硅基流动使用教程

🚀 快速开始

只需三步，即可开始使用硅基流动的AI API服务：

第一步：注册账号

访问硅基流动官网，使用手机号或邮箱完成注册。新用户注册即可获得免费额度，无需信用卡。

第二步：获取API密钥

登录后，进入控制台 → API密钥管理 → 创建新密钥。请妥善保管您的API Key，不要泄露给他人。

⚠️ 安全提示：API密钥相当于您的账户密码，请勿在公开代码库中暴露，建议使用环境变量存储。

第三步：开始调用

硅基流动完全兼容OpenAI API格式，您可以使用任何支持OpenAI的SDK和工具。

🐍 Python 调用示例

安装依赖

pip install openai

基础调用代码

                    from openai import OpenAI

# 初始化客户端
client = OpenAI(
    api_key="your-api-key-here",  # 替换为您的硅基流动API密钥
    base_url="https://api.siliconflow.cn/v1"  # 硅基流动API地址
)

# 调用GPT-4模型
response = client.chat.completions.create(
    model="gpt-4",
    messages=[
        {"role": "system", "content": "你是一个有帮助的AI助手"},
        {"role": "user", "content": "介绍一下硅基流动的优势"}
    ],
    temperature=0.7,
    max_tokens=1000
)

# 输出结果
print(response.choices[0].message.content)
                

流式输出（推荐）

                    from openai import OpenAI

client = OpenAI(
    api_key="your-api-key-here",
    base_url="https://api.siliconflow.cn/v1"
)

# 流式调用
stream = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "写一首关于AI的诗"}],
    stream=True
)

# 逐字输出
for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")
                

💡 提示：流式输出可以提供更好的用户体验，用户可以实时看到AI的回复过程。

📜 JavaScript/Node.js 调用示例

安装依赖

npm install openai

Node.js 代码示例

                    import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'your-api-key-here',
  baseURL: 'https://api.siliconflow.cn/v1'
});

async function chat() {
  const response = await client.chat.completions.create({
    model: 'gpt-4',
    messages: [
      { role: 'system', content: '你是一个有帮助的AI助手' },
      { role: 'user', content: '硅基流动的价格为什么这么便宜？' }
    ],
    temperature: 0.7,
    max_tokens: 1000
  });
  
  console.log(response.choices[0].message.content);
}

chat();
                

浏览器中使用（带错误处理）

                    async function callAPI() {
  try {
    const response = await fetch('https://api.siliconflow.cn/v1/chat/completions', {
      method: 'POST',
      headers: {
        'Content-Type': 'application/json',
        'Authorization': 'Bearer your-api-key-here'
      },
      body: JSON.stringify({
        model: 'gpt-4',
        messages: [
          { role: 'user', content: '你好，介绍一下硅基流动' }
        ]
      })
    });
    
    const data = await response.json();
    console.log(data.choices[0].message.content);
  } catch (error) {
    console.error('API调用失败:', error);
  }
}
                

🔧 cURL 调用示例

使用cURL可以快速测试API，无需编写代码：

                    curl https://api.siliconflow.cn/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer your-api-key-here" \
  -d '{
    "model": "gpt-4",
    "messages": [
      {
        "role": "user",
        "content": "硅基流动和OpenAI官方有什么区别？"
      }
    ],
    "temperature": 0.7,
    "max_tokens": 1000
  }'
                

🎯 模型选择指南

硅基流动支持200+模型，以下是常用模型推荐：

文本生成模型

gpt-4 - 最强大的模型，适合复杂任务（¥0.42/M tokens）
gpt-4o - GPT-4优化版，更快更便宜（¥0.35/M tokens）
gpt-3.5-turbo - 性价比之选，适合大多数场景（¥0.042/M tokens）
claude-3.5-sonnet - Claude最新模型，擅长长文本（¥0.84/M tokens）
deepseek-chat - 极致性价比，代码能力强（¥0.07/M tokens）
qwen-plus - 阿里通义千问，中文优秀（¥0.4/M tokens）
glm-4 - 智谱清言，多模态能力（¥0.35/M tokens）

图像生成模型

dall-e-3 - OpenAI的图像生成模型
stable-diffusion-xl - 开源图像生成，效果优秀

语音识别

whisper-1 - OpenAI的语音识别模型

💡 省钱技巧：对于简单任务使用gpt-3.5-turbo或deepseek，对于复杂任务使用gpt-4。合理选择模型可以节省80%以上费用。

🔄 从OpenAI官方迁移

如果您正在使用OpenAI官方API，迁移到硅基流动非常简单，只需修改两行代码：

原代码（OpenAI官方）

                    from openai import OpenAI

client = OpenAI(
    api_key="sk-xxxxx"  # OpenAI密钥
    # 默认使用OpenAI官方地址
)
                

