跳转到主要内容
只需几分钟即可开始使用 Venice API。生成 API 密钥，发出你的第一个请求，然后开始构建。

​
快速开始

1

获取你的 API 密钥

前往 Venice API 设置 并生成一个新的 API 密钥。如需详细步骤，请查阅 API 密钥指南。
2

配置你的 API 密钥

将你的 API 密钥添加到环境变量中。你可以在 shell 中导出它：
export VENICE_API_KEY='your-api-key-here'
或者添加到项目中的 .env 文件：
VENICE_API_KEY=your-api-key-here
3

安装 SDK

Venice 兼容 OpenAI，因此你可以直接使用 OpenAI SDK。如果你更倾向于使用 cURL 或原始 HTTP 请求，可以跳过此步骤。
pip install openai

npm install openai
4

发送你的第一个请求

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("VENICE_API_KEY"),
    base_url="https://api.venice.ai/api/v1"
)

completion = client.chat.completions.create(
    model="zai-org-glm-5",
    messages=[
        {"role": "system", "content": "You are a helpful AI assistant"},
        {"role": "user", "content": "Why is privacy important?"}
    ]
)

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

import OpenAI from 'openai';

const client = new OpenAI({
    apiKey: process.env.VENICE_API_KEY,
    baseURL: 'https://api.venice.ai/api/v1'
});

const completion = await client.chat.completions.create({
    model: 'zai-org-glm-5',
    messages: [
        { role: 'system', content: 'You are a helpful AI assistant' },
        { role: 'user', content: 'Why is privacy important?' }
    ]
});

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

curl https://api.venice.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai-org-glm-5",
    "messages": [
      {"role": "system", "content": "You are a helpful AI assistant"},
      {"role": "user", "content": "Why is privacy important?"}
    ]
  }'
消息角色：
  • system - 关于模型应如何行为的指令
  • user - 你的提示或问题
  • assistant - 模型的历史回复（用于多轮对话）
  • tool - 函数调用结果（使用工具时）
5

通过更改模型 ID 切换模型

每个请求都包含一个 model ID。要使用不同的模型，请更改请求中的 model 值。常用选项：
  • zai-org-glm-5 - 适用于大多数场景的默认模型
  • kimi-k2-6 - 面向更复杂任务的强推理能力
  • claude-opus-4-8 - 适用于复杂任务的高智能模型
  • venice-uncensored-1-2 - Venice 的无审查模型

查看所有模型

浏览完整的模型列表，包含定价、能力和上下文限制
6

使用 Venice 参数

你可以通过 venice_parameters 启用 Venice 特有的功能，例如网络搜索：
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("VENICE_API_KEY"),
    base_url="https://api.venice.ai/api/v1"
)

completion = client.chat.completions.create(
    model="zai-org-glm-5",
    messages=[
        {"role": "user", "content": "What are the latest developments in AI?"}
    ],
    extra_body={
        "venice_parameters": {
            "enable_web_search": "auto",
            "include_venice_system_prompt": True
        }
    }
)

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

import OpenAI from 'openai';

const client = new OpenAI({
    apiKey: process.env.VENICE_API_KEY,
    baseURL: 'https://api.venice.ai/api/v1'
});

const completion = await client.chat.completions.create({
    model: 'zai-org-glm-5',
    messages: [
        { role: 'user', content: 'What are the latest developments in AI?' }
    ],
    venice_parameters: {
        enable_web_search: 'auto',
        include_venice_system_prompt: true
    }
});

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

curl https://api.venice.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai-org-glm-5",
    "messages": [
      {"role": "user", "content": "What are the latest developments in AI?"}
    ],
    "venice_parameters": {
      "enable_web_search": "auto",
      "include_venice_system_prompt": true
    }
  }'
查看所有可用参数。
7

启用流式传输（可选）

使用 stream=True 实时流式接收响应：
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("VENICE_API_KEY"),
    base_url="https://api.venice.ai/api/v1"
)

stream = client.chat.completions.create(
    model="zai-org-glm-5",
    messages=[{"role": "user", "content": "Write a short story about AI"}],
    stream=True
)

for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="")

import OpenAI from 'openai';

const client = new OpenAI({
    apiKey: process.env.VENICE_API_KEY,
    baseURL: 'https://api.venice.ai/api/v1'
});

const stream = await client.chat.completions.create({
    model: 'zai-org-glm-5',
    messages: [{ role: 'user', content: 'Write a short story about AI' }],
    stream: true
});

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

curl https://api.venice.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai-org-glm-5",
    "messages": [
      {"role": "user", "content": "Write a short story about AI"}
    ],
    "stream": true
  }'
8

自定义响应行为（可选）

使用 temperature、max tokens 等参数来控制模型的响应方式：
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("VENICE_API_KEY"),
    base_url="https://api.venice.ai/api/v1"
)

completion = client.chat.completions.create(
    model="zai-org-glm-5",
    messages=[
        {"role": "system", "content": "You are a creative storyteller"},
        {"role": "user", "content": "Tell me a creative story"}
    ],
    temperature=0.8,
    max_tokens=500,
    top_p=0.9,
    frequency_penalty=0.5,
    presence_penalty=0.5,
    extra_body={
        "venice_parameters": {
            "include_venice_system_prompt": False
        }
    }
)

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

import OpenAI from 'openai';

const client = new OpenAI({
    apiKey: process.env.VENICE_API_KEY,
    baseURL: 'https://api.venice.ai/api/v1'
});

const completion = await client.chat.completions.create({
    model: 'zai-org-glm-5',
    messages: [
        { role: 'system', content: 'You are a creative storyteller' },
        { role: 'user', content: 'Tell me a creative story' }
    ],
    temperature: 0.8,
    max_tokens: 500,
    top_p: 0.9,
    frequency_penalty: 0.5,
    presence_penalty: 0.5,
    venice_parameters: {
        include_venice_system_prompt: false
    }
});

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

curl https://api.venice.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai-org-glm-5",
    "messages": [
      {"role": "system", "content": "You are a creative storyteller"},
      {"role": "user", "content": "Tell me a creative story"}
    ],
    "temperature": 0.8,
    "max_tokens": 500,
    "top_p": 0.9,
    "frequency_penalty": 0.5,
    "presence_penalty": 0.5,
    "stream": false,
    "venice_parameters": {
      "include_venice_system_prompt": false
    }
  }'
查看 Chat Completions 文档 了解所有受支持参数的更多信息。

​
后续步骤

现在你已经完成了第一次请求，可以继续探索 Venice API 提供的更多功能：

浏览模型

对比所有可用模型的能力、定价和上下文限制

API 参考

浏览详尽的 API 文档，包含所有端点和参数

结构化响应

学习如何获取带有保证模式的 JSON 响应

AI 智能体指南

使用智能体应用、代码智能体、MCP 工具、技能以及加密工作流进行构建

​
更多资源

速率限制

了解速率限制以及生产环境使用的最佳实践

错误代码

处理 API 错误和排查问题的参考

Postman 集合

导入我们完整的 Postman 集合以便轻松测试

隐私与安全

了解 Venice 的隐私优先架构和数据处理方式

​
需要帮助？