← 返回首页

API 使用文档

快速上手 kanghuiAI API,轻松集成 AI 能力

快速开始

1

注册账号

访问 注册页面 创建您的账号

2

获取 API Key

登录 用户面板 创建 API 密钥

3

开始调用

使用下方示例代码开始调用 API

重要信息

API 基础地址:https://api.kanghuiai.com/v1

认证方式:Bearer Token(在请求头添加 Authorization: Bearer <你的API密钥>

聊天接口

接口信息

POST /chat/completions
创建聊天会话完成

请求参数

model string
必填 要使用的模型 ID,例如:gpt-4claude-3qwen3.6:35b
messages array
必填 对话消息数组,每个消息对象包含 rolecontent
temperature number
可选,默认 0.7,采样温度,范围 0-2,值越大输出越随机
max_tokens integer
可选,生成的最大 token 数量
stream boolean
可选,默认 false,是否使用流式输出

调用示例

curl -X POST https://api.kanghuiai.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxx你的API密钥xxxxx" \
  -d '{
    "model": "qwen3.6:35b",
    "messages": [
      {"role": "system", "content": "你是一个有用的AI助手"},
      {"role": "user", "content": "你好,请介绍一下自己"}
    ],
    "temperature": 0.7
  }'
import openai

client = openai.OpenAI(
    base_url="https://api.kanghuiai.com/v1",
    api_key="sk-xxxxx你的API密钥xxxxx"
)

response = client.chat.completions.create(
    model="qwen3.6:35b",
    messages=[
        {"role": "system", "content": "你是一个有用的AI助手"},
        {"role": "user", "content": "你好,请介绍一下自己"}
    ],
    temperature=0.7
)

print(response.choices[0].message.content)
const OpenAI = require('openai');

const client = new OpenAI({
    baseURL: 'https://api.kanghuiai.com/v1',
    apiKey: 'sk-xxxxx你的API密钥xxxxx'
});

async function chat() {
    const response = await client.chat.completions.create({
        model: 'qwen3.6:35b',
        messages: [
            {role: 'system', content: '你是一个有用的AI助手'},
            {role: 'user', content: '你好,请介绍一下自己'}
        ],
        temperature: 0.7
    });
    
    console.log(response.choices[0].message.content);
}

chat();
import com.theokanning.openai.client.OpenAiApi;
import com.theokanning.openai.completion.chat.ChatCompletionRequest;
import com.theokanning.openai.completion.chat.ChatMessage;
import com.theokanning.openai.service.OpenAiService;
import retrofit2.Retrofit;
import retrofit2.converter.jackson.JacksonConverterFactory;

import java.util.Arrays;

public class Example {
    public static void main(String[] args) {
        String baseUrl = "https://api.kanghuiai.com/v1/";
        String apiKey = "sk-xxxxx你的API密钥xxxxx";
        
        Retrofit retrofit = new Retrofit.Builder()
            .baseUrl(baseUrl)
            .addConverterFactory(JacksonConverterFactory.create())
            .build();
            
        OpenAiApi api = retrofit.create(OpenAiApi.class);
        OpenAiService service = new OpenAiService(api, apiKey);
        
        ChatCompletionRequest request = ChatCompletionRequest.builder()
            .model("qwen3.6:35b")
            .messages(Arrays.asList(
                new ChatMessage("system", "你是一个有用的AI助手"),
                new ChatMessage("user", "你好,请介绍一下自己")
            ))
            .temperature(0.7)
            .build();
            
        String response = service.createChatCompletion(request)
            .getChoices()
            .get(0)
            .getMessage()
            .getContent();
            
        System.out.println(response);
    }
}
package main

import (
    "context"
    "fmt"
    "log"

    "github.com/sashabaranov/go-openai"
)

func main() {
    config := openai.DefaultConfig("sk-xxxxx你的API密钥xxxxx")
    config.BaseURL = "https://api.kanghuiai.com/v1"
    client := openai.NewClientWithConfig(config)
    
    resp, err := client.CreateChatCompletion(
        context.Background(),
        openai.ChatCompletionRequest{
            Model: "qwen3.6:35b",
            Messages: []openai.ChatCompletionMessage{
                {
                    Role:    openai.ChatMessageRoleSystem,
                    Content: "你是一个有用的AI助手",
                },
                {
                    Role:    openai.ChatMessageRoleUser,
                    Content: "你好,请介绍一下自己",
                },
            },
            Temperature: 0.7,
        },
    )
    
    if err != nil {
        log.Fatal(err)
    }
    
    fmt.Println(resp.Choices[0].Message.Content)
}

响应示例

{
  "id": "chatcmpl-1234567890",
  "object": "chat.completion",
  "created": 1699000000,
  "model": "qwen3.6:35b",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "你好!我是 kanghuiAI 助手,很高兴为您服务。我可以帮助您回答问题、完成任务、进行对话等。请问有什么我可以帮到您的吗?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 30,
    "completion_tokens": 50,
    "total_tokens": 80
  }
}

