API开放平台 - 灵通资源

GET /hash.php 哈希计算

请求参数

参数名	类型	必填	说明
text	string	是	需要计算哈希的文本
algo	string	否	哈希算法: md5 / sha1 / sha256 / sha512，默认 sha256

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "algo": "sha256",
    "text": "hello",
    "hash": "2cf24dba5fb0a30e26e83b2ac5b9e29e1b161e5c1fa7425e73043362938b9824"
  }
}

代码示例

curl "https://api.ltzy.top/api/hash.php?text=hello&algo=sha256"

fetch('https://api.ltzy.top/api/hash.php?text=hello&algo=sha256')
  .then(res => res.json())
  .then(data => console.log(data));

import requests

resp = requests.get('https://api.ltzy.top/api/hash.php', params={
    'text': 'hello',
    'algo': 'sha256'
})
print(resp.json())

text 必填

algo 可选，默认sha256

响应结果

点击"发送请求"查看结果

GET /base64.php Base64编解码

请求参数

参数名	类型	必填	说明
text	string	是	需要编解码的文本
type	string	是	操作类型: encode（编码）/ decode（解码）

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "type": "encode",
    "input": "hello",
    "output": "aGVsbG8="
  }
}

代码示例

curl "https://api.ltzy.top/api/base64.php?text=hello&type=encode"

fetch('https://api.ltzy.top/api/base64.php?text=hello&type=encode')
  .then(res => res.json())
  .then(data => console.log(data));

import requests

resp = requests.get('https://api.ltzy.top/api/base64.php', params={
    'text': 'hello',
    'type': 'encode'
})
print(resp.json())

text 必填

type 必填

响应结果

点击"发送请求"查看结果

GET /urlcode.php URL编解码

请求参数

参数名	类型	必填	说明
text	string	是	需要编解码的文本
type	string	是	操作类型: encode（编码）/ decode（解码）

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "type": "encode",
    "input": "hello world",
    "output": "hello%20world"
  }
}

代码示例

curl "https://api.ltzy.top/api/urlcode.php?text=hello%20world&type=encode"

fetch('https://api.ltzy.top/api/urlcode.php?text=hello%20world&type=encode')
  .then(res => res.json())
  .then(data => console.log(data));

import requests

resp = requests.get('https://api.ltzy.top/api/urlcode.php', params={
    'text': 'hello world',
    'type': 'encode'
})
print(resp.json())

text 必填

type 必填

响应结果

点击"发送请求"查看结果

GET /timestamp.php 时间戳转换

请求参数

参数名	类型	必填	说明
ts	integer	否	Unix时间戳（秒），与date二选一
date	string	否	日期字符串，如 2026-01-01 00:00:00，与ts二选一

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "timestamp": 1735689600,
    "datetime": "2026-01-01 00:00:00",
    "timezone": "UTC+8"
  }
}

代码示例

curl "https://api.ltzy.top/api/timestamp.php?ts=1735689600"

fetch('https://api.ltzy.top/api/timestamp.php?ts=1735689600')
  .then(res => res.json())
  .then(data => console.log(data));

import requests

resp = requests.get('https://api.ltzy.top/api/timestamp.php', params={
    'ts': 1735689600
})
print(resp.json())

ts 与date二选一

date 与ts二选一

响应结果

点击"发送请求"查看结果

GET /qrcode.php 二维码生成

请求参数

参数名	类型	必填	说明
text	string	是	二维码内容文本
size	integer	否	图片尺寸（像素），范围100-500，默认200

响应说明

返回 PNG 图片，Content-Type: image/png
可直接用作 <img> 标签的 src：
<img src="https://api.ltzy.top/api/qrcode.php?text=hello&size=200" alt="QR Code">

代码示例

curl "https://api.ltzy.top/api/qrcode.php?text=hello&size=200" -o qrcode.png

// 方式1: 直接作为图片源
const img = document.createElement('img');
img.src = 'https://api.ltzy.top/api/qrcode.php?text=hello&size=200';
document.body.appendChild(img);

