一篇文章讲清楚：中转API如何用Python调用ChatGPT
你是否遇到过这样的场景？
想把 ChatGPT 接入自己的应用，却被模型限制、价格波动、接口差异搞得一头雾水；
刚写好的代码，换一个模型就要重构一遍；
好不容易跑通了，又发现前端、后端、流式输出全都要重新适配。
现在，这些问题可以用一个“中转 API”一次性解决。
本教程将手把手带你使用神马中转API兼容 OpenAI Chat Completions 的中转 API，通过 Python 快速部署一个可切换多模型的 ChatGPT 应用。无论你使用的是 OpenAI、Claude、Gemini、DeepSeek，还是其他对话模型，只需要 一个统一接口、一套请求格式，就能完成调用。
这套中转API是什么
这套神马中转API接口兼容OpenAI 的 Chat Completions 格式：你只需要在请求体里改 model，就可以切换 OpenAI / Claude / Gemini / DeepSeek / Grok / Qwen 等模型。
你给的接口是Chat(聊天)：
方法：POST
路径：/v1/chat/completions
准备工作：Base URL 与 API Key
文档说明：
BaseURL：通常是神马中转API域名，也可以在工作台页面查看
API key：在令牌页面获取
你可以把它们放到环境变量里（推荐）：
export GPT_BEST_BASE_URL="你的BaseURL（例如：https://api.whatai.cc）" export GPT_BEST_API_KEY="你的API_KEY"按文档拼请求：Header + Body
Header
文档示例里用的是：
Accept: application/json
Authorization: Bearer {{YOUR_API_KEY}}
Content-Type: application/json
Body
请求体（application/json）文档示例包含这些字段：model、messages、temperature、top_p、n、stream、stop、max_tokens、presence_penalty、frequency_penalty、logit_bias、user、response_format、seen、tools、tool_choice。
最小可用通常是 model + messages，其他按需加。
Python同步请求示例（requests）
import os import requests BASE_URL = os.getenv("GPT_BEST_BASE_URL") # 你的 BaseURL，https://api.whatai.cc) API_KEY = os.getenv("GPT_BEST_API_KEY") if not BASE_URL or not API_KEY: raise RuntimeError("请先设置 GPT_BEST_BASE_URL 和 GPT_BEST_API_KEY 环境变量") url = f"{BASE_URL.rstrip('/')}/v1/chat/completions" # 接口路径 headers = { "Accept": "application/json", "Authorization": f"Bearer {API_KEY}", # Bearer 方式 "Content-Type": "application/json", } payload = { "model": "gpt-4o-mini", # 按需替换成你要用的模型名 "messages": [ {"role": "system", "content": "你是一个严谨的编程助手。"}, {"role": "user", "content": "用Python写一个快速排序，并解释时间复杂度。"}, ], "temperature": 0.7, "top_p": 1, "n": 1, "stream": False, # 非流式 "max_tokens": 800, } resp = requests.post(url, headers=headers, json=payload, timeout=60) resp.raise_for_status() data = resp.json() # 返回格式示例：choices[0].message.content print(data["choices"][0]["message"]["content"]) print("usage:", data.get("usage"))Python流式输出示例（stream=true）
文档请求体里有 stream: true 字段示例。
流式一般是服务端不断返回分片（常见是 SSE：data: ...）。
import os import json import requests BASE_URL = os.getenv("GPT_BEST_BASE_URL") API_KEY = os.getenv("GPT_BEST_API_KEY") url = f"{BASE_URL.rstrip('/')}/v1/chat/completions" headers = { "Accept": "application/json", "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json", } payload = { "model": "gpt-4o-mini", "messages": [ {"role": "user", "content": "请用三句话解释什么是递归，并给一个Python例子。"} ], "stream": True, # 流式 "temperature": 0.6, } with requests.post(url, headers=headers, json=payload, stream=True, timeout=60) as r: r.raise_for_status() for line in r.iter_lines(decode_unicode=True): if not line: continue # 常见 SSE 行：data: {...} 或 data: [DONE] if line.startswith("data:"): line = line[len("data:"):].strip() if line == "[DONE]": break try: chunk = json.loads(line) except json.JSONDecodeError: # 如果服务端不是 SSE 格式而是纯JSON片段，可在这里按需兼容 continue # OpenAI 风格流式：choices[0].delta.content delta = chunk.get("choices", [{}])[0].get("delta", {}) content = delta.get("content") if content: print(content, end="", flush=True) print() # 换行“部署一个 ChatGPT 应用”的最小后端：FastAPI转发（可选）
这个小服务做两件事：
接收你自己的前端请求
转发到中转 API 的 /v1/chat/completions（仍然保持文档要求的 Header/Body 结构）
import os import requests from fastapi import FastAPI, HTTPException from pydantic import BaseModel BASE_URL = os.getenv("GPT_BEST_BASE_URL") API_KEY = os.getenv("GPT_BEST_API_KEY") app = FastAPI() class ChatReq(BaseModel): model: str messages: list temperature: float | None = None top_p: float | None = None n: int | None = None stream: bool | None = None stop: str | None = None max_tokens: int | None = None presence_penalty: float | None = None frequency_penalty: float | None = None logit_bias: dict | None = None user: str | None = None response_format: dict | None = None seen: int | None = None tools: list | None = None tool_choice: dict | None = None @app.post("/chat") def chat(req: ChatReq): if not BASE_URL or not API_KEY: raise HTTPException(status_code=500, detail="Missing GPT_BEST_BASE_URL / GPT_BEST_API_KEY") url = f"{BASE_URL.rstrip('/')}/v1/chat/completions" # headers = { "Accept": "application/json", "Authorization": f"Bearer {API_KEY}", # "Content-Type": "application/json", } resp = requests.post(url, headers=headers, json=req.model_dump(exclude_none=True), timeout=60) if resp.status_code != 200: raise HTTPException(status_code=resp.status_code, detail=resp.text) return resp.json()启动（示例）：
uvicorn your_file_name:app --host 0.0.0.0 --port 8000返回结果怎么看
文档给的返回示例结构是：
choices: 数组
choices[0].message.role/content
usage.prompt_tokens / completion_tokens / total_tokens
你在 Python 里通常取：
data["choices"][0]["message"]["content"]