一文搞懂在 HTTP 如何 one-api 调用，实操指南来袭！

本文聚焦于在 HTTP 如何 one-api 调用，开篇点明什么是One API 。接着详细阐述实操步骤，涵盖前置准备，如适配多系统的软件环境搭建、工具安装；核心流程，包含获取与运行 one-api、创建渠道、申请令牌；项目配置，涉及初始化与修改关键配置文件；还给出 Python 代码示例演示调用过程，收尾强调启动测试要点，为技术人员提供全面且易懂的 one-api 调用科普指南。

一、什么是 One API

One API 是 OpenAI 接口管理和分发系统，可以通过标准的 OpenAI API 格式访问所有的大模型，支持智谱 ChatGLM、百度文心一言、讯飞星火认知、阿里通义千问、腾讯混元等国内大模型

二、前置准备：搭建基础环境

（一）环境软件配置

在开启One API 的调用之旅前，精心搭建适配的环境是基石。就软件层面而言，one-api 展现出了良好的兼容性，支持 Python 3.8 至 3.11 版本，无论是 Windows 的便捷操作、macOS 的流畅体验，还是 Linux 的强大功能拓展，它都能完美适配，满足不同开发者的习惯偏好。从硬件适配角度出发，自 0.3.0 版本更新后，one-api 的灵活性大幅提升，无论是依托 CPU 单核的简约部署，利用 GPU 并行加速的高效运算，还是借助 NPU 面向特定需求的精准优化，乃至 MPS 在特定苹果硬件上的专属加速，都能找到用武之地，让开发者可依据手头硬件资源随心选用。

（二）关键工具安装

以常用的 Langchain – Chatchat 为例，自 0.3.0 版本起，其安装方式便捷高效，以 Python 库形式存在。在命令行窗口输入 “pip install langchain-chatchat -U”，即可开启安装流程。这里要着重提醒，为保障库版本最新，避免后续潜在冲突，推荐优先选用官方 Pypi 源；若网络访问存在限制，清华源（https://pypi.tuna .tsingh ua.ed u.cn/simpl e）也是稳定可靠的备选，它能在保障功能完整的同时，加速安装进程，为后续开发铺就坦途。

三、核心步骤：one-api 接入全流程

（一）获取 one-api 可执行文件

获取 one-api 可执行文件是开启调用之旅的首道关卡，目前有两种主流途径。若想便捷快速上手，可直接从链接 Release v0.6.8・songquanpeng/one-api（https://github.com/so ngqua npeng /one -api/relea ses/t ag/v0 .6.8）下载适配系统的可执行文件.exe，其优势在于操作简易，免去复杂的编译流程，下载完成后即可进入后续部署环节。

对于进阶开发者，从源码编译能深度掌控项目细节，定制化程度更高。首先，在命令行执行 “git clone https://github.co m/son gquan peng/one-a pi.gi t”，将 one-api 源码完整克隆至本地。接着，构建前端代码，进入 “one-api/web/default” 目录，先后运行 “npm install” 安装依赖项，再执行 “npm run build” 完成前端构建，确保前端界面交互流畅。而后退回上级目录，构建后端，运行 “go mod download” 拉取 Go 模块依赖，最后执行 “go build -ldflags “-s -w” -o one-api” 生成可执行文件，此刻，专属定制的 one-api 可执行文件便准备就绪。

（二）运行 one-api 服务

当获取到可执行文件后，运行服务环节至关重要。在终端执行 “chmod u + x one-api”，此命令为One API 文件赋予可执行权限，保障后续运行无阻碍。接着运行 “./one-api –port 3000 –log-dir./logs”，其中 “–port 3000” 指定服务运行端口为 3000，方便统一管理与访问；“–log-dir./logs” 设定日志存储目录为当前目录下的 logs 文件夹，便于后续运维排查问题。

服务成功运行后，打开浏览器，访问http://localhost :3000 /，即可进入 one-api 的控制台登录界面，初始账号用户名是 root，密码为 123456，输入后便能开启 one-api 的功能探索之旅。

（三）创建渠道

成功登录 one-api 控制台后，创建渠道成为连接各类模型资源的关键纽带。在控制台界面，点击清晰醒目的 “渠道” 选项卡，跳转至渠道管理页面后，点击 “新建渠道” 按钮，开启渠道创建流程。

