5 分钟接入犀速AI API：Python、Node.js、curl 完整教程

接入犀速AI 只需要两样东西：一把 API 密钥和一个 base_url。任何兼容 OpenAI 的 SDK 或工具，把这两样换掉就能用，业务代码不用改。

最短路径：

注册并充值（建议先充 10 元）
在控制台「API 密钥」创建一把密钥
把 base_url 设为 https://api.xisu.ai/v1
用下面任意一段代码发出第一个请求

下文的代码都已用真实密钥跑通过（截至 2026-10-16）。示例统一用 gpt-6-luna，它是目前单价最低的模型，适合跑通流程；换成其他模型只需改 model。

1. 注册账号

打开注册页，用邮箱注册，再到邮箱里点验证链接。注册页有新手礼金活动时，验证后礼金会直接进入余额（以活动页为准）。图文步骤见注册、充值、创建密钥。

2. 充值（建议先充 10 元）

登录控制台，左侧点「费用中心」，选 ¥10.00，点「立即充值」，支持支付宝和微信。

费用中心充值页

控制台的金额以积分显示：¥1 = 100,000 积分，10 元就是 1,000,000 积分。
余额不过期，调用结束后按实际用量扣费，不预扣。
只支持预付，余额为 0 时新请求会被拒绝。退款规则见充值与退款。

3. 创建 API 密钥

左侧点「API 密钥」，填一个名字（例如「本地测试」），点「创建密钥」。预算、IP 白名单、模型白名单都可以先留空，以后再设，见密钥安全与轮换。

创建 API 密钥

密钥只显示一次

密钥明文只显示这一次。 服务端只存哈希，关掉页面后谁都找不回原文。当场复制保存；丢了就吊销旧的、新建一把。

为了不把密钥写进代码，下面的示例都从环境变量 XISU_API_KEY 读取。在运行代码的终端里先设好：

# Windows PowerShell
$env:XISU_API_KEY = "sk-你的密钥"

# macOS / Linux
export XISU_API_KEY="sk-你的密钥"

4. 设置 base_url

https://api.xisu.ai/v1

注意结尾的 /v1。漏掉它，请求会返回 404 Not Found。如果你用的是 Anthropic SDK 或 Claude Code，地址不带 /v1，见犀速AI是什么。

5. 发出第一个请求

Python

pip install openai

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["XISU_API_KEY"],      # 从环境变量读取，别把密钥写进代码
    base_url="https://api.xisu.ai/v1",
)

resp = client.chat.completions.create(
    model="gpt-6-luna",
    messages=[{"role": "user", "content": "用一句话介绍你自己"}],
)
print(resp.choices[0].message.content)
print(resp.usage)

输出类似：

我是一个由人工智能驱动的助手，能够帮助你解答问题、创作内容、分析信息并完成各种任务。
CompletionUsage(completion_tokens=32, prompt_tokens=308, total_tokens=340, ...)

Node.js

Node.js 18 及以上自带 fetch，不用装任何包。把代码存成 hello.mjs，运行 node hello.mjs：

const resp = await fetch("https://api.xisu.ai/v1/chat/completions", {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    Authorization: `Bearer ${process.env.XISU_API_KEY}`,
  },
  body: JSON.stringify({
    model: "gpt-6-luna",
    messages: [{ role: "user", content: "用一句话介绍你自己" }],
  }),
});

const data = await resp.json();
if (!resp.ok) throw new Error(JSON.stringify(data.error));
console.log(data.choices[0].message.content);
console.log("x-request-id:", resp.headers.get("x-request-id"));
console.log("usage:", data.usage);

想用官方 SDK，先 npm i openai：

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.XISU_API_KEY,
  baseURL: "https://api.xisu.ai/v1",
});

const resp = await client.chat.completions.create({
  model: "gpt-6-luna",
  messages: [{ role: "user", content: "用一句话介绍你自己" }],
});
console.log(resp.choices[0].message.content);
console.log(resp.usage);

curl

macOS / Linux 终端（或 Git Bash）：

curl https://api.xisu.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $XISU_API_KEY" \
  -d '{"model":"gpt-6-luna","messages":[{"role":"user","content":"你好"}]}'

返回的 JSON 里，choices[0].message.content 是回复，usage 是本次 token 用量。

Windows PowerShell 里引号转义容易出错，建议用下面这段（Windows 自带的 PowerShell 5.1 实测可用，中文不乱码）：

$body = @{
  model    = "gpt-6-luna"
  messages = @(@{ role = "user"; content = "用一句话介绍你自己" })
} | ConvertTo-Json -Depth 5

$resp = Invoke-WebRequest -Uri "https://api.xisu.ai/v1/chat/completions" -Method Post -UseBasicParsing `
  -Headers @{ Authorization = "Bearer $env:XISU_API_KEY" } `
  -ContentType "application/json; charset=utf-8" `
  -Body ([Text.Encoding]::UTF8.GetBytes($body))

