对话接口

这是生成文本响应的主要接口。传入一组对话消息，模型会返回对应的响应。

接口地址

POST https://api.routic.ai/v1/chat/completions
Content-Type: application/json
Authorization: Bearer sk-xxxxxxxx

如使用自定义部署，将域名替换为你的 Base URL。

请求参数

必填参数

可选参数

消息格式

messages 数组中的每条消息必须包含：

系统消息示例（可选，引导模型行为）：

{ "role": "system", "content": "你是一个有用的编程助手。" }

用户消息示例：

{ "role": "user", "content": "请解释 JWT 认证的工作原理。" }

助手消息示例（来自之前的响应）：

{ "role": "assistant", "content": "JWT 认证的工作原理是..." }

响应体（非流式）

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "created": 1713593400,
  "model": "deepseek-r1",
  "system_fingerprint": "fp_xxxxx",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "以下是详细说明...",
        "reasoning_content": "..." // 启用思维链模式时的思维链内容
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 25,
    "completion_tokens": 120,
    "total_tokens": 145,
    "prompt_cache_hit_tokens": 0,
    "prompt_cache_miss_tokens": 25
  }
}

响应字段说明

流式输出

设 stream: true 时，模型一边生成 token 一边推送事件。每个事件是一条 text/event-stream 消息：

data: {"id":"chatcmpl-abc123","object":"chat.completion.chunk","created":1713593400,"model":"deepseek-r1","choices":[{"index":0,"delta":{"role":"assistant","content":"以下是"},"finish_reason":null}]}

data: {"id":"chatcmpl-abc123","object":"chat.completion.chunk","created":1713593400,"model":"deepseek-r1","choices":[{"index":0,"delta":{"content":"详细说明"},"finish_reason":null}]}

data: {"id":"chatcmpl-abc123","object":"chat.completion.chunk","created":1713593400,"model":"deepseek-r1","choices":[{"index":0,"delta":{"content":"..."},"finish_reason":null}]}

data: [DONE]

流式增量格式

每个 chunk 包含：

流以 data: [DONE] 结束。

代码示例

cURL（基础）

curl -X POST "https://api.routic.ai/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxxxxx" \
  -d '{
    "model": "deepseek-r1",
    "messages": [
      { "role": "user", "content": "请解释 REST 和 GraphQL 的区别。" }
    ],
    "temperature": 0.7,
    "max_tokens": 500
  }'

cURL（流式）

curl -X POST "https://api.routic.ai/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxxxxx" \
  -d '{
    "model": "deepseek-v3",
    "messages": [
      { "role": "user", "content": "写一首关于编程的俳句。" }
    ],
    "stream": true
  }'

cURL（智能路由名）

curl -X POST "https://api.routic.ai/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxxxxx" \
  -d '{
    "model": "auto/reasoning",
    "messages": [
      { "role": "user", "content": "分析这个业务需求并给出下一步建议。" }
    ]
  }'

Python（OpenAI SDK）

from openai import OpenAI

client = OpenAI(
    base_url="https://api.routic.ai/v1",
    api_key="sk-xxxxxxxx",
)

response = client.chat.completions.create(
    model="deepseek-r1",
    messages=[
        {"role": "user", "content": "请解释 REST 和 GraphQL 的区别。"}
    ],
    temperature=0.7,
    max_tokens=500,
)

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

Node.js（OpenAI SDK）

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.routic.ai/v1",
  apiKey: "sk-xxxxxxxx",
});

const response = await client.chat.completions.create({
  model: "deepseek-r1",
  messages: [{ role: "user", content: "请解释 REST 和 GraphQL 的区别。" }],
  temperature: 0.7,
  max_tokens: 500,
});

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

两种调用方式

方式一：标准模型名（推荐）

使用行业公认的模型名，精确控制调用哪个模型：

{ "model": "deepseek-r1", "messages": [...] }

方式二：智能路由名

使用 Routic 管理的路由标识符，由 Routic 自动选择该能力下最优的模型：

{ "model": "auto/reasoning", "messages": [...] }

两种方式走同一个接口。详见模型目录。

从其他平台迁移

如果你已经在用 OpenAI、OpenRouter 或其他兼容网关，迁移只需 3 步：

1. 把 base_url 改为 Routic 接入地址。
2. 把 API 密钥改为你的 Routic API Key。
3. 把 model 参数改为 Routic 支持的标准模型名。

请求结构、消息格式和响应解析都不用改。

相关文档

• 模型目录
• 认证与密钥
• HTTP 与错误
• 思维链模式
• 工具调用
• JSON 输出