修改后（硅基流动）

                    from openai import OpenAI

client = OpenAI(
    api_key="your-siliconflow-key",  # 替换为硅基流动密钥
    base_url="https://api.siliconflow.cn/v1"  # 添加这一行
)
                

就是这么简单！其他代码完全不需要修改，所有参数、返回格式都与OpenAI兼容。

💰 迁移收益：迁移到硅基流动后，您的API费用可以降低80%以上，每月节省数千甚至数万元。立即开始

⚡ 高级功能

函数调用（Function Calling）

让AI自动调用您的函数，实现更复杂的交互：

                    response = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "今天北京天气如何？"}],
    functions=[{
        "name": "get_weather",
        "description": "获取指定城市的天气",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "城市名称"}
            },
            "required": ["city"]
        }
    }]
)
                

多轮对话

维护对话历史，实现连续对话：

                    messages = [
    {"role": "system", "content": "你是一个有帮助的AI助手"},
    {"role": "user", "content": "硅基流动支持哪些模型？"},
    {"role": "assistant", "content": "硅基流动支持200+模型，包括GPT-4、Claude、国产主流模型等..."},
    {"role": "user", "content": "价格怎么样？"}  # 继续上一轮对话
]

response = client.chat.completions.create(
    model="gpt-4",
    messages=messages
)
                

图像生成示例

                    response = client.images.generate(
    model="dall-e-3",
    prompt="一只可爱的猫咪在使用电脑",
    size="1024x1024",
    quality="standard",
    n=1
)

image_url = response.data[0].url
print(f"生成的图片: {image_url}")
                

✨ 最佳实践

1. 使用环境变量存储API密钥

                    import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("SILICONFLOW_API_KEY"),
    base_url="https://api.siliconflow.cn/v1"
)
                

2. 错误处理

                    from openai import OpenAI, APIError, RateLimitError

try:
    response = client.chat.completions.create(
        model="gpt-4",
        messages=[{"role": "user", "content": "你好"}]
    )
except RateLimitError:
    print("请求过于频繁，请稍后再试")
except APIError as e:
    print(f"API错误: {e}")
                

3. 控制成本

使用 max_tokens 限制输出长度
简单任务使用 gpt-3.5-turbo 或 deepseek
使用流式输出提供更好的用户体验
合理设置 temperature（0.7为推荐值）

4. 优化Prompt

                    # 好的Prompt示例
messages = [
    {
        "role": "system",
        "content": "你是一个专业的Python编程助手，擅长解释代码和提供解决方案。"
    },
    {
        "role": "user",
        "content": "请用Python实现一个简单的HTTP服务器，并提供详细注释。"
    }
]
                

🔍 常见问题排查

401 Unauthorized

原因：API密钥无效或未设置
解决：检查API密钥是否正确，确保添加了 "Bearer " 前缀（使用SDK时自动添加）

429 Rate Limit Exceeded

原因：请求频率过高
解决：添加请求间隔，或联系硅基流动提升限额

timeout 超时

原因：网络问题或请求耗时过长
解决：增加timeout设置，或使用流式输出

模型不可用

原因：模型名称错误或该模型不支持
解决：查看官方文档确认模型名称

📚 更多资源

官方API文档 - 完整的API参考
价格对比 - 与其他平台详细对比
常见问题 - 更多使用问题解答
开发者社区 - 与其他开发者交流

🚀 快速开始

第一步：注册账号

第二步：获取API密钥

第三步：开始调用

🐍 Python 调用示例

安装依赖

基础调用代码

流式输出（推荐）

📜 JavaScript/Node.js 调用示例

安装依赖

Node.js 代码示例

浏览器中使用（带错误处理）

🔧 cURL 调用示例

🎯 模型选择指南

文本生成模型

图像生成模型

语音识别

🔄 从OpenAI官方迁移

原代码（OpenAI官方）

修改后（硅基流动）

⚡ 高级功能

函数调用（Function Calling）

多轮对话

图像生成示例

✨ 最佳实践

1. 使用环境变量存储API密钥

2. 错误处理

3. 控制成本

4. 优化Prompt

🔍 常见问题排查

401 Unauthorized

429 Rate Limit Exceeded

timeout 超时

模型不可用

📚 更多资源

准备好开始了吗？