什么是 Onion AI？

Onion AI 是一个一站式大模型聚合平台，整合了 OpenAI、Anthropic、Google、字节跳动、阿里云、DeepSeek、智谱AI 等全球主流 AI 模型。通过统一的 API 接口，开发者可以轻松接入语言对话、图像生成、视频生成、3D 模型生成等多种 AI 能力，无需分别对接各家平台。

核心配置速览

1. 访问 https://ai.xiaocongyun.cn，点击右上角「注册」按钮填写用户名和密码
2. 新注册用户自动获得 ￥10 余额，无需额外充值
3. 登录后进入「控制台」→「API 密钥」→「创建新密钥」
4. 复制 API Key（格式：xc-xxxxxxxx）

curl https://ai.xiaocongyun.cn/api/v1/chat/completions \
  -H "Authorization: Bearer xc-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o",
    "messages": [
      {"role": "user", "content": "你好！"}
    ]
  }'

Bearer Token 认证

Onion AI 使用 Bearer Token 方式进行 API 认证。在每次请求的 Authorization 请求头中携带你的 API Key：

Authorization: Bearer xc-your-api-key

获取 API Key

1. 注册并登录 https://ai.xiaocongyun.cn
2. 进入控制台 → API 密钥 → 创建新密钥
3. 复制生成的 Key（格式：xc-xxxxxxxx）

API Key 管理

Base URL

Onion AI 的 API 根地址：

https://ai.xiaocongyun.cn/api

接口路径格式为 /api/v1/...，兼容 OpenAI SDK 的 base_url 配置。

发送对话消息，获取 AI 回复。完全兼容 OpenAI SDK 的 client.chat.completions.create() 方法。

from openai import OpenAI

client = OpenAI(
    api_key="xc-your-api-key",
    base_url="https://ai.xiaocongyun.cn/api/v1",
)

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "你是一个专业的AI助手，擅长技术问题解答。"},
        {"role": "user", "content": "请用通俗的语言解释什么是大语言模型。"},
    ],
    temperature=0.8,
    max_tokens=1024,
    top_p=1,
    frequency_penalty=0,
    presence_penalty=0,
)

print(response.choices[0].message.content)

import OpenAI from 'openai';

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

const response = await client.chat.completions.create({
    model: 'gpt-4o',
    messages: [
        { role: 'system', content: '你是一个专业的AI助手。' },
        { role: 'user', content: '解释什么是大语言模型。' },
    ],
    temperature: 0.8,
    max_tokens: 1024,
});

console.log(response.choices[0].message.content);

curl https://ai.xiaocongyun.cn/api/v1/chat/completions \
  -H "Authorization: Bearer xc-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o",
    "messages": [
      {"role": "system", "content": "你是一个专业的AI助手。"},
      {"role": "user", "content": "解释什么是大语言模型。"}
    ],
    "temperature": 0.8,
    "max_tokens": 1024
  }'

// Maven: com.theokanning.openai-gpt3-java
import com.theokanning.openai.service.OpenAiService;
import com.theokanning.openai.completion.chat.*;

OpenAiService service = new OpenAiService(
    "xc-your-api-key",
    60 // timeout
);
// 注意：Java SDK 需设置 base URL 为 Onion AI

ChatCompletionRequest request = ChatCompletionRequest.builder()
    .model("gpt-4o")
    .messages(List.of(
        new ChatMessage("user", "你好！")
    ))
    .temperature(0.8)
    .maxTokens(1024)
    .build();

ChatCompletionResult result = service.createChatCompletion(request);
System.out.println(result.getChoices().get(0).getMessage().getContent());

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "created": 1677652288,
  "model": "gpt-4o",
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "content": "大语言模型（LLM）是一种经过大规模文本数据训练的深度学习模型..."
    },
    "finish_reason": "stop"
  }],
  "usage": {
    "prompt_tokens": 28,
    "completion_tokens": 156,
    "total_tokens": 184
  }
}