// 方式2: 下载图片
fetch('https://api.ltzy.top/api/qrcode.php?text=hello&size=200')
  .then(res => res.blob())
  .then(blob => {
    const url = URL.createObjectURL(blob);
    const a = document.createElement('a');
    a.href = url; a.download = 'qrcode.png';
    a.click();
  });

import requests

resp = requests.get('https://api.ltzy.top/api/qrcode.php', params={
    'text': 'hello',
    'size': 200
})
with open('qrcode.png', 'wb') as f:
    f.write(resp.content)

text 必填

size 可选，默认200

响应结果

点击"发送请求"查看结果

GET /password.php 随机密码

请求参数

参数名	类型	必填	说明
length	integer	否	密码长度，默认16
upper	integer	否	包含大写字母，1=是 0=否，默认1
lower	integer	否	包含小写字母，1=是 0=否，默认1
number	integer	否	包含数字，1=是 0=否，默认1
symbol	integer	否	包含特殊符号，1=是 0=否，默认1

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "password": "Kx9#mQ2&vLpN7@wR",
    "length": 16,
    "charset": "upper+lower+number+symbol"
  }
}

代码示例

curl "https://api.ltzy.top/api/password.php?length=16&upper=1&lower=1&number=1&symbol=1"

fetch('https://api.ltzy.top/api/password.php?length=16&upper=1&lower=1&number=1&symbol=1')
  .then(res => res.json())
  .then(data => console.log(data.data.password));

import requests

resp = requests.get('https://api.ltzy.top/api/password.php', params={
    'length': 16,
    'upper': 1, 'lower': 1,
    'number': 1, 'symbol': 1
})
print(resp.json()['data']['password'])

length 可选，默认16

upper 可选，默认1

lower 可选，默认1

number 可选，默认1

symbol 可选，默认1

响应结果

点击"发送请求"查看结果

GET /ip.php IP查询需登录

请求参数

参数名	类型	必填	说明
ip	string	否	查询的IP地址，不传则返回请求者IP信息
token	string	是	API Token（登录后获取）

鉴权说明

此接口需要登录。网页端自动携带session；API调用需在URL中添加 ?token=你的API_TOKEN

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "ip": "8.8.8.8",
    "country": "美国",
    "region": "加利福尼亚",
    "city": "芒廷维尤",
    "isp": "Google LLC"
  }
}

代码示例

curl "https://api.ltzy.top/api/ip.php?ip=8.8.8.8"

fetch('https://api.ltzy.top/api/ip.php?ip=8.8.8.8')
  .then(res => res.json())
  .then(data => console.log(data.data));

import requests

resp = requests.get('https://api.ltzy.top/api/ip.php', params={
    'ip': '8.8.8.8'
})
print(resp.json()['data'])

ip 可选，默认请求者IP

响应结果

点击"发送请求"查看结果

GET /uuid.php UUID生成

请求参数

参数名	类型	必填	说明
count	integer	否	生成数量，范围1-10，默认1

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "uuids": [
      "550e8400-e29b-41d4-a716-446655440000"
    ],
    "count": 1
  }
}

代码示例

curl "https://api.ltzy.top/api/uuid.php?count=3"

fetch('https://api.ltzy.top/api/uuid.php?count=3')
  .then(res => res.json())
  .then(data => console.log(data.data.uuids));

import requests

resp = requests.get('https://api.ltzy.top/api/uuid.php', params={
    'count': 3
})
print(resp.json()['data']['uuids'])

count 可选，默认1

响应结果

点击"发送请求"查看结果

GET /py/whois/{domain} Whois查询需登录

请求参数

参数名	类型	必填	说明
domain	string	是	查询域名（路径参数），如 baidu.com
token	string	是	API Token（登录后获取）

鉴权说明

此接口需要登录。在URL中添加 ?token=你的API_TOKEN 或请求头 X-API-Token

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "domain": "baidu.com",
    "registrar": "MarkMonitor Inc.",
    "creation_date": "1999-10-11",
    "expiration_date": "2028-10-11",
    "name_servers": ["ns1.baidu.com", "ns2.baidu.com"],
    "status": "clientDeleteProhibited",
    "raw": "..."
  }
}

代码示例

curl "https://api.ltzy.top/py/whois/baidu.com"

import requests

resp = requests.get('https://api.ltzy.top/py/whois/baidu.com')
print(resp.json()['data'])

GET /py/phone/{number} 手机号归属地需登录

请求参数

参数名	类型	必填	说明
number	string	是	手机号码（11位，路径参数）
token	string	是	API Token（登录后获取）

鉴权说明

此接口需要登录。在URL中添加 ?token=你的API_TOKEN 或请求头 X-API-Token

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "phone": "13800138000",
    "prefix": "1380013",
    "province": "北京",
    "city": "北京",
    "carrier": "移动",
    "source": "local"
  }
}

