和图片聊天 #

Claude Code安装与国内使用教程

OpenAI官方SDK

OpenAI官方SDK ​ #

使用 OpenAI API 查询 GPT-4 #

示例代码 ​ #

注意事项 ​ #

Raycast插件教程

Raycast 插件 ChatGPT 使用指南（推荐使用） #

一、Raycast基础功能与特点 #

二、安装与配置 Raycast #

基本概念-令牌（Token）

📖基本概念-令牌（Token） #

1️⃣ 基本概念 #

❓ 用户高频疑问解密 #

基础教程-钱包 · 页面

基础教程-钱包 · 页面 #

💰 我的钱包：您的AI算力加油站 #

🎁 新人大礼包 #

🎉 双通道充值系统 #

🌟 邀请秘诀 #

神马中转API简介

神马中转API一站式AI大模型API中转站 · 低价好用稳定的中转API服务 #

什么是AI API中转站？ #

AI中转站的核心优势 #

1. 统一接口标准 #

2. 提升访问稳定性 #

3. 聚合计费与灵活套餐 #

4. 支持多模型切换 #

5. 额外功能与增强服务 #

适用范围：♥ 所有模型

适用范围：♥ 所有模型 #

API 统一请求格式 #

功能特点 #

基础信息 #

Python示例代码 #

特别说明

特别说明 #

Chatgpt-web-midjourney-proxy

Chatgpt-web-midjourney-proxy配置教程 #

ChatGPT & Midjourney配置教程： #

对话 #

快捷使用 #

绘画 #

Cherry Studio

Cherry Studio 配置教程 #

Cherry Studio 项目简介 #

主要特点 #

核心功能与特色 #

1. 基础对话功能 #

2. 多种特色功能集成 #

Gemini SDK配置

🌟 Gemini Python SDK 入门文档 #

🔧 1. 安装与设置 #

获取 API 密钥 #

🚀 2. 生成简单文本 #

python openai官方库（使用AutoGPT，langchain等）

python openai官方库（使用AutoGPT，langchain等） #

VSCode插件Cline使用指南

VSCode插件Cline使用+配置 #

什么是Cline？它能做什么？ #

如何安装配置Cline #

基础教程-支持模型 · 页面

支持模型页面-各方面解析 #

🔍 智能筛选系统 #

💰 倍率分析模式 #

📋 批量复制模型名称 #

📋 模型厂商卡片说明 #

普通文本对话（非流）

普通文本对话（非流） #

基础信息 #

普通对话接口 #

OpenAI官方SDK #

示例代码 #

注意事项 #

Lobe-Chat 配置教程 #

⚡ 双通道配置聊天 #

JetBrains插件Easycode

格式化输出接口说明 #