Google 聊天补全

通过 OpenAI 兼容接口调用 Gemini 系列模型。

统一接口

Google 模型同样通过 /v1/chat/completions 接口调用，请求和响应格式与 OpenAI 一致。

请求

POST https://api.clawdrouter.com/v1/chat/completions

请求头

名称	必填	类型	说明
Authorization	是	string	Bearer YOUR_API_KEY
Content-Type	是	string	application/json
Request-Id	否	string	客户系统生成的唯一业务标识

请求体

核心参数与 OpenAI 聊天补全 一致。Google 模型额外支持以下参数：

参数	类型	必填	默认值	说明
model	string	是	—	模型标识，参考模型列表
messages	array	是	—	对话消息列表
stream	boolean	否	false	是否启用流式输出
reasoning_effort	string	否	—	思考力度控制：low / medium / high。用于控制 Gemini 思考模型的推理深度
thinking	object	否	—	思考模式控制。设置 {"type": "enabled", "budget_tokens": 0} 可关闭思考
stream_options	object	否	—	流式选项。{"include_usage": true} 可在流式响应中包含 Token 用量

完整参数说明请参考 OpenAI 聊天补全参数。

请求示例

示例 1：流式请求（带思考）

curl https://api.clawdrouter.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "gemini-2.5-flash",
    "messages": [
      {"role": "user", "content": "介绍一下量子计算"}
    ],
    "stream": true,
    "stream_options": {"include_usage": true},
    "reasoning_effort": "low"
  }'

流式响应（思考内容通过 reasoning_content 字段返回）：

data: {
  "id": "gCglaaHuCby-694Pv5bo0Q0",
  "created": 1764042881,
  "model": "gemini-2.5-flash",
  "object": "chat.completion.chunk",
  "choices": [
    {
      "index": 0,
      "delta": {
        "role": "assistant",
        "reasoning_content": "**Initiating Conceptual Breakdown**\n\nI'm starting by dissecting the prompt...",
        "content": null
      },
      "finish_reason": null
    }
  ]
}

data: {
  "id": "gCglaaHuCby-694Pv5bo0Q0",
  "created": 1764042881,
  "model": "gemini-2.5-flash",
  "object": "chat.completion.chunk",
  "choices": [
    {
      "index": 0,
      "delta": {
        "content": "量子计算是一种利用量子力学原理进行信息处理的新型计算模式..."
      },
      "finish_reason": null
    }
  ]
}

data: [DONE]

思考内容

Gemini 2.5 系列模型支持「思考」功能。流式响应中，模型的思考过程通过 delta.reasoning_content 字段返回，正式回复内容通过 delta.content 字段返回。

示例 2：非流式请求

curl https://api.clawdrouter.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "gemini-2.5-flash",
    "messages": [
      {"role": "user", "content": "介绍一下量子计算"}
    ],
    "stream": false,
    "reasoning_effort": "low"
  }'

响应：

{
  "id": "Oiwlacz2CYq4694P3eOo8Q0",
  "created": 1764043828,
  "model": "gemini-2.5-flash",
  "object": "chat.completion",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "量子计算（Quantum Computing）是一种利用量子力学原理进行信息处理的新型计算模式...",
        "role": "assistant"
      }
    }
  ],
  "usage": {
    "prompt_tokens": 5,
    "completion_tokens": 1200,
    "total_tokens": 1205
  }
}

响应字段说明

字段	类型	说明
id	string	本次补全的唯一标识
object	string	固定为 chat.completion（非流式）或 chat.completion.chunk（流式）
created	integer	创建时间的 Unix 时间戳
model	string	实际使用的模型版本
choices	array	补全结果列表
choices[].message	object	模型生成的消息（非流式）
choices[].delta	object	流式增量内容，可包含 content 和 reasoning_content
choices[].finish_reason	string	停止原因：stop（正常结束）/ length（达到长度限制）/ tool_calls（调用工具）
usage	object	Token 用量统计（流式需设置 stream_options.include_usage: true）

示例 3：关闭思考模式

如果不需要模型的思考过程，可以通过 thinking 参数关闭：

curl https://api.clawdrouter.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "gemini-2.5-flash",
    "messages": [
      {"role": "user", "content": "介绍一下量子计算"}
    ],
    "stream": true,
    "thinking": {
      "type": "enabled",
      "budget_tokens": 0
    },
    "stream_options": {"include_usage": true}
  }'

关闭思考后，响应中将不再包含 reasoning_content 字段，模型直接输出回复内容。

使用 Python SDK

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.clawdrouter.com/v1",
)

# 基础调用
completion = client.chat.completions.create(
    model="gemini-2.5-flash",
    messages=[
        {"role": "user", "content": "介绍一下量子计算"}
    ],
)
print(completion.choices[0].message.content)

# 流式调用
stream = client.chat.completions.create(
    model="gemini-2.5-flash",
    messages=[
        {"role": "user", "content": "介绍一下量子计算"}
    ],
    stream=True,
    extra_body={"reasoning_effort": "low"},
)

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

使用 Node.js SDK

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "YOUR_API_KEY",
  baseURL: "https://api.clawdrouter.com/v1",
});

async function main() {
  // 基础调用
  const completion = await client.chat.completions.create({
    model: "gemini-2.5-flash",
    messages: [
      { role: "user", content: "介绍一下量子计算" },
    ],
  });

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

main();

流式调用（带思考）

async function streamWithThinking() {
  const stream = await client.chat.completions.create({
    model: "gemini-2.5-flash",
    messages: [
      { role: "user", content: "介绍一下量子计算" },
    ],
    stream: true,
    stream_options: { include_usage: true },
    reasoning_effort: "low",
  });

  for await (const chunk of stream) {
    const delta = chunk.choices[0]?.delta;
    if (delta?.reasoning_content) {
      process.stdout.write(`[思考] ${delta.reasoning_content}`);
    }
    if (delta?.content) {
      process.stdout.write(delta.content);
    }
  }
}

streamWithThinking();