172
16
🚀 一篇搞定Deepseek及十大厂商大模型，薅羊毛攻略来袭
2025-02-11 14:24:43
14点赞
195收藏
4评论
最近，Deepseek 简直火爆出圈，引无数英雄竞折腰，大家都迫不及待地想体验它的强大功能。访问量太大，官方不得不暂停 API 充值，真是甜蜜的负担！😂 很多人（包括我）只能选择本地部署，但无奈个人设备性能有限，完整版大模型根本跑不动，光模型体积就让人望而却步。别担心，我这就来拯救你：通过代理官方客户端 API，曲线救国，免费用 Deepseek！更惊喜的是，用类似方法，还能白嫖其他九大厂商的大模型，简直不要太爽！🎉
🛠️ 神器速览：十大开源项目，助你零成本玩转大模型 💰
这套方案由同一位开发者贡献的 10 个开源项目组成，分别对应 10 家知名的大模型厂商。它巧妙地运用逆向工程，将官方客户端的大模型 API 接口免费开放。这些项目亮点满满：
🆓 零成本畅玩： 告别高昂 API 费用，尽情体验大模型的魅力。
✨ 功能全覆盖： 官方客户端有的功能，这里全都有，智能体、AI 绘图、联网搜索、深度思考等高级功能不在话下。
⚡ 一键式部署： 无需繁琐配置，快速上手，即刻体验。
🔑 多账号支持： 支持多个 Token，有效避免并发限制。
🤝 接口兼容性： 与 ChatGPT 接口完美兼容，无缝迁移，轻松上手。
🚀 部署起飞：Docker + Nginx，让大模型触手可及 ☁️
这 10 个项目都推荐使用 Docker 部署，并建议使用 Nginx 反向代理，然后集成到 one-api 或 new-api 中。最后，通过 LobeChat 等开源客户端接入 one-api 或 new-api 的 API，就可以开始畅游各大厂商的大模型啦。
1️⃣ 深度求索 Deepseek 🔍：探索AI的深度与无限可能
deepseek-free-api 通过逆向 DeepSeek，支持高速流式输出、多轮对话、联网搜索、R1 深度思考和静默深度思考，零配置部署，多路 token 支持。
🛠️ 启动方法
services:
deepseek-free-api:
container_name: deepseek-free-api
image: vinlic/deepseek-free-api:latest
restart: always
ports:
- "8000:8000"
environment:
- TZ=Asia/Shanghai
# - DEEP_SEEK_CHAT_AUTHORIZATION=你的Token # 将token配置在环境变量
保存为 docker-compose.yml，执行：
docker-compose up -d
🔑 使用方法
deepseek-free-api 提供与 OpenAI 兼容的 /v1/chat/completions 接口。
1、获取 DeepSeek userToken
访问 DeepSeek 并发起对话。
F12 打开开发者工具，在
Application->LocalStorage中找到userToken，复制value值。
2、设置请求 Header
设置 Authorization 头部，值为 Bearer <你的userToken>。
Authorization: Bearer eyJhbGciOiJIUzUxMiIsInR5cCI6IkpXVCJ9...