流式输出（SSE）

设置 stream: true 后，响应以 Server-Sent Events 格式逐块返回：

from openai import OpenAI

client = OpenAI(
    api_key="xc-your-api-key",
    base_url="https://ai.xiaocongyun.cn/api/v1",
)

stream = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "写一首关于春天的诗"}],
    stream=True,
)

for chunk in stream:
    content = chunk.choices[0].delta.content
    if content:
        print(content, end="", flush=True)

发送消息给 Claude 模型，获取回复。需使用 Anthropic API 格式。

import anthropic

client = anthropic.Anthropic(
    base_url="https://ai.xiaocongyun.cn/api/v1",
    api_key="xc-your-api-key",
)

message = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=1024,
    messages=[{"role": "user", "content": "你好！"}],
)
print(message.content[0].text)

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
    baseURL: 'https://ai.xiaocongyun.cn/api/v1',
    apiKey: 'xc-your-api-key',
});

const message = await client.messages.create({
    model: 'claude-sonnet-4-6',
    max_tokens: 1024,
    messages: [{ role: 'user', content: '你好！' }],
});
console.log(message.content[0].text);

curl https://ai.xiaocongyun.cn/api/v1/messages \
  -H "x-api-key: xc-your-api-key" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-4-7",
    "max_tokens": 1024,
    "messages": [{"role": "user", "content": "你好！"}]
  }'

支持 DALL-E 3、GPT Image、Stable Diffusion XL、Flux Pro、Doubao-Seedream 等模型，每次调用 ￥0.05。

使用 multipart/form-data 上传参考图片（JPG/PNG/WebP，最大 10MB）：

import requests

url = "https://ai.xiaocongyun.cn/api/image/upload-ref"
headers = {"Authorization": "Bearer xc-your-api-key"}
files = {"file": open("reference.jpg", "rb")}

response = requests.post(url, headers=headers, files=files)
ref_url = response.json()["url"]
print(f"参考图 URL: {ref_url}")

import requests

url = "https://ai.xiaocongyun.cn/api/image/generate"
headers = {
    "Authorization": "Bearer xc-your-api-key",
    "Content-Type": "application/json",
}
data = {
    "model_id": 5,  # 对应 DALL-E 3
    "prompt": "一只可爱的柯基犬在樱花树下奔跑，水彩画风格，温暖色调",
    "size": "1024x1024",
    "n": 1,
}

response = requests.post(url, headers=headers, json=data)
result = response.json()

for img in result.get("images", []):
    print(f"图片 URL: {img['url']}")

curl https://ai.xiaocongyun.cn/api/image/generate \
  -H "Authorization: Bearer xc-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model_id": 5,
    "prompt": "一只可爱的柯基犬在樱花树下奔跑，水彩画风格",
    "size": "1024x1024",
    "n": 1
  }'

{
  "success": true,
  "images": [
    {
      "url": "https://ai.xiaocongyun.cn/uploads/image_xxx.png",
      "b64_json": "iVBORw0KGgoAAAANSUhEUgAA...",
      "revised_prompt": "A cute corgi running under cherry blossom trees..."
    }
  ],
  "credits_remaining": 95
}

import requests

url = "https://ai.xiaocongyun.cn/api/video/generate"
headers = {
    "Authorization": "Bearer xc-your-api-key",
    "Content-Type": "application/json",
}
data = {
    "model_id": 8,  # Seedance 1.0 Lite
    "prompt": "一只白色的小猫在阳光明媚的花园中追蝴蝶，慢镜头，梦幻光效",
    "metadata": {
        "resolution": "1080p",
        "prompt_optimizer": True,
        "callback_url": "https://your-server.com/webhook",
    },
}

response = requests.post(url, headers=headers, json=data)
result = response.json()
job_id = result["job"]["id"]
print(f"任务已提交，ID: {job_id}")

import time

job_url = f"https://ai.xiaocongyun.cn/api/video/jobs/{job_id}"
headers = {"Authorization": "Bearer xc-your-api-key"}

while True:
    resp = requests.get(job_url, headers=headers)
    job = resp.json()["job"]
    status = job["status"]
    print(f"状态: {status}")

    if status == "completed":
        print(f"视频地址: {job['video_url']}")
        break
    elif status == "failed":
        print("生成失败")
        break
    else:
        time.sleep(5)  # 每5秒轮询一次