$data = [Text.Encoding]::UTF8.GetString($resp.RawContentStream.ToArray()) | ConvertFrom-Json
$data.choices[0].message.content
"x-request-id: " + $resp.Headers["x-request-id"]

流式输出

加上 stream=True，回复会一段一段地返回，适合聊天界面边生成边显示：

import os
from openai import OpenAI

client = OpenAI(api_key=os.environ["XISU_API_KEY"], base_url="https://api.xisu.ai/v1")

stream = client.chat.completions.create(
    model="gpt-6-luna",
    messages=[{"role": "user", "content": "写三句关于秋天的短诗"}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
    if chunk.usage:                       # 最后一块：choices 为空，只带 usage
        print("\n\nusage:", chunk.usage)

流式请求会自动在最后多发一块 usage，它的 choices 是空数组。自己解析 SSE 时别假设每块都有 choices[0]，详见 API 兼容性与参数。流中途断开时，已生成的部分照常计费。

6. 在「调用明细」里看这一笔

调用成功后，回到控制台左侧点「调用明细」，就能看到刚才的请求。每一行包括：

列	内容
时间	请求发生的时刻
请求编号	这一笔的 request_id
模型 / 密钥	实际调用的模型、用的哪把密钥（显示前缀）
Token	分项显示：输入（其中缓存命中）、输出（其中推理）、缓存写入、合计
耗时	这一笔花了多久
费用	本次扣除的积分
状态	成功 / 失败 / 客户端中断 / 上游错误 / 未计费

调用明细列表

可以按时间范围、密钥、状态和请求编号筛选。失败的请求也会列出来，费用显示「0 积分本次无输出」，不扣钱。页面上标有「数据截至」的时间，刚调用完的请求可能要稍等一会儿才出现。

7. 用 x-request-id 和 usage 对账

每个响应都带一个响应头 x-request-id，响应体里的 usage 是这一次的 token 用量。把它们记下来，就能和控制台逐笔对上：

import os
from openai import OpenAI

client = OpenAI(api_key=os.environ["XISU_API_KEY"], base_url="https://api.xisu.ai/v1")

raw = client.chat.completions.with_raw_response.create(
    model="gpt-6-luna",
    messages=[{"role": "user", "content": "1+1=?"}],
)
resp = raw.parse()
print("x-request-id:", raw.headers.get("x-request-id"))
print("prompt_tokens:", resp.usage.prompt_tokens)
print("completion_tokens:", resp.usage.completion_tokens)
print("total_tokens:", resp.usage.total_tokens)

输出类似：

x-request-id: b694a772-4814-4f3e-973e-15537e7b023d
prompt_tokens: 306
completion_tokens: 5
total_tokens: 311

对账分三步：

在「调用明细」里按请求编号筛选，填入 x-request-id 的值，找到这一笔。
核对 token：明细里的输入、输出应与响应 usage 里的 prompt_tokens、completion_tokens 一致；usage.prompt_tokens_details.cached_tokens 对应「其中缓存命中」，usage.completion_tokens_details.reasoning_tokens 对应「其中推理」。
核对费用：明细里的「输入」已经包含「其中缓存命中」，所以费用 =（输入 − 缓存命中）× 输入价 + 缓存命中 × 缓存读取价 + 缓存写入 × 缓存写入价 + 输出 × 输出价。各项单价在模型广场以「积分 / 每 100 万 token」标出；推理 token 按输出价计。算出的积分除以 100,000 就是人民币，例如明细里显示 3,370 积分，就是 ¥0.0337。

按请求编号筛选出一笔调用

更多细节（例如费用显示为 0 的几种原因）见用量与账单怎么核对。

常见报错

现象	原因	怎么办
`401 invalid_api_key`	密钥填错、已吊销，或来源 IP 不在这把密钥的白名单里	检查环境变量里的密钥；设了 IP 白名单的话先确认来源 IP
`400 model_not_found`	模型名拼错或已下架	到模型广场点击复制完整模型名
`404 Not Found`	base_url 漏了 `/v1`	改成 `https://api.xisu.ai/v1`
`insufficient_balance`	余额不够这一笔	到「费用中心」充值。走 Anthropic 原生接口时，余额不足报的是 `429 rate_limit_error`

完整错误码见错误码与限流。报障时请带上 x-request-id、发生时间、模型和完整错误响应。

下一步

选模型：模型怎么选
在 Claude Code 里用：Claude Code 接入教程
在 Codex CLI 里用：Codex CLI 接入教程
用桌面客户端聊天：客户端下载与接入
上线前要注意的超时与重试：上线前：超时、重试与工具调用