聊天补全

兼容 OpenAI /v1/chat/completions 接口，支持 Claude、GPT 系列模型。

接口信息

• 请求方式：POST
• 接口地址：https://wickham.ai/v1/chat/completions
• 认证方式：Bearer Token，在请求头中传入 API Key

请求参数

参数	类型	必填	说明
model	string	✅	模型名称，见下方支持列表
messages	array	✅	对话消息列表
stream	boolean	—	是否开启流式输出，默认 false
temperature	number	—	随机性，范围 0~2，默认 1
max_tokens	integer	—	最大输出 Token 数
top_p	number	—	核采样概率，范围 0~1
tools	array	—	工具调用定义（Function Calling）
tool_choice	string/object	—	工具选择策略

messages 参数说明

每条消息为一个对象，包含以下字段：

字段	类型	说明
role	string	角色：system / user / assistant / tool
content	string | array	消息内容，支持文本或多模态内容

请求示例

Python

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://wickham.ai/v1"
)

response = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {"role": "system", "content": "你是一个专业的 AI 助手。"},
        {"role": "user", "content": "用一句话解释什么是大语言模型。"}
    ],
    temperature=0.7,
    max_tokens=512
)

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

Node.js

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'your-api-key',
  baseURL: 'https://wickham.ai/v1',
});

const response = await client.chat.completions.create({
  model: 'claude-sonnet-4-6',
  messages: [
    { role: 'system', content: '你是一个专业的 AI 助手。' },
    { role: 'user', content: '用一句话解释什么是大语言模型。' },
  ],
  temperature: 0.7,
  max_tokens: 512,
});

console.log(response.choices[0].message.content);

cURL

curl https://wickham.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer your-api-key" \
  -d '{
    "model": "claude-sonnet-4-6",
    "messages": [
      {"role": "system", "content": "你是一个专业的 AI 助手。"},
      {"role": "user", "content": "用一句话解释什么是大语言模型。"}
    ],
    "temperature": 0.7,
    "max_tokens": 512
  }'

响应示例

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "created": 1715000000,
  "model": "claude-sonnet-4-6",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "大语言模型是一种基于海量文本数据训练的 AI 系统，能够理解和生成自然语言。"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 32,
    "completion_tokens": 28,
    "total_tokens": 60
  }
}

流式输出

将 stream 设置为 true，接口将以 SSE（Server-Sent Events）格式逐块返回内容。

Python

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "写一首短诗"}],
    stream=True
)

for chunk in response:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

Node.js

const stream = await client.chat.completions.create({
  model: 'gpt-4o',
  messages: [{ role: 'user', content: '写一首短诗' }],
  stream: true,
});

for await (const chunk of stream) {
  const delta = chunk.choices[0]?.delta?.content;
  if (delta) process.stdout.write(delta);
}

流式响应的每个数据块格式如下：

data: {"id":"chatcmpl-abc123","object":"chat.completion.chunk","choices":[{"index":0,"delta":{"content":"大"},"finish_reason":null}]}

data: [DONE]

支持的模型

Claude 系列

模型	上下文窗口	说明
claude-opus-4-7	200K	最强推理能力，适合复杂任务
claude-sonnet-4-6	200K	性能与速度均衡，推荐首选
claude-haiku-4-5-20251001	200K	轻量快速，适合高并发场景

GPT 系列

模型	上下文窗口	说明
gpt-4o	128K	多模态旗舰，支持图文输入
gpt-4o-mini	128K	经济实惠，适合日常对话
gpt-4.1	1M	超长上下文，适合长文档处理
gpt-4.1-mini	1M	长上下文轻量版