3、发送请求
向 /v1/chat/completions 发送 POST 请求：
{
"model": "deepseek",
"messages": [
{
"role": "user",
"content": "你是谁？"
}
],
"stream": false
}
model 参数可选：
deepseek：默认模型。deepseek-think或deepseek-r1：深度思考模型。deepseek-search：联网搜索模型。deepseek-r1-search或deepseek-think-search：深度思考+联网搜索模型。deepseek-think-silent或deepseek-r1-silent或deepseek-search-silent：静默模式。deepseek-think-fold或deepseek-r1-fold：深度思考但思考过程可折叠。
messages 参数指定对话内容。
stream 参数指定是否使用流式响应。
4、接收响应
{
"id": "50207e56-747e-4800-9068-c6fd618374ee@2",
"model": "deepseek",
"object": "chat.completion",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": " 我是DeepSeek Chat，一个由深度求索公司开发的智能助手，旨在通过自然语言处理和机器学习技术来提供信息查询、对话交流和解答问题等服务。"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 1,
"completion_tokens": 1,
"total_tokens": 2
},
"created": 1715061432
}
2️⃣ 月之暗面 Kimi 🌙：无限接近真相的AI伙伴
kimi-free-api 通过逆向工程 Kimi，支持高速流式输出、多轮对话、联网搜索、智能体对话、探索版、K1 思考模型、长文档解读、图像解析，零配置部署，多路 token 支持，自动清理会话痕迹。
🛠️ 启动方法
services:
kimi-free-api:
container_name: kimi-free-api
image: vinlic/kimi-free-api:latest
restart: always
ports:
- "8000:8000"
environment:
- TZ=Asia/Shanghai
保存为 docker-compose.yml，执行：
docker-compose up -d
🔑 使用方法
kimi-free-api 提供与 OpenAI ChatGPT API 兼容的 /v1/chat/completions 接口。
1、获取 refresh_token：
访问 kimi.moonshot.cn 登录 Kimi AI，打开开发者工具，在 Application -> Local Storage 中找到
refresh_token的值。
如果
refresh_token是一个数组，用.拼接起来。
2、设置 Authorization Header：设置 Authorization: Bearer [refresh_token]。
3、发起请求：向 /v1/chat/completions 发送 POST 请求：
{
"model": "kimi", // 模型名称，可选 kimi, kimi-search, kimi-research 等
"messages": [
{
"role": "user",
"content": "你好"
}
],
"use_search": false, // 是否开启联网搜索
"stream": false // 是否开启 SSE 流
}
4、接收响应
{
// 如果想获得原生多轮对话体验，此id，你可以传入到下一轮对话的conversation_id来接续上下文
"id": "cnndivilnl96vah411dg",
"model": "kimi",
"object": "chat.completion",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "你好！我是Kimi，由月之暗面科技有限公司开发的人工智能助手。我擅长中英文对话，可以帮助你获取信息、解答疑问，还能阅读和理解你提供的文件和网页内容。如果你有任何问题或需要帮助，随时告诉我！"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 1,
"completion_tokens": 1,
"total_tokens": 2
},
"created": 1710152062
}
3️⃣ 智谱AI 💡：洞察世界的智能之光
glm-free-api 通过逆向智谱清言，支持 GLM-4-Plus 高速流式输出、多轮对话、智能体对话、Zero 思考推理模型、视频生成、AI 绘图、联网搜索、长文档解读、图像解析，零配置部署，多路 token 支持，自动清理会话痕迹。
🛠️ 启动方法
services:
glm-free-api:
container_name: glm-free-api
image: vinlic/glm-free-api:latest
restart: always
ports:
- "8000:8000"
environment:
- TZ=Asia/Shanghai
保存为 docker-compose.yml，执行：
docker-compose up -d
🔑 使用方法
glm-free-api 提供与 OpenAI 兼容的 /v1/chat/completions 接口。
1、获取 refresh_token
访问 智谱清言 并发起对话。
打开开发者工具 (F12)，在 Application -> Cookies 中找到
chatglm_refresh_token的值。
这个值将作为 Authorization 的 Bearer Token 值：
Authorization: Bearer TOKEN。
2、设置 Authorization Header：设置 Authorization: Bearer [TOKEN]。
3、发起请求：向 /v1/chat/completions 发送 POST 请求：
{
// 默认模型：glm-4-plus
// zero思考推理模型：glm-4-zero / glm-4-think
// 如果使用智能体请填写智能体ID到此处