以接入讯飞星火模型为例，在弹出的创建窗口中，“渠道名称” 按需填写，如 “iFLYTEK-Xinghuo”；“渠道类型” 从下拉菜单精准选择 “讯飞星火”；“模型” 依据需求勾选相应模型版本，如 “讯飞星火 2.0”；“密钥” 填入在讯飞星火平台申请的专属 API Key，确保信息准确无误后，点击 “保存” 按钮。此时，界面会弹出 “渠道创建成功” 的提示，下方渠道列表也将实时更新展示新建渠道详情，后续便可依托此渠道高效调用模型服务。

（四）申请令牌

申请令牌如同获取开启模型调用之门的专属钥匙，不可或缺。在 one-api 控制台首页，找到并点击 “令牌” 选项，进入令牌管理区域。点击 “添加新的令牌” 按钮，在弹出窗口中，“令牌名称” 可按项目或用途自定义，如 “Test-Project-Token”；“过期时间” 依据使用周期灵活设置，若短期测试，可选几天后过期；若长期稳定使用，可勾选 “永不过期”；“允许的 IP 范围” 按需限定访问源 IP，增强安全性，若仅本地开发测试，可填入 “127.0.0.1”，设置完成后点击 “生成” 按钮，专属令牌便生成展示，务必妥善保存，后续所有模型调用都将依赖此令牌完成身份验证。

四、项目配置：让 one-api 适配你的需求

（一）初始化项目配置与数据目录

初始化项目配置与数据目录是为项目构建稳固根基的关键一步。自 0.3.1 版本起，Langchain – Chatchat 创新性地采用本地 yaml 文件进行精细配置，赋予用户直观查看与便捷修改的能力，且服务器能动态更新，免除繁琐重启流程。

首先，设定 Chatchat 存储配置文件和数据文件的根目录，此操作虽非强制，但合理设置可使项目结构更为清晰。在 Linux 或 macOS 系统下，于终端执行 “export CHATCHAT_ROOT=/path/to/chatchat_data”，精准指定数据存储路径；在 Windows 系统中，则需在命令提示符输入 “set CHATCHAT_ROOT=/path/to/chatchat_data”。若未进行此项设置，系统将默认以当前目录作为根目录，虽同样可行，但随着项目复杂度提升，文件管理难度会相应增加。

完成路径设定后，执行 “chatchat init” 命令，这一指令宛如智能管家，自动完成多项关键任务。它会有条不紊地创建诸如数据存储、日志记录、模型缓存等所有必需的数据目录，确保各类数据各归其位；同时，贴心地将 samples 知识库内容完整复制至对应目录，为后续知识拓展与模型训练提供基础素材；还会生成默认的 yaml 配置文件，涵盖模型、知识库、基础设置等多方面初始参数，为项目启动做好全面铺垫。以模型配置文件 model_settings.yaml 为例，其初始内容便预设了部分通用模型参数，为后续精准调优节省大量时间。

（二）修改配置文件

修改配置文件环节精细且关键，直接关乎项目运行效果与资源适配精准度。

聚焦 model_settings.yaml，在此文件中，首要抉择是One API 的推理框架，这需依据项目实际需求、硬件资源特性以及模型兼容性综合判断。例如，若追求极致的推理速度，且硬件支持 GPU 加速，可优先考虑适配英伟达 GPU 的推理框架；若处于资源受限环境，侧重 CPU 单核的稳定运行，选择与之适配的轻量级框架更为明智。

关键参数调整不容忽视，如 “DEFAULT_LLM_MODEL”，它直接指定默认选用的大语言模型，像项目侧重于中文知识问答，将其设为如 “qwen1.5 – chat” 等针对中文优化的模型，能显著提升问答精准度与流畅度；“DEFAULT_EMBEDDING_MODEL” 关乎文本向量化，“bge – large – zh – v1.5” 在中文语义理解与特征提取方面表现卓越，可依文本语言特性灵活变更。同时，务必将 “LLM_MODEL_CONFIG” 中 “llm_model”“action_model” 的键精准改成所选的 LLM 模型，确保模型调用链路无缝衔接；在 “MODEL_PLATFORMS” 区域，依据所选模型平台，如实更新如 API 地址、密钥、并发数等信息，以阿里云百炼平台为例，需将模式设为 “oneapi”，并填入对应渠道申请的 api_key，保障与平台通信顺畅。

basic_settings.yaml 主要掌控知识库路径等基础设置。默认知识库位于 “CHATCHAT_ROOT/data/knowledge_base”，若期望迁移至特定存储位置，如外接大容量硬盘或共享文件夹，只需修改 “KB_ROOT_PATH” 为目标路径即可；同理，对于数据库存储，若采用 sqlite，“DB_ROOT_PATH” 可按需调整，若选用其他数据库，修改 “SQLALCHEMY_DATABASE_URI” 为对应连接字符串，确保数据存储与读取稳定高效。

kb_settings.yaml 则专注于知识库配置细节。默认启用 FAISS 知识库，若项目涉及海量知识检索，且对检索速度、精度有特殊要求，需连接如 Milvus 等其他类型的高性能知识库时，通过修改 “DEFAULT_VS_TYPE” 指定类型，并在 “kbs_config” 中精细配置连接参数，实现知识库的灵活切换与优化，为后续知识驱动的应用筑牢根基。

