用 OpenAI SDK 接入 | 土土金 API 文档

OpenAI 官方 SDK 只要改两个参数就能用：base_url 设为 https://open.tutujin.com/v1，api_key 换成土土金的 Key。同一个 client 可以调用对话、Responses、向量、图像和语音接口；换模型只改 model 参数，GPT 以外的 Claude、Gemini、DeepSeek 等目录里支持 Chat Completions 的模型也能这样调用。

安装

pip install openai

npm install openai

创建 client

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://open.tutujin.com/v1",
    api_key=os.environ["TUTUJIN_API_KEY"],
)

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://open.tutujin.com/v1',
  apiKey: process.env.TUTUJIN_API_KEY,
})

也可以不改代码，只设置环境变量：SDK 默认会读取 OPENAI_BASE_URL 和 OPENAI_API_KEY。

cURL

export OPENAI_BASE_URL="https://open.tutujin.com/v1"
export OPENAI_API_KEY="sk-你的Key"

对话

resp = client.chat.completions.create(
    model="gpt-5.4-mini",
    messages=[
        {"role": "system", "content": "你是一名简洁的助理。"},
        {"role": "user", "content": "用三句话解释什么是 RAG。"},
    ],
)
print(resp.choices[0].message.content)
print(resp.usage)  # 本次的输入、输出 tokens

const resp = await client.chat.completions.create({
  model: 'gpt-5.4-mini',
  messages: [
    { role: 'system', content: '你是一名简洁的助理。' },
    { role: 'user', content: '用三句话解释什么是 RAG。' },
  ],
})
console.log(resp.choices[0].message.content)
console.log(resp.usage) // 本次的输入、输出 tokens

参数说明见 Chat Completions。

流式输出

stream = client.chat.completions.create(
    model="gpt-5.4-mini",
    messages=[{"role": "user", "content": "写一段 100 字的产品介绍"}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

const stream = await client.chat.completions.create({
  model: 'gpt-5.4-mini',
  messages: [{ role: 'user', content: '写一段 100 字的产品介绍' }],
  stream: true,
})
for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '')
}

向量

emb = client.embeddings.create(
    model="text-embedding-3-small",
    input=["退货政策是什么？", "多久发货？"],
)
print(len(emb.data), len(emb.data[0].embedding))

const emb = await client.embeddings.create({
  model: 'text-embedding-3-small',
  input: ['退货政策是什么？', '多久发货？'],
})
console.log(emb.data.length, emb.data[0].embedding.length)

input 传数组可以一次处理多条文本，比逐条请求更快，也不容易触发限流。

调用其他厂商的模型

client 不用变，只换 model。目录里标注支持 Chat Completions 的模型都可以这样调用：

Python

for model in ["claude-sonnet-5-5", "deepseek-v4.1-flash"]:
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "你好"}],
    )
    print(model, resp.choices[0].message.content)

不同厂商对可选参数的支持不完全一样。需要 Claude 原生功能时，改用 Anthropic SDK 调用原生 Messages 接口。

超时与重试

SDK 遇到 429、5xx 和网络错误会自动重试，默认 2 次。生产环境建议按业务调整重试次数和超时：

client = OpenAI(
    base_url="https://open.tutujin.com/v1",
    api_key=os.environ["TUTUJIN_API_KEY"],
    max_retries=4,
    timeout=60.0,  # 秒
)

const client = new OpenAI({
  baseURL: 'https://open.tutujin.com/v1',
  apiKey: process.env.TUTUJIN_API_KEY,
  maxRetries: 4,
  timeout: 60_000, // 毫秒
})

注意：余额不足返回 403，SDK 不会重试它，需要你在代码里单独提醒。完整说明见错误码与重试。

异步调用（Python）

并发处理大量请求时用 AsyncOpenAI，参数和同步版一样：

Python

import asyncio
import os

from openai import AsyncOpenAI

client = AsyncOpenAI(base_url="https://open.tutujin.com/v1", api_key=os.environ["TUTUJIN_API_KEY"])


async def main():
    resp = await client.chat.completions.create(
        model="gpt-5.4-mini",
        messages=[{"role": "user", "content": "你好"}],
    )
    print(resp.choices[0].message.content)


asyncio.run(main())

并发上限怎么设，见限流说明。

常见问题

现象	原因与处理
404	`base_url` 少了 `/v1`，应为 `https://open.tutujin.com/v1`
401	Key 填错或已失效，确认读取的环境变量里是完整的 Key
503 并提示 `model_not_found`	Key 所在分组没有这个模型，换分组或核对模型名，见选择分组
返回很慢或超时	长输出开启流式，并适当调大 `timeout`

