XPULINK AI 模型 API 快速开始指南¶

本指南将帮助您快速开始使用 XPULINK AI 平台的云端模型 API。我们将使用 Python 和 requests 库来调用 qwen3-32b 模型。

前置要求¶

Python 3.7+
requests 库 (pip install requests)
XPULINK AI 平台账号和 API Key

配置步骤¶

1. 获取 API Key¶

登录 XPULINK AI 平台 (https://www.xpulink.ai)
在用户中心获取您的 API Key
将 API Key 设置为环境变量

2. 设置环境变量¶

# Linux/Mac
export XPULINK_API_KEY="your_api_key_here"

# Windows
set XPULINK_API_KEY=your_api_key_here

3. 模型信息¶

模型名称: qwen3-32b
接口地址: https://www.xpulink.ai/v1/chat/completions
请求方式: POST
认证方式: Bearer Token

完整代码示例¶

以下代码演示了如何调用 XPULINK AI 的云端模型进行对话：

import os
import requests

# 从环境变量读取 API Key
API_KEY = os.getenv("XPULINK_API_KEY")
if not API_KEY:
    raise ValueError("请在环境变量中设置 XPULINK_API_KEY")

# 云端模型接口信息
MODEL_NAME = "qwen3-32b"
BASE_URL = "https://www.xpulink.ai/v1/chat/completions"

# 构造请求头
headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json"
}

# 构造请求体
payload = {
    "model": MODEL_NAME,
    "messages": [
        {"role": "user", "content": "你好，请简单介绍一下你自己。"}
    ],
    "max_tokens": 50,
    "temperature": 0.7
}

# 发送请求并打印结果
try:
    response = requests.post(BASE_URL, headers=headers, json=payload, timeout=30)
    response.raise_for_status()
    result = response.json()
    print("模型返回内容：", result["choices"][0]["message"]["content"])
    print("测试通过！云端模型可正常跑通。")
except Exception as e:
    print("测试失败：", e)

参数说明¶

请求参数¶

model: 模型名称，这里使用 "qwen3-32b"
messages: 对话消息数组，包含角色(role)和内容(content)
max_tokens: 最大生成令牌数，控制回复长度
temperature: 温度参数，控制生成随机性(0-1)，值越大越随机

响应格式¶

成功响应将返回 JSON 格式的数据，主要字段包括： - choices[0].message.content: 模型生成的回复内容 - usage: 令牌使用情况统计 - model: 使用的模型名称

运行测试¶

保存代码为 test_xpulink.py 并运行：

python test_xpulink.py

如果配置正确，您将看到模型的自我介绍回复和成功提示。

故障排除¶

常见错误¶

API Key 错误: 确保环境变量设置正确
网络超时: 检查网络连接，或增加 timeout 值
权限错误: 确认 API Key 有效且有足够配额

调试建议¶

打印完整的错误信息以获取更多详情
使用 curl 命令测试 API 连通性
检查 XPULINK 平台状态页面

扩展使用¶

基于这个基础示例，您可以： - 修改 messages 内容进行多轮对话 - 调整 temperature 参数控制回复风格 - 增加 system 角色消息设置系统提示 - 添加更多请求参数如 top_p、frequency_penalty 等