模型列表

获取模型列表

GET /models
获取可用的模型列表

请求示例

curl -X GET https://api.kanghuiai.com/v1/models \
  -H "Authorization: Bearer sk-xxxxx你的API密钥xxxxx"

支持的模型

模型 ID 提供商 描述 特点
qwen3.6:35b 阿里巴巴 通义千问 3.6 35B 中文能力优秀,代码能力强大
qwen3.6:72b 阿里巴巴 通义千问 3.6 72B 超大参数量,顶级性能
qwen3-coder-next:q8_0 阿里巴巴 通义千问 3 Coder Next 专注于代码编写和调试
qwen3.5:14b 阿里巴巴 通义千问 3.5 14B 平衡性能与效率
qwen3.5:32b 阿里巴巴 通义千问 3.5 32B 多模态能力优秀
qwen3.5:768b 阿里巴巴 通义千问 3.5 768B Mixture of Experts,高效推理
gemma4 Google Gemma 4 前沿性能,支持推理、多模态
gemma2:9b Google Gemma 2 9B 高效推理,适合本地部署
gemma2:27b Google Gemma 2 27B 强大性能,复杂任务
llama3.2:1b Meta Llama 3.2 1B 超轻量级,边缘设备
llama3.2:3b Meta Llama 3.2 3B 高效对话,多语言
llama3.2:11b Meta Llama 3.2 11B 平衡性能,通用场景
llama3.2:90b Meta Llama 3.2 90B 旗舰级性能,复杂任务
deepseek-v3.2 深度求索 DeepSeek V3.2 高效计算,推理和代理性能
deepseek-r1 深度求索 DeepSeek R1 强化推理能力,数学难题
deepseek-coder_v2 深度求索 DeepSeek Coder V2 代码编写,多语言支持
glm-5 智谱AI GLM-5 744B参数,复杂系统工程
glm-5.1 智谱AI GLM-5.1 强化编码能力,SWE-Bench Pro
glm-4.7-flash 智谱AI GLM-4.7 Flash 30B最强,轻量级部署
glm-ocr 智谱AI GLM-OCR 文档理解,多模态OCR
minimax-m3 MiniMax MiniMax M3 1M上下文,multimodal
minimax-m2.7 MiniMax MiniMax M2.7 代码编写,专业生产力
minimax-m2.5 MiniMax MiniMax M2.5 SOTA性能,生产力任务
nemotron-3-super NVIDIA Nemotron 3 Super 120B MoE,高效计算
nemotron3 NVIDIA Nemotron 3 统一视频、音频、图像、文本
kimi-k2.6 月之暗面 Kimi K2.6 原生多模态,长任务编排
lfm2:24b LFM LFM2 24B 设备端部署,高效推理
translategemma Google TranslateGememma 55种语言翻译

* 实际可用模型取决于您的账户配置,请通过 GET /models 获取最新列表

状态码与错误

状态码 描述 说明
200 成功 请求成功处理
400 请求错误 参数错误或请求格式不正确
401 未授权 API Key 无效或已过期
402 余额不足 账户余额或配额不足
429 请求超限 请求频率超限,请稍后重试
500 服务器错误 服务端内部错误

错误响应格式

{
  "error": {
    "message": "API Key 无效",
    "type": "invalid_request_error",
    "code": "invalid_api_key"
  }
}

计费说明

Token 计费

API 调用按 Token 数量计费,包含输入 Token 和输出 Token

计算公式:总费用 = (输入 Token × 输入单价) + (输出 Token × 输出单价)

什么是 Token?

Token 是文本的基本单位,可以理解为词语的片段。通常:

配额管理

常见问题

如何获取 API Key?

1. 注册并登录账号

2. 访问用户面板 → 创建 API Key

3. 复制保存您的 API Key(仅显示一次)

API Key 泄露了怎么办?

立即在用户面板删除该 API Key 并创建新的,同时检查账户使用记录

支持流式输出吗?

支持!在请求中设置 stream: true 即可使用流式输出

如何充值?

请联系管理员或查看账户设置页面了解充值方式

支持与帮助

如有其他问题,请通过以下方式联系我们: