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。

1. 安装插件。安装好后按Ctrl+Shift+P，弹出框中输入Open Extensions Floder
2. 点击Extensions: Open Extensions Floder，这将打开插件目录，找到Code GPT的文件夹。
3. 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。
4. 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。
5. 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） #

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 #

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 #

⚡ 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：

1. 访问「支持模型」页面

2. 复制目标模型名称（如 gpt-4-turbo）

3. 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） #

基础信息 #

• 接口地址: https://api.whatai.cc

• 认证方式: Bearer Token (API Key)

请求参数 #

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 #

1. 请妥善保管API Key

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。

【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 #

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配置教程 #

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 #

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 #

1. 请妥善保管API密钥

📖 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！） #

✨ 分组选择攻略： #

1. 要速度 → 选「超跑VIP赛道」(openai官-优质)