代码示例

curl "https://api.ltzy.top/py/phone/13800138000"

import requests

resp = requests.get('https://api.ltzy.top/py/phone/13800138000')
print(resp.json()['data'])

GET /py/dns/{domain} DNS查询需登录

请求参数

参数名	类型	必填	说明
domain	string	是	查询域名（路径参数），如 baidu.com
token	string	是	API Token（登录后获取）

鉴权说明

此接口需要登录。在URL中添加 ?token=你的API_TOKEN 或请求头 X-API-Token

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "domain": "baidu.com",
    "records": {
      "A": [{"ttl": 300, "value": "39.156.66.10"}],
      "NS": [{"ttl": 86400, "value": "ns1.baidu.com"}],
      "MX": [{"ttl": 3600, "value": "10 mx.maillb.baidu.com"}]
    },
    "query_time": "12 msec",
    "dns_server": "8.8.8.8"
  }
}

代码示例

curl "https://api.ltzy.top/py/dns/baidu.com"

import requests

resp = requests.get('https://api.ltzy.top/py/dns/baidu.com')
print(resp.json()['data']['records'])

GET /py/postcode/{keyword} 邮编区号查询需登录

请求参数

参数名	类型	必填	说明
keyword	string	否	搜索关键词（城市名/邮编/区号），为空返回全部
token	string	是	API Token（登录后获取）

鉴权说明

此接口需要登录。在URL中添加 ?token=你的API_TOKEN 或请求头 X-API-Token

响应示例

{
  "code": 200,
  "message": "success",
  "data": [
    {
      "province": "北京市",
      "city": "北京市",
      "district": "东城区",
      "postcode": "100000",
      "areacode": "010"
    }
  ]
}

代码示例

curl "https://api.ltzy.top/py/postcode/北京"

import requests

resp = requests.get('https://api.ltzy.top/py/postcode/北京')
print(resp.json()['data'])

POST /api/ai-embedding.php 文本嵌入需登录 AI

模型信息

BAAI/bge-large-zh-v1.5 - BGE系列大型中文文本嵌入模型（默认）
向量维度: 1024 | 最大Token: 512 | C-MTEB 31个数据集平均得分64.53
适用: 中文文本检索、语义相似度计算、RAG等

BAAI/bge-large-en-v1.5 - BGE系列大型英文文本嵌入模型
向量维度: 1024 | 最大Token: 512 | MTEB 56个数据集平均得分64.23
适用: 英文文本检索、语义相似度计算、RAG等

BAAI/bge-m3 - 多功能多语言多粒度文本嵌入模型
向量维度: 1024 | 最大Token: 8192 | 支持100+语言
三种检索: 密集检索、多向量检索、稀疏检索 | MIRACL/MKQA基准领先
适用: 多语言/跨语言检索、长文档检索、RAG等

请求参数 (JSON Body)

参数名	类型	必填	说明
input	string/array	是	需要嵌入的文本，支持字符串或字符串数组（最多10条）
model	string	否	模型: BAAI/bge-large-zh-v1.5(默认，中文) / BAAI/bge-large-en-v1.5(英文) / BAAI/bge-m3(多语言8K)
encoding_format	string	否	编码格式: float（默认）/ base64

鉴权说明

此接口需要登录。在请求头添加 X-API-Token: 你的API_TOKEN

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "model": "BAAI/bge-large-en-v1.5",
    "embeddings": [
      {
        "index": 0,
        "embedding": [0.001234, -0.005678, ...]
      }
    ],
    "usage": {
      "prompt_tokens": 5,
      "total_tokens": 5
    },
    "dimensions": 1024
  }
}

代码示例

curl -X POST "https://api.ltzy.top/api/ai-embedding.php" \
  -H "Content-Type: application/json" \
  -H "X-API-Token: YOUR_TOKEN" \
  -d '{"input": "Hello, world!"}'

import requests

resp = requests.post('https://api.ltzy.top/api/ai-embedding.php',
    headers={'X-API-Token': 'YOUR_TOKEN'},
    json={'input': 'Hello, world!'}
)
data = resp.json()['data']
print(f"维度: {data['dimensions']}")
print(f"向量前5维: {data['embeddings'][0]['embedding'][:5]}")

POST /api/ai-embedding.php/similarity 文本相似度计算需登录 AI

说明

基于嵌入向量的余弦相似度计算，输入两段文本返回相似度分数（0~1，1表示完全相同）

请求参数 (JSON Body)

