文本模型｜MindOn API 文档

查询可用模型

模型清单会随账户权限和平台供给变化。发起调用前，请通过 GET /v1/models 查询当前可用的模型 ID，并将返回值中的 ID 用于请求。

查询可用模型

const response = await fetch("https://api.mindon.fun/v1/models", {
  headers: {
    Authorization: "Bearer YOUR_API_KEY",
  },
});

const models = await response.json();

创建 Chat Completion

使用 POST /v1/chat/completions 发送消息。将 your-model-id 替换为模型查询接口返回的 ID。

cURL

curl https://api.mindon.fun/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "your-model-id",
    "messages": [
      {"role": "system", "content": "你是一个有帮助的助手。"},
      {"role": "user", "content": "用一句话介绍 MindOn。"}
    ]
  }'

流式响应

设置 stream: true 后，接口会以 Server-Sent Events 持续返回增量内容。以下 TypeScript 示例会逐段输出回答。

TypeScript

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.MINDON_API_KEY,
  baseURL: "https://api.mindon.fun/v1",
});

const stream = await client.chat.completions.create({
  model: "your-model-id",
  messages: [{ role: "user", content: "写一首四行小诗。" }],
  stream: true,
});

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

流结束后再保存完整结果；不要假定每个数据块都包含文本内容。