"model": "glm-4-plus",
// 目前多轮对话基于消息合并实现，某些场景可能导致能力下降且受单轮最大token数限制
// 如果您想获得原生的多轮对话体验，可以传入首轮消息获得的id，来接续上下文
// "conversation_id": "65f6c28546bae1f0fbb532de",
"messages": [
{
"role": "user",
"content": "你叫什么？"
}
],
// 如果使用SSE流请设置为true，默认false
"stream": false
}
4、接收响应
{
// 如果想获得原生多轮对话体验，此id，你可以传入到下一轮对话的conversation_id来接续上下文
"id": "65f6c28546bae1f0fbb532de",
"model": "glm-4",
"object": "chat.completion",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "我叫智谱清言，是基于智谱 AI 公司于 2023 年训练的 ChatGLM 开发的。我的任务是针对用户的问题和要求提供适当的答复和支持。"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 1,
"completion_tokens": 1,
"total_tokens": 2
},
"created": 1710152062
}
4️⃣ 阶跃星辰 🌠：探索未知的星辰大海
step-free-api 通过逆向跃问 StepChat，支持高速流式输出、多轮对话、联网搜索、长文档解读、图像解析，零配置部署，多路 token 支持，自动清理会话痕迹。
🛠️ 启动方法
services:
step-free-api:
container_name: step-free-api
image: vinlic/step-free-api:latest
restart: always
ports:
- "8000:8000"
environment:
- TZ=Asia/Shanghai
保存为 docker-compose.yml，执行：
docker-compose up -d
🔑 使用方法
step-free-api 提供与 OpenAI 兼容的 /v1/chat/completions 接口。
1、获取 Token
访问 跃问 StepChat 并发起对话，F12 打开开发者工具。
在 Application > LocalStorage 中找到
deviceId的值（去除双引号）。
在 Application > Cookies 中找到
Oasis-Token的值。
将
deviceId和Oasis-Token使用@拼接为 Token，作为 Authorization 的 Bearer Token 值。
2、设置 Authorization Header：设置 Authorization: Bearer [refresh_token]。
3、发起请求：向 /v1/chat/completions 发送 POST 请求：
{
"model": "step",
"messages": [
{
"role": "user",
"content": "你是谁？"
}
],
"stream": false
}
4、接收响应
{
"id": "85466015488159744",
"model": "step",
"object": "chat.completion",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "我是跃问(StepChat)，一个由阶跃星辰(StepFun)开发的多模态大模型。我可以回答您的问题，提供信息和帮助，同时支持多种模态的交互，如文字、图像等。如果您有任何问题或需要帮助，请随时向我提问。"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 1,
"completion_tokens": 1,
"total_tokens": 2
},
"created": 1711829974
}
5️⃣ 阿里通义 ☁️：通达万物，义无反顾
qwen-free-api 通过逆向 Qwen，支持高速流式输出、多轮对话、无水印 AI 绘图、长文档解读、图像解析、联网检索，零配置部署，多路 token 支持，自动清理会话痕迹。
🛠️ 启动方法
services:
qwen-free-api:
container_name: qwen-free-api
image: vinlic/qwen-free-api:latest
restart: always
ports:
- "8000:8000"
environment:
- TZ=Asia/Shanghai
保存为 docker-compose.yml，执行：
docker-compose up -d
🔑 使用方法
qwen-free-api 提供与 OpenAI 兼容的 /v1/chat/completions 接口。
1、获取 Token
要使用 qwen-free-api，需要获取 tongyi_sso_ticket 或 login_aliyunid_ticket。
方法一：从通义千问获取
登录 通义千问。
发起对话。
F12 打开开发者工具，从
Application -> Cookies中找到tongyi_sso_ticket的值。
方法二：从阿里云获取
登录 阿里云（不建议在有重要资产的账号上操作）。
确保该账号之前进入过 通义千问 并同意协议。
F12 打开开发者工具，从
Application -> Cookies中找到login_aliyunid_ticket的值。
2、设置 Authorization Header：设置 Authorization: Bearer [tongyi_sso_ticket/login_aliyunid_ticket]。
3、发起请求：向 /v1/chat/completions 发送 POST 请求：
{
// 模型名称随意填写
"model": "qwen",
// 目前多轮对话基于消息合并实现，某些场景可能导致能力下降且受单轮最大token数限制
// 如果您想获得原生的多轮对话体验，可以传入上一轮消息获得的id，来接续上下文
// "conversation_id": "bc9ef150d0e44794ab624df958292300-40811965812e4782bb87f1a9e4e2b2cd",
"messages": [