参数名	类型	必填	说明
text1	string	是	第一段文本
text2	string	是	第二段文本
model	string	否	模型: BAAI/bge-large-zh-v1.5(默认，中文) / BAAI/bge-large-en-v1.5(英文) / BAAI/bge-m3(多语言8K)

鉴权说明

此接口需要登录。在请求头添加 X-API-Token: 你的API_TOKEN

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "model": "BAAI/bge-large-zh-v1.5",
    "text1": "你好世界",
    "text2": "你好吗",
    "similarity": 0.856123,
    "dimensions": 1024,
    "usage": {
      "prompt_tokens": 10,
      "total_tokens": 10
    }
  }
}

代码示例

curl -X POST "https://api.ltzy.top/api/ai-embedding.php/similarity" \
  -H "Content-Type: application/json" \
  -H "X-API-Token: YOUR_TOKEN" \
  -d '{"text1": "Hello", "text2": "Hi"}'

import requests

resp = requests.post('https://api.ltzy.top/api/ai-embedding.php/similarity',
    headers={'X-API-Token': 'YOUR_TOKEN'},
    json={'text1': 'Hello', 'text2': 'Hi'}
)
sim = resp.json()['data']['similarity']
print(f"相似度: {sim:.4f}")

POST /api/ai-chat.php AI对话需登录 AI

模型信息

请求参数 (JSON Body)

参数名	类型	必填	说明
messages	array	是	消息数组，每项包含role和content。content可为字符串或数组(视觉模型)：[{"type":"image_url","image_url":{"url":"base64或URL"}},{"type":"text","text":"提示词"}]
model	string	否	模型: Qwen/Qwen2.5-7B-Instruct(默认) / Qwen/Qwen3-8B(思考) / Qwen/Qwen3.5-4B(多模态推理256K) / deepseek-ai/DeepSeek-R1-0528-Qwen3-8B(推理128K) / THUDM/GLM-4-9B-0414 / THUDM/GLM-Z1-9B-0414(推理128K) / PaddlePaddle/PaddleOCR-VL-1.5(OCR视觉)
stream	boolean	否	是否流式输出，默认false。流式返回SSE格式
temperature	number	否	温度(0~2)，越高越随机，默认0.7
max_tokens	integer	否	最大生成token数，默认4096
top_p	number	否	核采样概率(0~1)，默认0.9
enable_thinking	boolean	否	是否启用思考模式，默认false。启用后模型会先进行推理思考再输出回答，适用于数学/编程/逻辑推理场景
thinking_budget	integer	否	思考模式预算token数，仅在enable_thinking=true时生效，控制思考过程的最大token数
web_search	boolean	否	是否启用联网搜索，默认false。启用后模型可搜索互联网获取实时信息辅助回答
search_context	string	否	联网搜索上下文，仅在web_search=true时生效。可传入搜索关键词或上下文提示，帮助模型更精准地搜索

鉴权说明

此接口需要登录。在请求头添加 X-API-Token: 你的API_TOKEN

响应示例（非流式）

{
  "code": 200,
  "message": "success",
  "data": {
    "model": "Qwen/Qwen2.5-7B-Instruct",
    "message": {
      "role": "assistant",
      "content": "你好！我是灵通AI助手..."
    },
    "finish_reason": "stop",
    "usage": {
      "prompt_tokens": 10,
      "completion_tokens": 20,
      "total_tokens": 30
    }
  }
}

流式响应格式

设置 stream: true 时，返回SSE（Server-Sent Events）格式，每行格式为 data: {JSON}，最后以 data: [DONE] 结束

data: {"choices":[{"delta":{"content":"你"},"index":0}]}

data: {"choices":[{"delta":{"content":"好"},"index":0}]}

data: [DONE]

代码示例

curl -X POST "https://api.ltzy.top/api/ai-chat.php" \
  -H "Content-Type: application/json" \
  -H "X-API-Token: YOUR_TOKEN" \
  -d '{
    "messages": [{"role": "user", "content": "你好"}],
    "stream": false
  }'

import requests

resp = requests.post('https://api.ltzy.top/api/ai-chat.php',
    headers={'X-API-Token': 'YOUR_TOKEN'},
    json={
        'messages': [{'role': 'user', 'content': '你好'}],
        'stream': False
    }
)
print(resp.json()['data']['message']['content'])

