聊天補全

POST /v1/chat/completions

核心對話端點，相容 OpenAI Chat Completions 格式。支援多模態輸入、串流輸出、工具呼叫與推理模型。

請求

curl https://test.kailin.com.cn/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-token" \
  -d '{
    "model": "deepseek-v4-1-flash-261017",
    "messages": [
      { "role": "system", "content": "You are a concise assistant" },
      { "role": "user", "content": "Hello" }
    ],
    "stream": false
  }'

请求REQUEST

POSThttps://test.kailin.com.cn/v1/chat/completions

API Key仅存本地浏览器，不会上传

请求体 JSONSSE 流式 · 逐段渲染

响应RESPONSE

填写参数并发送请求，响应会显示在这里

請求主體參數

參數	類型	必填	說明
`model`	string	是	模型名稱，見列出模型
`messages`	array	是	對話訊息陣列，見下方訊息結構
`stream`	boolean	否	串流輸出（SSE），預設 `false`
`temperature`	number	否	取樣溫度 0–2，預設 1——越低越穩定
`top_p`	number	否	核心取樣；與 `temperature` 擇一調整即可
`max_tokens`	number	否	最大生成 token 數（較新的模型改用 `max_completion_tokens`）
`stop`	string / array	否	停止序列，最多 4 個
`tools`	array	否	工具（函式）定義，見工具呼叫
`tool_choice`	string / object	否	`auto` / `none` / `required` / 指定工具
`response_format`	object	否	`{"type": "json_object"}` 或 `{"type": "json_schema", ...}`
`seed`	integer	否	隨機種子，用於重現輸出
`frequency_penalty`	number	否	-2.0–2.0，降低重複
`presence_penalty`	number	否	-2.0–2.0，鼓勵新話題
`reasoning_effort`	string	否	推理模型的推理強度：`low` / `medium` / `high`
`user`	string	否	終端使用者識別碼，便於風控監控

訊息結構

欄位	類型	說明
`role`	string	`system` / `user` / `assistant` / `tool`
`content`	string / array	字串，或多模態內容陣列（見多模態輸入）
`name`	string	選填，參與者名稱
`tool_calls`	array	`assistant` 訊息中模型發起的工具呼叫
`tool_call_id`	string	`tool` 訊息必填——對應正在回覆的呼叫

回應（非串流）

{
  "id": "chatcmpl-B3xK1abc123",
  "object": "chat.completion",
  "created": 1730000000,
  "model": "deepseek-v4-1-flash-261017",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! How can I help you today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 20,
    "completion_tokens": 12,
    "total_tokens": 32
  }
}

欄位	說明
`choices[].message.content`	模型的回覆
`choices[].finish_reason`	`stop` 正常結束 / `length` 達到 token 上限 / `tool_calls` 需要執行工具
`usage`	token 用量——計費依據
`usage.completion_tokens_details.reasoning_tokens`	推理模型回傳的思考 token 數

串流回應

設定 "stream": true 時，回應是 SSE 事件串流：

data: {"id":"chatcmpl-xxx","choices":[{"index":0,"delta":{"role":"assistant"},"finish_reason":null}]}

data: {"id":"chatcmpl-xxx","choices":[{"index":0,"delta":{"content":"Hello"},"finish_reason":null}]}

data: {"id":"chatcmpl-xxx","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: [DONE]

增量內容在 choices[].delta.content，最後以 data: [DONE] 結束。最後一個 chunk 是否攜帶 usage 取決於上游。

多模態輸入

把 content 傳成陣列，即可混合文字與圖片/音訊。圖片支援 URL 或 Base64 Data URL：

{
  "model": "gpt-4o-mini",
  "messages": [
    {
      "role": "user",
      "content": [
        { "type": "text", "text": "What's in this image?" },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://upload.wikimedia.org/wikipedia/commons/3/3c/Shaki_waterfall.jpg"
          }
        }
      ]
    }
  ]
}

內容塊類型	欄位	說明
`text`	`text`	文字
`image_url`	`image_url.url`	圖片 URL 或 `data:image/jpeg;base64,...`
`input_audio`	`input_audio.data` / `input_audio.format`	Base64 音訊（`wav` / `mp3`），需模型支援

工具呼叫

透過 tools 宣告工具，模型會以 tool_calls 回應。
執行工具後，把結果以 role: "tool" 訊息附加，再呼叫一次。

{
  "model": "deepseek-v4-1-flash-261017",
  "messages": [{ "role": "user", "content": "What's the weather in Shanghai today?" }],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Get the current weather for a city",
        "parameters": {
          "type": "object",
          "properties": {
            "city": { "type": "string", "description": "City name" }
          },
          "required": ["city"]
        }
      }
    }
  ]
}

模型回應：

{
  "choices": [
    {
      "message": {
        "role": "assistant",
        "tool_calls": [
          {
            "id": "call_abc123",
            "type": "function",
            "function": {
              "name": "get_weather",
              "arguments": "{\"city\": \"Shanghai\"}"
            }
          }
        ]
      },
      "finish_reason": "tool_calls"
    }
  ]
}

執行完成後，把結果回傳：

{
  "model": "deepseek-v4-1-flash-261017",
  "messages": [
    { "role": "user", "content": "What's the weather in Shanghai today?" },
    {
      "role": "assistant",
      "tool_calls": [
        {
          "id": "call_abc123",
          "type": "function",
          "function": { "name": "get_weather", "arguments": "{\"city\": \"Shanghai\"}" }
        }
      ]
    },
    { "role": "tool", "tool_call_id": "call_abc123", "content": "Sunny, 26°C" }
  ]
}

使用 SDK

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-token",
    base_url="https://test.kailin.com.cn/v1",
)

stream = client.chat.completions.create(
    model="deepseek-v4-1-flash-261017",
    messages=[{"role": "user", "content": "Write a short poem about autumn"}],
    stream=True,
)
for chunk in stream:
    delta = chunk.choices[0].delta
    if delta.content:
        print(delta.content, end="", flush=True)

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'sk-your-token',
  baseURL: 'https://test.kailin.com.cn/v1',
});

const stream = await client.chat.completions.create({
  model: 'deepseek-v4-1-flash-261017',
  messages: [{ role: 'user', content: 'Write a short poem about autumn' }],
  stream: true,
});
for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '');
}

備註

推理類模型（o 系列、DeepSeek-R1 等）的思考過程可能在 reasoning_content 或 delta.reasoning_content 回傳，取決於上游渠道。

請求​

請求主體參數​

訊息結構​

回應（非串流）​

串流回應​

多模態輸入​

工具呼叫​

使用 SDK​

請求