{
"role": "user",
"content": "你是谁？"
}
],
// 如果使用SSE流请设置为true，默认false
"stream": false
}
4、接收响应
{
// 如果想获得原生多轮对话体验，此id，你可以传入到下一轮对话的conversation_id来接续上下文
"id": "bc9ef150d0e44794ab624df958292300-40811965812e4782bb87f1a9e4e2b2cd",
"model": "qwen",
"object": "chat.completion",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "我是阿里云研发的超大规模语言模型，我叫通义千问。"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 1,
"completion_tokens": 1,
"total_tokens": 2
},
"created": 1710152062
}
6️⃣ 秘塔AI 🔎：洞悉搜索的奥秘
metaso-free-api 通过逆向 Metaso，支持高速流式输出、多轮对话、联网搜索、智能体对话、探索版、K1 思考模型、长文档解读、图像解析，零配置部署，多路 token 支持，自动清理会话痕迹。
🛠️ 启动方法
services:
metaso-free-api:
container_name: metaso-free-api
image: vinlic/metaso-free-api:latest
restart: always
ports:
- "8000:8000"
environment:
- TZ=Asia/Shanghai
保存为 docker-compose.yml，执行：
docker-compose up -d
🔑 使用方法
metaso-free-api 提供与 OpenAI 兼容的 /v1/chat/completions 接口。
1、获取 Token
访问 秘塔AI 搜索 并发起对话。
打开开发者工具 (F12)，在 Application -> Cookies 中找到 uid 和 sid 的值。
将 uid 和 sid 拼接：uid-sid，如 65e91a6b2bac5b600dd8526a-5e7acc465b114236a8d9de26c9f41846。
作为 Authorization 的 Bearer Token 值：Authorization: Bearer uid-sid
2、设置 Authorization Header：设置 Authorization: Bearer [uid-sid]。
3、发起请求：向 /v1/chat/completions 发送 POST 请求：
{
// 全网model名称支持 -> 简洁：concise / 深入：detail / 研究：research
// 学术model名称支持 -> 学术-简洁：concise-scholar / 学术-深入：detail-scholar / 学术-研究：research-scholar
// model乱填的话，可以通过tempature参数来控制（但不支持学术）：简洁：< 0.4 / 深入：>= 0.4 && < 0.7 / 研究：>= 0.7
// model乱填的话，还可以通过消息内容包含指令来控制：↓↓↓
// 简洁 -> 简洁搜索小米su7 / 深入 -> 深入搜索小米su7 / 研究 -> 研究搜索小米su7
// 学术-简洁 -> 学术简洁搜索：小米su7 / 学术-深入 -> 学术深入搜索小米su7 / 学术研究 -> 学术研究搜索小米su7
// 优先级：model > 消息内容指令 > tempature
"model": "concise",
"messages": [
{
"role": "user",
"content": "秘塔AI"
}
],
// 如果使用SSE流请设置为true，默认false
"stream": false
}
4、接收响应
{
"id": "8466827997659213824",
"model": "concise",
"object": "chat.completion",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "秘塔AI搜索是上海秘塔网络科技有限公司在2024年初推出的一款新产品，被誉为中国版Perplexity。它利用自研的大模型MetaLLM，能够直接对用户的提问进行理解和回答，提供结构化、准确、直接的搜索结果，并明确列出来源参考，无需科学上网，解决了语言理解上的误差[[1]]。秘塔AI搜索通过其强大的语义理解能力和全网搜索功能，为用户提供了一个高效、无广告、信息丰富的搜索体验[[2]]。此外，秘塔AI搜索的特点包括没有广告，直达结果；结构化信息展示；以及信息来源追溯，为每条搜索结果提供了来源链接，用户可以轻松溯源验证信息的出处和可靠性[[4]]。秘塔科技成立于2018年4月，是一家新锐科技公司，致力于运用AI技术赋能专业场景，进行技术研发与产品落地[[3]]。n"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 1,
"completion_tokens": 1,
"total_tokens": 2
},
"created": 1712859314
}
7️⃣ 字节跳动 💃：舞动AI的无限可能
doubao-free-api 通过逆向豆包，支持高速流式输出、秘塔 AI 超强联网搜索（全网 or 学术以及简洁、深入、研究三种模式），零配置部署，多路 token 支持。
🛠️ 启动方法
services:
doubao-free-api:
container_name: doubao-free-api
image: vinlic/doubao-free-api:latest
restart: always
ports:
- "8000:8000"
environment:
- TZ=Asia/Shanghai
保存为 docker-compose.yml，执行：
docker-compose up -d
🔑 使用方法
doubao-free-api 提供与 OpenAI 兼容的 /v1/chat/completions 接口。
1、获取 Token
访问 豆包 并发起对话。
打开开发者工具 (F12)，在 Application -> Cookies 中找到 sessionid 的值。