// 流式调用示例
var xhr = new XMLHttpRequest();
xhr.open('POST', 'https://api.ltzy.top/api/ai-chat.php');
xhr.setRequestHeader('Content-Type', 'application/json');
xhr.setRequestHeader('X-API-Token', 'YOUR_TOKEN');
xhr.responseType = 'text';
xhr.onreadystatechange = function() {
  if (xhr.readyState === 3 || xhr.readyState === 4) {
    // 处理SSE数据流
    var lines = xhr.responseText.split('\n');
    lines.forEach(function(line) {
      if (line.indexOf('data: ') === 0) {
        var data = JSON.parse(line.substring(6));
        var content = data.choices[0].delta.content;
        if (content) console.log(content);
      }
    });
  }
};
xhr.send(JSON.stringify({
  messages: [{role: 'user', content: '你好'}],
  stream: true
}));

POST /api/ai-image.php AI文生图需登录 AI

模型信息

Kwai-Kolors/Kolors - 快手Kolors团队开发的文本到图像生成模型
基于潜在扩散，数十亿文本-图像对训练
优势: 视觉质量高、复杂语义准确、中英文字符渲染出色、支持中英文输入

请求参数 (JSON Body)

参数名	类型	必填	说明
prompt	string	是	图片描述提示词，支持中英文
model	string	否	模型名称，默认 Kwai-Kolors/Kolors
image_size	string	否	图片尺寸: 1024x1024(默认)/1024x768/768x1024/768x768/512x512
batch_size	integer	否	生成数量(1~4)，默认1
num_inference_steps	integer	否	推理步数，默认25
seed	integer	否	随机种子，相同种子+提示词生成相同图片
negative_prompt	string	否	反向提示词，排除不想出现的内容

鉴权说明

此接口需要登录。在请求头添加 X-API-Token: 你的API_TOKEN

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "model": "Kwai-Kolors/Kolors",
    "prompt": "一只可爱的橘猫坐在窗台上",
    "images": [
      {
        "url": "https://cdn.siliconflow.cn/xxx.png"
      }
    ]
  }
}

代码示例

curl -X POST "https://api.ltzy.top/api/ai-image.php" \
  -H "Content-Type: application/json" \
  -H "X-API-Token: YOUR_TOKEN" \
  -d '{"prompt": "一只可爱的橘猫坐在窗台上，阳光洒进来"}'

import requests

resp = requests.post('https://api.ltzy.top/api/ai-image.php',
    headers={'X-API-Token': 'YOUR_TOKEN'},
    json={'prompt': '一只可爱的橘猫坐在窗台上，阳光洒进来'}
)
images = resp.json()['data']['images']
for img in images:
    print(img['url'])

POST /api/ai-rerank.php 文本重排序需登录 AI

模型信息

BAAI/bge-reranker-v2-m3 - 轻量级多语言重排序模型
参数量: 568M | 上下文: 8K | 基于bge-m3开发
输入查询+文档，直接输出相关性分数（非向量），适用于RAG检索优化
多语言能力强，中英文处理出色，推理速度快，易于部署

请求参数 (JSON Body)

参数名	类型	必填	说明
query	string	是	查询文本
documents	array	是	待排序文档数组，每项为字符串（最多100条）
model	string	否	模型名称，默认 BAAI/bge-reranker-v2-m3
top_n	integer	否	返回最相关的N个结果，默认返回全部
return_documents	boolean	否	是否返回文档文本，默认true
max_chunks_per_doc	integer	否	每文档最大分块数，默认1024

鉴权说明

此接口需要登录。在请求头添加 X-API-Token: 你的API_TOKEN

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "model": "BAAI/bge-reranker-v2-m3",
    "query": "什么是深度学习",
    "results": [
      {
        "index": 0,
        "relevance_score": 0.95,
        "document": "深度学习是机器学习的子集..."
      },
      {
        "index": 2,
        "relevance_score": 0.72,
        "document": "神经网络由多层神经元组成..."
      }
    ],
    "usage": {
      "input_tokens": 150,
      "output_tokens": 10
    }
  }
}

