Kimi api 快速入門指南

前置條件：SDK 安裝

安裝您首選語言的官方 SDK 以自動處理身份驗證和序列化。我們的 API 遵循 OpenAI 標準，因此任何相容的客戶端程式庫只需少量配置更改即可使用。

對於 Python，透過 pip 安裝函式庫。對於 Node.js，使用 npm 或 yarn。這些工具為你管理 HTTP 客戶端和 JSON 解析。

驗證：設定您的 kimi API 金鑰

從儀表板獲取您的金鑰，並將其作為 Authorization 標頭. 使用基礎 URL https://api.apikimi.cc/v1 適用於所有請求。

將金鑰安全地儲存在您的環境變數或設定檔中。標頭格式為 Bearer YOUR_API_KEY.

發送您的第一個請求

向以下網址發送 POST 請求 /v1/chat/completions 搭配您的模型 ID uncensored. 回應直接返回生成的文字。

請確保設定 model field correctly. The API returns raw output without content refusals for lawful topics.

串流回應

在請求主體中將 stream: true 在您的請求主體中。這會以伺服器發送事件（SSE）的形式回傳資料區塊。

解析 SSE 串流以即時顯示 Token。最後一個區塊包含用於計費的 Token 用量統計。

函式呼叫設定

在 tools 請求中的陣列。在適當情況下，模型會回傳工具呼叫而非直接文字。

在應用程式邏輯中處理工具呼叫並將結果送回 API 以進行進一步處理。支援 tool_choice 允許嚴格執行。

錯誤處理與限制

處理標準 HTTP 錯誤：401 代表金鑰無效，402 代表額度不足，429 代表達到速率限制。上下文視窗總共支援 100,000 個 token。

每個請求的最大輸出為 16,000 個 Token。錯誤不會消耗額度。請根據錯誤程式碼調整您的重試邏輯。

cURL

Copycurl https://api.apikimi.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List the key differences between Rust and Go memory management"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.apikimi.cc/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.apikimi.cc/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

串流

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)