Chat Completions

创建对话补全响应。支持文本生成、多模态输入、函数调用、流式响应等功能。

新项目推荐使用 Responses API。 Responses API 将 instructions 与 input 分离，系统指令自动享受 Prompt Caching，缓存命中率更高，可显著降低成本和延迟。Chat Completions 仍然长期支持，已有集成无需迁移。

端点

POST https://doudi.ai/v1/chat/completions

请求参数

参数	类型	必填	说明
model	string	✅	模型标识符，使用 模型广场/价格页面 或 Models API 返回的当前可用 ID
messages	array	✅	消息数组
temperature	number	—	采样温度 0-2，默认 1
max_tokens	number	—	最大生成 token 数
stream	boolean	—	是否启用流式响应
top_p	number	—	核采样参数
frequency_penalty	number	—	频率惩罚 -2 到 2
presence_penalty	number	—	存在惩罚 -2 到 2
tools	array	—	可用工具定义（Function Calling）
tool_choice	string/object	—	工具选择策略
response_format	object	—	响应格式（JSON Mode）
provider	object	—	DouDi.ai 扩展：路由和回退配置

Message 格式

interface Message {
  role: 'system' | 'user' | 'assistant' | 'tool'
  content: string | ContentPart[]  // 文本或多模态内容
  name?: string
  tool_calls?: ToolCall[]          // assistant 消息的工具调用
  tool_call_id?: string            // tool 消息的调用 ID
}

// 多模态内容
type ContentPart =
  | { type: 'text'; text: string }
  | { type: 'image_url'; image_url: { url: string; detail?: 'auto' | 'low' | 'high' } }

请求示例

cURL

curl https://doudi.ai/v1/chat/completions \
  -H "Authorization: Bearer $DOUDI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<MODEL_ID>",
    "messages": [
      {"role": "system", "content": "你是一个有帮助的助手。"},
      {"role": "user", "content": "解释什么是 API Gateway"}
    ],
    "temperature": 0.7
  }'

Python

from openai import OpenAI

client = OpenAI(
    base_url="https://doudi.ai/v1",
    api_key="<你的 DOUDI_API_KEY>"
)

response = client.chat.completions.create(
    model="<MODEL_ID>",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "解释什么是 API Gateway"}
    ],
    temperature=0.7
)

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

TypeScript

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://doudi.ai/v1',
  apiKey: '<你的 DOUDI_API_KEY>'
})

const response = await client.chat.completions.create({
  model: '<MODEL_ID>',
  messages: [
    { role: 'system', content: '你是一个有帮助的助手。' },
    { role: 'user', content: '解释什么是 API Gateway' }
  ],
  temperature: 0.7
})

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

响应格式

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "created": 0,
  "model": "<MODEL_ID>",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "API Gateway（API 网关）是一个..."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 25,
    "completion_tokens": 150,
    "total_tokens": 175
  }
}

流式响应

设置 stream: true 启用 SSE 流式响应：

Python

stream = client.chat.completions.create(
    model="<MODEL_ID>",
    messages=[{"role": "user", "content": "讲一个故事"}],
    stream=True
)

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

TypeScript

const stream = await client.chat.completions.create({
  model: '<MODEL_ID>',
  messages: [{ role: 'user', content: '讲一个故事' }],
  stream: true
})

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

流式响应格式

每个 chunk 通过 SSE 发送：

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

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

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

data: [DONE]

多模态输入（视觉）

发送图片让模型分析：

response = client.chat.completions.create(
    model="<VISION_MODEL_ID>",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "这张图片里有什么？"},
            {"type": "image_url", "image_url": {"url": "https://example.com/image.jpg"}}
        ]
    }]
)

视觉输入需要选择当前支持图片能力的模型。详见 视觉理解指南。

Function Calling

详见 函数调用指南。