代码示例

curl -X POST "https://api.ltzy.top/api/ai-rerank.php" \
  -H "Content-Type: application/json" \
  -H "X-API-Token: YOUR_TOKEN" \
  -d '{
    "query": "什么是深度学习",
    "documents": ["深度学习是机器学习的子集", "苹果是一种水果", "神经网络可以自动提取特征"]
  }'

import requests

resp = requests.post('https://api.ltzy.top/api/ai-rerank.php',
    headers={'X-API-Token': 'YOUR_TOKEN'},
    json={
        'query': '什么是深度学习',
        'documents': ['深度学习是机器学习的子集', '苹果是一种水果', '神经网络可以自动提取特征']
    }
)
for r in resp.json()['data']['results']:
    print(f"#{r['index']} score={r['relevance_score']:.4f}")

POST /api/ai-asr.php 语音识别需登录 AI

模型信息

FunAudioLLM/SenseVoiceSmall - 多功能语音基础模型
能力: ASR语音识别 + LID语言识别 + SER情感识别 + AED音频事件检测
支持50+语言，中文/粤语优于Whisper | 10秒音频仅需70ms，比Whisper-Large快15倍
非自回归端到端框架，推理延迟极低

TeleAI/TeleSpeechASR - 星辰超多方言语音识别大模型
业内首个支持普通话+英文+50种方言自由混说 | 粤语/上海话/四川话等主要方言
KeSpeech准确率92.97% | Babel粤语赛道业内最优 | SpeechIO普通话CER 2.63%
支持"蒸馏+膨胀"联合训练 | 支持流式和非流式调用

请求参数 (multipart/form-data)

参数名	类型	必填	说明
file	file	是	音频文件（MP3/WAV/M4A/FLAC/OGG），最大50MB，时长不超过1小时
model	string	否	模型: FunAudioLLM/SenseVoiceSmall(默认) / TeleAI/TeleSpeechASR

鉴权说明

此接口需要登录。在请求头添加 X-API-Token: 你的API_TOKEN

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "model": "FunAudioLLM/SenseVoiceSmall",
    "text": "今天天气真好，适合出去散步"
  }
}

代码示例

curl -X POST "https://api.ltzy.top/api/ai-asr.php" \
  -H "X-API-Token: YOUR_TOKEN" \
  -F "file=@audio.mp3" \
  -F "model=FunAudioLLM/SenseVoiceSmall"

import requests

resp = requests.post('https://api.ltzy.top/api/ai-asr.php',
    headers={'X-API-Token': 'YOUR_TOKEN'},
    files={'file': open('audio.mp3', 'rb')},
    data={'model': 'FunAudioLLM/SenseVoiceSmall'}
)
print(resp.json()['data']['text'])

GET /api/ai-search.php AI搜索需登录 AI

说明

基于AI的智能搜索接口，输入关键词返回AI总结的搜索结果，支持联网实时搜索

请求参数

参数名	类型	必填	说明
q	string	是	搜索关键词
token	string	是	API Token（登录后获取）

鉴权说明

此接口需要登录。在URL中添加 ?token=你的API_TOKEN 或请求头 X-API-Token

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "query": "深度学习",
    "answer": "深度学习是机器学习的一个子集...",
    "sources": [
      {"title": "深度学习 - 维基百科", "url": "https://..."}
    ]
  }
}

代码示例

curl "https://api.ltzy.top/api/ai-search.php?q=深度学习"

import requests

resp = requests.get('https://api.ltzy.top/api/ai-search.php', params={
    'q': '深度学习'
})
print(resp.json()['data']['answer'])

GET /api/ai-models.php AI模型列表需登录 AI

说明

查询平台支持的AI模型列表，可按类型筛选

请求参数

参数名	类型	必填	说明
type	string	否	模型类型筛选: chat（对话）/ embedding（嵌入）/ rerank（重排序）/ image（生图）/ asr（语音识别），不传则返回全部
token	string	是	API Token（登录后获取）

鉴权说明

此接口需要登录。在URL中添加 ?token=你的API_TOKEN 或请求头 X-API-Token

响应示例

{
  "code": 200,
  "message": "success",
  "data": {
    "models": [
      {
        "id": "Qwen/Qwen2.5-7B-Instruct",
        "type": "chat",
        "name": "Qwen2.5-7B",
        "context_length": 32768,
        "description": "通义千问2.5系列7B指令模型"
      }
    ]
  }
}

代码示例

curl "https://api.ltzy.top/api/ai-models.php?type=chat"

import requests

resp = requests.get('https://api.ltzy.top/api/ai-models.php', params={
    'type': 'chat'
})
for m in resp.json()['data']['models']:
    print(f"{m['id']} - {m['description']}")