支持 JPG/PNG/WebP，最大 10MB。上传后获取 URL 传入 generate 接口的 ref_image_url：

import requests

upload_url = "https://ai.xiaocongyun.cn/api/video/upload-ref"
files = {"file": open("scene.jpg", "rb")}
resp = requests.post(upload_url, headers={...}, files=files)
ref_url = resp.json()["url"]

# 然后在 generate 请求中传入
data = {
    "model_id": 8,
    "prompt": "让场景中的花朵盛开，延时摄影效果",
    "ref_image_url": ref_url,
}

好的视频提示词应包含四个要素：主体 + 动作 + 场景 + 镜头。

使用 multipart/form-data 格式上传图片和参数：

import requests

url = "https://ai.xiaocongyun.cn/api/model3d/generate"
headers = {"Authorization": "Bearer xc-your-api-key"}
files = {"image": open("toy.jpg", "rb")}
data = {"model_id": "doubao-seed3d-2-0-001", "description": "一个可爱的陶瓷杯"}

response = requests.post(url, headers=headers, files=files, data=data)
job_id = response.json()["job"]["id"]
print(f"3D 生成任务已提交: {job_id}")

轮询接口与视频相同，使用 GET /api/model3d/jobs/:id：

import time

while True:
    job = requests.get(
        f"https://ai.xiaocongyun.cn/api/model3d/jobs/{job_id}",
        headers={...}
    ).json()["job"]
    if job["status"] == "completed":
        print(f"模型下载: https://ai.xiaocongyun.cn/api/model3d/download/{job_id}")
        break
    time.sleep(5)

1. 打开 Cursor → Settings → Models → OpenAI API Key
2. 填入 API Key：xc-your-api-key
3. Override OpenAI Base URL：https://ai.xiaocongyun.cn/api/v1
4. 保存后即可在 Cursor 中使用 GPT-4o / Claude 等模型

1. 设置 → 模型服务 → OpenAI
2. API Key：填入你的 Onion AI API Key
3. API 代理地址：https://ai.xiaocongyun.cn/api/v1
4. 点击验证连接，成功后选择模型即可使用

1. 在终端设置环境变量（使用 OpenAI 兼容模式）：

export OPENAI_BASE_URL="https://ai.xiaocongyun.cn/api/v1"
export OPENAI_API_KEY="xc-your-api-key"

Claude Code 支持 OpenAI 兼容模式，Base URL 填写上方地址即可使用所有模型。

1. VS Code → Extensions → 安装 Continue
2. 打开 Continue 设置 → 配置 OpenAI API Key
3. Base URL 设置为：https://ai.xiaocongyun.cn/api/v1
4. 模型名称填入 GPT-4o / Claude 3.5 等即可

1. Dify 后台 → 模型供应商 → OpenAI API
2. API Base：https://ai.xiaocongyun.cn/api/v1
3. API Key：填入你的 Onion AI API Key
4. 添加模型：选择 gpt-4o、claude-3.5-sonnet 等需要的模型

1. Coze 工作流 → 添加「大模型」节点
2. 模型提供商选择「OpenAI 兼容接口」
3. API 地址：https://ai.xiaocongyun.cn/api/v1
4. API Key：填入 Onion AI 的 API Key
5. 模型名称：填写 gpt-4o 或其他可用模型
6. 保存后即可在 Bot 工作流中调用 Onion AI 的任意模型

1. 登录 RikkaHub → 设置 → 模型服务
2. 添加提供商 → 选择「OpenAI」
3. API 代理地址：https://ai.xiaocongyun.cn/api/v1
4. API Key：填入 Onion AI 的 API Key
5. 点击测试连接，成功后手动添加需要使用的模型名称
6. 注意：RikkaHub 不会自动拉取模型列表，需手动输入模型名（如 gpt-4o）

状态码总览

Onion AI API 使用标准 HTTP 状态码表示请求结果。所有错误响应均包含 message 字段说明错误原因。

错误响应格式

{
  "success": false,
  "message": "余额不足，请充值后继续使用",
  "code": 402,
  "error": "credits_insufficient"
}