没找到答案？加客服微信 JsnonoChat，发送报错信息里的 request id，我们帮你排查。

安装

pip install openai

npm install openai

创建 client

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://open.tutujin.com/v1",
    api_key=os.environ["TUTUJIN_API_KEY"],
)

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://open.tutujin.com/v1',
  apiKey: process.env.TUTUJIN_API_KEY,
})

也可以不改代码，只设置环境变量：SDK 默认会读取 OPENAI_BASE_URL 和 OPENAI_API_KEY。

cURL

export OPENAI_BASE_URL="https://open.tutujin.com/v1"
export OPENAI_API_KEY="sk-你的Key"

对话

resp = client.chat.completions.create(
    model="gpt-5.4-mini",
    messages=[
        {"role": "system", "content": "你是一名简洁的助理。"},
        {"role": "user", "content": "用三句话解释什么是 RAG。"},
    ],
)
print(resp.choices[0].message.content)
print(resp.usage)  # 本次的输入、输出 tokens

const resp = await client.chat.completions.create({
  model: 'gpt-5.4-mini',
  messages: [
    { role: 'system', content: '你是一名简洁的助理。' },
    { role: 'user', content: '用三句话解释什么是 RAG。' },
  ],
})
console.log(resp.choices[0].message.content)
console.log(resp.usage) // 本次的输入、输出 tokens

参数说明见 Chat Completions。

流式输出

stream = client.chat.completions.create(
    model="gpt-5.4-mini",
    messages=[{"role": "user", "content": "写一段 100 字的产品介绍"}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

const stream = await client.chat.completions.create({
  model: 'gpt-5.4-mini',
  messages: [{ role: 'user', content: '写一段 100 字的产品介绍' }],
  stream: true,
})
for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '')
}

向量

emb = client.embeddings.create(
    model="text-embedding-3-small",
    input=["退货政策是什么？", "多久发货？"],
)
print(len(emb.data), len(emb.data[0].embedding))

const emb = await client.embeddings.create({
  model: 'text-embedding-3-small',
  input: ['退货政策是什么？', '多久发货？'],
})
console.log(emb.data.length, emb.data[0].embedding.length)

input 传数组可以一次处理多条文本，比逐条请求更快，也不容易触发限流。

调用其他厂商的模型

client 不用变，只换 model。目录里标注支持 Chat Completions 的模型都可以这样调用：

Python

for model in ["claude-sonnet-5-5", "deepseek-v4.1-flash"]:
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "你好"}],
    )
    print(model, resp.choices[0].message.content)

不同厂商对可选参数的支持不完全一样。需要 Claude 原生功能时，改用 Anthropic SDK 调用原生 Messages 接口。

超时与重试

SDK 遇到 429、5xx 和网络错误会自动重试，默认 2 次。生产环境建议按业务调整重试次数和超时：

client = OpenAI(
    base_url="https://open.tutujin.com/v1",
    api_key=os.environ["TUTUJIN_API_KEY"],
    max_retries=4,
    timeout=60.0,  # 秒
)

const client = new OpenAI({
  baseURL: 'https://open.tutujin.com/v1',
  apiKey: process.env.TUTUJIN_API_KEY,
  maxRetries: 4,
  timeout: 60_000, // 毫秒
})

注意：余额不足返回 403，SDK 不会重试它，需要你在代码里单独提醒。完整说明见错误码与重试。

异步调用（Python）

并发处理大量请求时用 AsyncOpenAI，参数和同步版一样：

Python

import asyncio
import os

from openai import AsyncOpenAI

client = AsyncOpenAI(base_url="https://open.tutujin.com/v1", api_key=os.environ["TUTUJIN_API_KEY"])


async def main():
    resp = await client.chat.completions.create(
        model="gpt-5.4-mini",
        messages=[{"role": "user", "content": "你好"}],
    )
    print(resp.choices[0].message.content)


asyncio.run(main())

并发上限怎么设，见限流说明。

常见问题

现象	原因与处理
404	`base_url` 少了 `/v1`，应为 `https://open.tutujin.com/v1`
401	Key 填错或已失效，确认读取的环境变量里是完整的 Key
503 并提示 `model_not_found`	Key 所在分组没有这个模型，换分组或核对模型名，见选择分组
返回很慢或超时	长输出开启流式，并适当调大 `timeout`