SciRouterSDK 与框架
Python、Node.js、LangChain、LlamaIndex、Vercel AI SDK 的接法，以及我们没有的那些接口。
接口与 OpenAI 兼容，所以任何能改 base URL 的 OpenAI 客户端都能直接用。要改的只有两处：
| 值 | |
|---|---|
| base URL | https://api.scirouter.cn/v1 |
| API Key | 控制台新建的那一把（见「认证与 API Key」） |
下面是常见写法。模型 id 换成你在模型中心挑好的那个。
Python（openai）
bashpip install openaipythonimport os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["SCIROUTER_API_KEY"],
base_url="https://api.scirouter.cn/v1",
)
# 非流式
resp = client.chat.completions.create(
model="bio/protein-72b",
messages=[{"role": "user", "content": "这段序列的二级结构倾向？"}],
)
print(resp.choices[0].message.content)
# 流式
stream = client.chat.completions.create(
model="bio/protein-72b",
messages=[{"role": "user", "content": "这段序列的二级结构倾向？"}],
stream=True,
)
for chunk in stream:
# 末尾的用量分片与 scirouter 分片 choices 为空，先判再取
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)拿响应头（报障用的 X-Request-Id）和扩展字段：
pythonraw = client.chat.completions.with_raw_response.create(
model="bio/protein-72b",
messages=[{"role": "user", "content": "…"}],
)
print(raw.headers.get("X-Request-Id"))
resp = raw.parse()
print(resp.model_dump().get("scirouter"))Node.js / TypeScript（openai）
bashnpm install openaitsimport OpenAI from 'openai'
const client = new OpenAI({
apiKey: process.env.SCIROUTER_API_KEY,
baseURL: 'https://api.scirouter.cn/v1',
})
// 非流式，同时拿到响应头
const { data, response } = await client.chat.completions
.create({
model: 'bio/protein-72b',
messages: [{ role: 'user', content: '这段序列的二级结构倾向？' }],
})
.withResponse()
console.log(data.choices[0].message.content, response.headers.get('x-request-id'))
// 流式
const stream = await client.chat.completions.create({
model: 'bio/protein-72b',
messages: [{ role: 'user', content: '这段序列的二级结构倾向？' }],
stream: true,
})
for await (const chunk of stream) {
process.stdout.write(chunk.choices[0]?.delta?.content ?? '')
}不要在浏览器里这样用——Key 会暴露给每一个访问者。前端请调你自己的后端。
LangChain（Python）
bashpip install langchain-openaipythonimport os
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
model="bio/protein-72b",
base_url="https://api.scirouter.cn/v1",
api_key=os.environ["SCIROUTER_API_KEY"],
)
print(llm.invoke("这段序列的二级结构倾向？").content)LlamaIndex
bashpip install llama-index-llms-openai-likepythonimport os
from llama_index.llms.openai_like import OpenAILike
llm = OpenAILike(
model="bio/protein-72b",
api_base="https://api.scirouter.cn/v1",
api_key=os.environ["SCIROUTER_API_KEY"],
is_chat_model=True,
)
print(llm.complete("这段序列的二级结构倾向？"))is_chat_model=True 不能省：不写的话它会去调旧的 /completions 接口，我们没有这个接口。
Vercel AI SDK
bashnpm install ai @ai-sdk/openai-compatibletsimport { createOpenAICompatible } from '@ai-sdk/openai-compatible'
import { generateText } from 'ai'
const scirouter = createOpenAICompatible({
name: 'scirouter',
baseURL: 'https://api.scirouter.cn/v1',
apiKey: process.env.SCIROUTER_API_KEY,
})
const { text } = await generateText({
model: scirouter('bio/protein-72b'),
prompt: '这段序列的二级结构倾向？',
})图形客户端
各种桌面聊天客户端、IDE 插件里选「OpenAI 兼容」一类的服务商，填 API 地址与 Key 即可。
注意有的客户端要你填到 /v1 为止，有的会自己补上 /v1——填错会得到 404，换另一种写法再试。
没有 SDK 的语言
直接发 HTTP。请求就是「快速开始」里那条 curl：POST https://api.scirouter.cn/v1/chat/completions，
Authorization: Bearer <Key>，JSON 请求体。流式按 SSE 读，要点见「对话补全」。
我们只有这几个接口
/v1 下现在是：GET /models、GET /models/{id}、POST /chat/completions、POST /embeddings。
旧的 /completions、图片、语音、Assistants、Responses 等接口没有，调用会得到 404。
框架默认走这些接口时（例如某些版本默认用 Responses API），请把它切到 Chat Completions。
重试与超时
- 官方 SDK 默认会对 429 与 5xx 自动重试两次，并遵守
Retry-After——这正是我们希望的行为，不用再包一层； - 推理类模型一次回答可能要几分钟，请把超时设长，或者用流式；
- 哪些错误值得重试、哪些不值得，见「错误码」。