作为 Authorization 的 Bearer Token 值：Authorization: Bearer sessionid
2、设置 Authorization Header：设置 Authorization: Bearer [sessionId]。
3、发起请求：向 /v1/chat/completions 发送 POST 请求：
{
// 固定使用doubao
"model": "doubao",
// 目前多轮对话基于消息合并实现，某些场景可能导致能力下降且受单轮最大token数限制
// 如果您想获得原生的多轮对话体验，可以传入首轮消息获得的id，来接续上下文
// "conversation_id": "397193850580994",
"messages": [
{
"role": "user",
"content": "你叫什么？"
}
],
// 如果使用SSE流请设置为true，默认false
"stream": false
}
4、接收响应
{
// 如果想获得原生多轮对话体验，此id，你可以传入到下一轮对话的conversation_id来接续上下文
"id": "397193850645250",
"model": "doubao",
"object": "chat.completion",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "我叫豆包呀，能陪你聊天、帮你答疑解惑呢。"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 1,
"completion_tokens": 1,
"total_tokens": 2
},
"created": 1733300587
}
8️⃣ 讯飞星火 🔥：点燃AI的智慧火花
spark-free-api 通过逆向讯飞星火，支持高速流式输出、多轮对话、联网搜索、智能体对话（计划支持）、AI 绘图（计划支持）、长文档解读（计划支持）、图像解析（计划支持），零配置部署，多路 token 支持，自动清理会话痕迹。
🛠️ 启动方法
services:
spark-free-api:
container_name: spark-free-api
image: vinlic/spark-free-api:latest
restart: always
ports:
- "8000:8000"
environment:
- TZ=Asia/Shanghai
保存为 docker-compose.yml，执行：
docker-compose up -d
🔑 使用方法
spark-free-api 提供与 OpenAI 兼容的 /v1/chat/completions 接口。
1、获取 Token
访问 讯飞星火 并发起对话，从 Cookie 获取 ssoSessionId 值
由于星火平台禁用 F12 开发者工具，请安装 Cookie-Editor 浏览器插件查看你的 Cookie。
作为 Authorization 的 Bearer Token 值：Authorization: Bearer ssoSessionId
2、设置 Authorization Header：设置 Authorization: Bearer [ssoSessionId]。
3、发起请求：向 /v1/chat/completions 发送 POST 请求：
{
// 模型名称随意填写，如果使用智能体请填写botId，如1662
// 可以从这里全局搜索找到你想用的智能体https://xinghuo.xfyun.cn/iflygpt/bot/home/get
"model": "spark",
// 目前多轮对话基于消息合并实现，某些场景可能导致能力下降且受最大token数限制
// 如果您想获得原生的多轮对话体验，可以传入首轮消息获得的id，来接续上下文，注意如果使用这个，首轮必须传none，否则第二轮会出现[belongerr]！
// "conversation_id": "331680774:cht000b6cfc@dx18f7a7ef0bab81c560",
"messages": [
{
"role": "user",
"content": "你是谁？"
}
],
// 如果使用SSE流请设置为true，默认false
"stream": false
}
4、接收响应
{
// 如果想获得原生多轮对话体验，此id，你可以传入到下一轮对话的conversation_id来接续上下文
"id": "331680774:cht000b6cfc@dx18f7a7ef0bab81c560",
"model": "spark",
"object": "chat.completion",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "您好，我是科大讯飞研发的认知智能大模型，我的名字叫讯飞星火认知大模型。我可以和人类进行自然交流，解答问题，高效完成各领域认知智能需求。"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 1,
"completion_tokens": 1,
"total_tokens": 2
},
"created": 1715747089
}
9️⃣ MiniMax 🐚：小而美的AI世界
hailuo-free-api 通过逆向海螺 AI，支持最新 MiniMax-Text-01、MiniMax-VL-01 模型，支持高速流式输出、多轮对话、语音合成、语音识别、联网搜索、长文档解读、图像解析，零配置部署，多路 token 支持，自动清理会话痕迹。
🛠️ 启动方法
services:
hailuo-free-api:
container_name: hailuo-free-api
image: vinlic/hailuo-free-api:latest
restart: always
ports:
- "8000:8000"
environment:
- TZ=Asia/Shanghai
保存为 docker-compose.yml，执行：
docker-compose up -d
🔑 使用方法
hailuo-free-api 提供与 OpenAI 兼容的 /v1/chat/completions 接口。
1、获取 Token
访问 海螺 AI 并发起对话，打开 F12 开发者工具，从 Application > LocalStorage 中找到 _token 的值