五、实战演练：用代码发起调用

在完成上述一系列精细筹备后，终于迎来激动人心的实战环节 —— 用代码发起调用。以 Python 为例，它凭借简洁明了的语法与丰富的库支持，成为众多开发者调用One API 的首选利器。

首先，导入必要库，这是开启调用之旅的第一步：

import requests

import json

这里，requests库宛如一位得力信使，负责高效构建与发送 HTTP 请求，让数据在客户端与服务器之间畅行无阻；json库则如同一位精准翻译官，能将复杂的 JSON 格式数据转换成 Python 易于理解和处理的结构，确保信息传递不失真。

接着，构建请求：

url = "http://localhost:3000/v1/chat/completions"

headers = {

    "Content-Type": "application/json",

    "Authorization": "Bearer YOUR_TOKEN"

}

data = {

    "model": "your_model_name",

    "messages": [{"role": "user", "content": "你好，今天天气如何？"}]

}

在这段代码中，url精准指向 one-api 服务的关键入口，是数据传输的目的地；headers作为请求头信息，承载着重要的 “身份标识” 与 “交流规范”，其中Content-Type告知服务器发送数据的格式为 JSON，Authorization则填入之前精心申请、妥善保存的令牌，这是开启模型服务大门的关键钥匙，务必确保准确无误，否则将被拒之门外；data部分是请求的核心内容，model指定调用的具体模型，如前文创建渠道时选用的模型，messages模拟用户与模型的对话场景，此处发起一个关于天气的日常询问，开启与模型的交互序幕。

然后，发送 HTTP 请求：

response = requests.post(url, headers=headers, json=data)

这行代码简洁有力，requests.post()方法宛如离弦之箭，带着精心构建的请求信息冲向目标服务器，同时接收服务器返回的响应，并存储在response变量中，等待后续剖析解读。

最后，解析响应：

if response.status_code == 200:

    result = json.loads(response.text)

    print(result["choices"][0]["message"]["content"])

else:

    print(f"请求失败，状态码：{response.status_code}")

在此，首先严谨检查响应状态码，如同快递签收时确认包裹完好无损，200状态码意味着请求顺利送达并得到模型妥善处理，此时便可放心地用json.loads()将响应文本转换为 Python 字典，精准提取模型生成的回答并打印展示；若状态码非200，则表明途中出现状况，按错误处理流程打印状态码，以便排查问题，优化调整后续请求。

通过这一系列环环相扣的代码步骤，开发者便能在 Python 环境中，依托 http 协议与 one-api 深度交互，充分挖掘各类大模型潜能，为项目注入智能活力，实现功能的飞跃创新。无论是打造智能客服即时答疑解惑，还是辅助内容创作激发灵感火花，One API 结合代码的强大力量都将助力开发者逐梦前行。

六、收尾工作：启动与测试

在完成上述所有精细配置后，终于来到启动项目的关键时刻。在终端执行 “chatchat start -a”，此命令宛如引擎点火，瞬间激活整个项目，让前期所有筹备工作汇聚成流畅运行的智能应用。

项目成功启动后，若采用默认配置，可在浏览器访问http://127.0.0.1:8501/，映入眼帘的将是精心设计的交互界面，等待着用户输入指令，开启智能交互之旅。此时，不妨进行一次简单测试，在输入框输入 “请介绍一下人工智能的发展历程”，点击发送，片刻后，模型依据海量知识储备生成的详细回答便会呈现眼前，仔细核对回答内容，查看其是否逻辑清晰、信息准确，是否精准满足需求。若返回结果不尽人意，需冷静排查问题，首先检查网络连接是否稳定，确保数据传输无阻碍；再确认配置文件中模型参数是否适配，如模型版本是否正确、API 密钥有无错误；还可查看日志文件，其中记录的详细运行信息往往能精准定位问题根源，助力快速优化调整，让项目以最佳状态运行，充分释放One API 与大模型融合的强大能量，为后续开发创新筑牢根基。