Chat Completions API

兼容 OpenAI 的 Chat Completions 端点，覆盖平台上所有对话与推理模型 —— 当前列表见模型列表。支持流式输出、函数调用、视觉和结构化输出。

基础 URL： https://api.jarvisclaw.ai/v1

认证

两种方式均支持 — 所有请求通过 x402 链上结算：

方式	Header	描述
API Key	`Authorization: Bearer sk-...`	平台自动从你的 HD 钱包签名 x402
私钥（x402）	通过 SDK 自动	Agent 直接从自身钱包签名 x402

详见 Agent 支付（x402）了解完整详情。

端点

POST /v1/chat/completions

创建聊天补全。

Headers

Header	必填	描述
Authorization	是	`Bearer sk-your-api-key`
Content-Type	是	必须为 `application/json`
PAYMENT-SIGNATURE	条件性	Base64 编码的 x402 支付载荷（402 响应后必需，x402 v2）。`X-PAYMENT` 是等价别名

请求体参数

参数	类型	必填	描述
model	string	是	模型 ID（如 `openai/gpt-5.5`）
messages	array	是	消息对象数组
max_tokens	integer	否	最大生成 token 数（默认: 1024）
max_completion_tokens	integer	否	最大输出 token 数含推理（用于 o 系列/推理模型）
temperature	number	否	采样温度（0-2）
top_p	number	否	核采样参数
top_k	integer	否	Top-K 采样（取决于供应商）
stream	boolean	否	通过 SSE 流式传输部分结果
tools	array	否	可用函数/工具列表
tool_choice	string/object	否	`"auto"`, `"none"`, `"required"`, 或特定工具
response_format	object	否	`{"type": "json_object"}` 或 JSON Schema
n	integer	否	生成数量（默认: 1）
stop	string/array	否	停止序列
presence_penalty	number	否	出现惩罚（-2.0 到 2.0）
frequency_penalty	number	否	频率惩罚（-2.0 到 2.0）
reasoning_effort	string	否	`"low"`, `"medium"`, `"high"`（推理模型）

请求示例

json

{
  "model": "anthropic/claude-sonnet-4.6",
  "messages": [
    {"role": "system", "content": "你是一个有帮助的助手。"},
    {"role": "user", "content": "解释量子计算"}
  ],
  "max_tokens": 1024,
  "temperature": 0.7,
  "stream": true
}

响应

json

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "created": 1700000000,
  "model": "anthropic/claude-sonnet-4.6",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "量子计算利用量子力学原理..."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 25,
    "completion_tokens": 150,
    "total_tokens": 175
  }
}

流式响应

启用 stream: true 时，响应以 SSE 事件形式到达：

data: {"id":"chatcmpl-abc","choices":[{"delta":{"content":"量子"},"index":0}]}

data: {"id":"chatcmpl-abc","choices":[{"delta":{"content":"计算"},"index":0}]}

data: [DONE]

函数调用

json

{
  "model": "openai/gpt-4.1",
  "messages": [
    {"role": "user", "content": "北京今天天气怎么样？"}
  ],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "获取指定位置的当前天气",
        "parameters": {
          "type": "object",
          "properties": {
            "location": {"type": "string", "description": "城市名称"}
          },
          "required": ["location"]
        }
      }
    }
  ],
  "tool_choice": "auto"
}

视觉（多模态）

json

{
  "model": "openai/gpt-4.1",
  "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.png"}}
      ]
    }
  ]
}

SDK 示例

python

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api.jarvisclaw.ai/v1"
)

response = client.chat.completions.create(
    model="anthropic/claude-sonnet-4.6",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "解释量子计算"}
    ],
    max_tokens=1024,
    stream=True
)

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

python

from jarvisclaw import ChatClient

chat = ChatClient(api_key="sk-your-api-key")

# 简单补全（智能路由 — 自动选择最佳模型）
response = chat.complete("解释量子计算。")
print(response)

# 指定模型
response = chat.complete("解释量子计算。", model="anthropic/claude-sonnet-4.6")
print(response)

# 流式输出
for chunk in chat.stream("讲个笑话。", model="openai/gpt-5.4-mini"):
    print(chunk, end="")

python

from jarvisclaw import ChatClient

# ─── 选项 A: Base 链 (EVM) ───
# Hex 私钥 → Base 上的 USDC (Chain ID 8453)
chat = ChatClient(private_key="0x<evm-private-key>")

# ─── 选项 B: Solana ───
# Base58 密钥对 → Solana 主网上的 USDC SPL
# chat = ChatClient(private_key="<solana-bs58-keypair>")

# SDK 从密钥格式自动检测链 — 无需配置

# 简单补全（智能路由 — 自动选择最佳模型）
response = chat.complete("解释量子计算。")
print(response)

# 指定模型
response = chat.complete("解释量子计算。", model="anthropic/claude-sonnet-4.6")
print(response)

# 流式输出
for chunk in chat.stream("讲个笑话。", model="openai/gpt-5.4-mini"):
    print(chunk, end="")

package main

import (
    "context"
    "fmt"
    jc "github.com/api-jarvisclaw/go-sdk/v2"
)

func main() {
    ctx := context.Background()
    cc, _ := jc.NewChatClient(jc.WithAPIKey("sk-your-api-key"))

    // 简单补全
    response, _ := cc.Complete(ctx, "解释量子计算。",
        jc.WithChatModel("anthropic/claude-sonnet-4.6"))
    fmt.Println(response)

    // 流式输出
    stream, _ := cc.Stream(ctx, "讲个笑话。", jc.WithChatModel("openai/gpt-5.4-mini"))
    for chunk := range stream.Channel() {
        fmt.Print(chunk)
    }
}

package main

import (
    "context"
    "fmt"
    jc "github.com/api-jarvisclaw/go-sdk/v2"
)

func main() {
    ctx := context.Background()

    // x402 Agent 钱包 — 通过 Base 上的 USDC 按调用付费 (Chain ID 8453)
    cc, _ := jc.NewChatClient(jc.WithPrivateKey("0x<evm-private-key>"))

    // 简单补全（智能路由 — 自动选择最佳模型）
    response, _ := cc.Complete(ctx, "解释量子计算。")
    fmt.Println(response)

    // 指定模型
    response, _ = cc.Complete(ctx, "解释量子计算。",
        jc.WithChatModel("anthropic/claude-sonnet-4.6"))
    fmt.Println(response)

    // 流式输出
    stream, _ := cc.Stream(ctx, "讲个笑话。", jc.WithChatModel("openai/gpt-5.4-mini"))
    for chunk := range stream.Channel() {
        fmt.Print(chunk)
    }
}

Chat Completions API ​

认证 ​

端点 ​

POST /v1/chat/completions ​

Headers ​

请求体参数 ​

请求示例 ​

响应 ​

流式响应 ​

函数调用 ​

视觉（多模态） ​

SDK 示例 ​

Chat Completions API

认证

端点

POST /v1/chat/completions

Headers

请求体参数

请求示例

响应

流式响应

函数调用

视觉（多模态）

SDK 示例