作为 Authorization 的 Bearer Token 值：Authorization: Bearer TOKEN
2、设置 Authorization Header：设置 Authorization: Bearer [TOKEN]。
3、发起请求：向 /v1/chat/completions 发送 POST 请求：
{
// model模型名称可以乱填
"model": "hailuo",
"messages": [
{
"role": "user",
"content": "你是谁？"
}
],
// 如果使用SSE流请设置为true，默认false
"stream": false
}
4、接收响应
{
"id": "242830597915504644",
"model": "hailuo",
"object": "chat.completion",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "我是海螺AI，由上海稀宇科技有限公司（MiniMax）自主研发的AI助理。我可以帮助你回答各种问题，提供信息查询、生活建议、学习辅导等服务。如果你有任何问题，随时可以向我提问。"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 1,
"completion_tokens": 1,
"total_tokens": 2
},
"created": 1714751470
}
🔟 聆心智能 👂：倾听你的心声，理解你的情感
emohaa-free-api 通过逆向 Emohaa，支持高速流式输出、多轮对话，零配置部署，多路 token 支持，自动清理会话痕迹。
🛠️ 启动方法
services:
emohaa-free-api:
container_name: emohaa-free-api
image: vinlic/emohaa-free-api:latest
restart: always
ports:
- "8000:8000"
environment:
- TZ=Asia/Shanghai
保存为 docker-compose.yml，执行：
docker-compose up -d
🔑 使用方法
emohaa-free-api 提供与 OpenAI 兼容的 /v1/chat/completions 接口。
获取 Token
访问 Emohaa 并发起对话，从 LocalStorage 中获取 token 的值
由于 Emohaa 禁用 F12 开发者工具，请先安装 Manage LocalStorage 插件，再从在当前页面中打开插件并点击 Export 按钮找到 Token 的值，这将作为 Authorization 的 Bearer Token 值：Authorization: Bearer TOKEN
作为 Authorization 的 Bearer Token 值：Authorization: Bearer TOKEN
设置 Authorization Header：设置
Authorization: Bearer [TOKEN]。发起请求：向
/v1/chat/completions发送 POST 请求：{ "messages": [ { "role": "user", "content": "你好" } ], // 如果使用SSE流请设置为true，默认false "stream": false }接收响应
{ "id": "f73f02e6-6b43-4a46-ac24-3a9ea8d15145", "model": "emohaa", "object": "chat.completion", "choices": [ { "index": 0, "message": { "role": "assistant", "content": " 你好啊！我是Emohaa，想和我聊点什么吗？ 今天心情如何？" }, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 1, "completion_tokens": 1, "total_tokens": 2 }, "created": 1710603111 }
⚙️ Nginx 反向代理优化：丝滑体验，从配置开始 💫
如果您使用 Nginx 反向代理这些服务，请添加以下配置项优化流的输出效果，提升体验感。
# 关闭代理缓冲。当设置为off时，Nginx会立即将客户端请求发送到后端服务器，并立即将从后端服务器接收到的响应发送回客户端。
proxy_buffering off;
# 启用分块传输编码。分块传输编码允许服务器为动态生成的内容分块发送数据，而不需要预先知道内容的大小。
chunked_transfer_encoding on;
# 开启TCP_NOPUSH，这告诉Nginx在数据包发送到客户端之前，尽可能地发送数据。这通常在sendfile使用时配合使用，可以提高网络效率。
tcp_nopush on;
# 开启TCP_NODELAY，这告诉Nginx不延迟发送数据，立即发送小数据包。在某些情况下，这可以减少网络的延迟。
tcp_nodelay on;
# 设置保持连接的超时时间，这里设置为120秒。如果在这段时间内，客户端和服务器之间没有进一步的通信，连接将被关闭。
keepalive_timeout 120;
🔗 接入 one-api/new-api：统一管理，便捷调用 🧩
关于如何部署 one-api/new-api，笔者此前已经介绍过，不是本文重点，就不赘述了。注意类型选择 OpenAI即可。
💬 LobeChat：与大模型畅聊，开启智能对话之旅 🤖
LobeChat 与 NextChat 几乎同期起步，二者也先后从开源走向商业化（除了开源，官方也提供商业服务）。不过个人感觉，LobeChat 在整体质感和功能特性方面更胜一筹。UI 精细现代，功能上支持语音合成、多模态、插件。
在“应用设置”-> “AI服务商”-> “OpenAI” 中填入 one-api 或 new-api 的地址和 API Key，就完成了全部的大模型接入。
现在就可以和各位白嫖大模型宝宝愉快滴聊天侃大山啦！
原创不易，如果觉得此文对你有帮助，不妨点赞+收藏+关注，你的鼓励是我持续创作的动力！
高等精灵实验室作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～
Yuvee
校验提示文案
那女孩对我笑
校验提示文案
虚幻无形
校验提示文案
那女孩对我笑
校验提示文案
虚幻无形
校验提示文案
Yuvee
校验提示文案