快速开始：调用 Chat Completions¶
通过 Chat Completions API 向支持文本对话的模型发送一条消息，并读取模型回复。完成本页操作后，你将完成一次非流式文本调用。
完成一次调用需要三步：准备访问令牌和模型 ID、发送请求、从响应中读取回复。
开始前¶
请准备以下内容：
访问令牌：用于在请求中设置认证 Header。创建凭据和处理认证失败，请参阅身份认证。
支持文本对话的模型 ID：用于请求中的
model字段。请通过获取可用模型确认当前凭据可调用的模型；选择模型时可参阅选择模型与能力。
本页只使用 OpenAI 兼容的 Chat Completions 接口。Messages 和 Responses 的请求、响应和认证说明分别位于各自的接口页面。
1. 设置请求变量¶
在终端中设置访问令牌和模型 ID。不要将访问令牌写入源代码、镜像或日志。
export GENESIS_BASE_URL='<Genesis Base URL copied from the console>'
export GENESIS_ACCESS_TOKEN='<your-access-token>'
export MODEL_ID='<text-chat-model-id>'
GENESIS_BASE_URL 使用当前环境 Genesis 控制台「使用」页提供的完整值；如果该值已经包含 /v1，不要再次追加版本路径。MODEL_ID 必须来自当前凭据的 GET /models 结果，并且应支持文本对话。
2. 发送第一条消息¶
以下请求向所选模型发送一条 user 消息。此调用会产生模型用量。
curl -X POST "$GENESIS_BASE_URL/chat/completions" \
-H "Authorization: Bearer $GENESIS_ACCESS_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"model": "'"$MODEL_ID"'",
"messages": [
{
"role": "user",
"content": "用一句话解释数据血缘。"
}
],
"max_tokens": 1024
}'
将 content 替换为你的问题。messages 是对话输入；本示例只包含一条用户消息。
3. 检查响应¶
成功响应的关键字段如下。实际的请求 ID、模型 ID、时间和 Token 数会随请求变化。
{
"id": "<request-id>",
"object": "chat.completion",
"model": "<model-id>",
"choices": [
{
"message": {
"role": "assistant",
"content": "数据血缘描述数据从来源、处理到消费环节的关系。"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 0,
"completion_tokens": 0,
"total_tokens": 0
}
}
choices[0].message.content是模型生成的文本。model是实际处理本次请求的模型 ID。usage包含本次响应实际返回的 Token 用量字段。
当响应中出现 choices[0].message.content 时，即表示已获得模型回复。请保存 id 和实际使用的 model，以便后续定位调用。
下一步¶
文本对话：查看完整参数、响应字段和常见问题。
Chat Completions 流式输出：边接收边显示模型生成内容。
多模态对话：向支持视觉输入的模型发送图文消息。
Responses API：使用 OpenAI Responses 请求和响应形态。
使用 OpenAI SDK：通过 OpenAI Python SDK 调用已支持的接口。