开发文档

身份认证

所有 API 请求均需要通过 API 密钥进行身份认证。请在您的请求头中, 将密钥作为 Bearer 令牌传入 Authorization 头：

Authorization: Bearer YOUR_ANROUTER_API_KEY

可用模型列表

请在发起接口调用时使用对应的模型识别 ID。您也可以调用 GET /v1/models 获取实时的可用模型列表。

速率限制与配额

速率限制（Rate Limits）根据每分钟请求数（RPM）和每分钟处理的 Token 数（TPM）双重维度计算。默认计费周期的具体限额如下：

• 标准版（Standard）: 60 RPM / 100,000 TPM
• 专业版（Pro）: 600 RPM / 2,000,000 TPM (专属优先请求队列)
• 企业版（Enterprise）: 自定义高并发配置, 根据独占算力吞吐量保障合同计算。

当您的调用超出该配额限制时, 接口会返回 429 Rate Limit Exceeded 的 HTTP 状态码。我们建议您在客户端的调用中集成指数退避（Exponential Backoff）重试策略。

对话补全 API (Chat)

POST /v1/chat/completions

为给定会话创建模型回复, 完全兼容 OpenAI Chat Completions。

请求体核心参数说明

返回响应 JSON 结构体示例

{
  "id": "chatcmpl-anr98213",
  "object": "chat.completion",
  "created": 1751000000,
  "model": "deepseek-v4-flash",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "A binary search splits the list in half..."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 18,
    "completion_tokens": 42,
    "total_tokens": 60
  }
}

Responses API

AnRouter 完美兼容 OpenAI 最新的状态化 Responses API（在 OpenAI SDK 1.66+ / 4.80+ 中引入）。直接使用 SDK 的 client.responses.create() 接口发起请求, 即可即插即用。

AnRouter 完全支持 OpenAI 新一代有状态 Responses 推理接口（OpenAI SDK v1.66+ / v4.80+ 引入）。可直接调用client.responses.create(...).

# Python responses snippet
response = client.responses.create(
    model="deepseek-v4-flash",
    input="Explain transformers in one sentence."
)
print(response.output_text)

Anthropic 消息接口 (Messages)

您无需修改任何核心的 SDK 调用代码, 仅需将 Anthropic SDK 的 Base URL 修改为 https://api.anrouter.com, 即可将现有的 Anthropic/Claude 调用无缝平移至 AnRouter 平台。

将 Anthropic 官方 SDK 的 baseURL 指向以下地址, 即可无缝接入 AnRouter 模型：https://api.anrouter.com（不需要 /v1 后缀）。

import anthropic

client = anthropic.Anthropic(
    api_key="YOUR_ANROUTER_API_KEY",
    base_url="https://api.anrouter.com"
)

message = client.messages.create(
    model="deepseek-v4-flash",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Explain CAP Theorem."}]
)
print(message.content[0].text)

获取模型列表 API

调用此接口可以获取您当前账户所能调用的全部大语言模型产品清单。

获取 AnRouter 当前可用的模型列表。

curl https://api.anrouter.com/v1/models \
  -H "Authorization: Bearer $ANROUTER_API_KEY"

接口错误码说明

AnRouter 通过标准的 HTTP 状态码返回业务执行结果以及异常原因：

流式输出 (Streaming)

支持实时的 Token-by-Token 流式传输, 这对于需要即时渲染文字的人机交互聊天室等场景十分关键。在请求中配置 "stream": true 即可激活。

# Python streaming
stream = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "Explain AI."}],
    stream=True
)
for chunk in stream:
    content = chunk.choices[0].delta.content
    if content:
        print(content, end="", flush=True)

函数调用 (Tools)

允许大模型自主根据用户查询选择调用您预定义的方法, 并接收执行结果再次生成回答。完全兼容 OpenAI 提供的 Tools 调用接口规格。

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Get current weather in city.",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"]
        }
    }
}]
response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "What's the weather in Tokyo?"}],
    tools=tools
)

JSON 输出模式

强制大模型输出结果符合标准的 JSON 数据格式。需要在接口参数中指定 "response_format": {"type": "json_object"} 并在 Prompt 中配合引导。

response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "system", "content": "Respond strictly in JSON."},
        {"role": "user", "content": "Get Alice's details: age 30, city Berlin."}
    ],
    response_format={"type": "json_object"}
)

Codex

这份教程同时覆盖 Codex CLI 和 Codex 桌面 App 接入 AnRouter 模型。Codex 的长期配置放在 ~/.codex/config.toml，CLI、桌面 App 和 IDE 插件共享本地配置层，所以推荐把 AnRouter 写成独立 provider，而不是长期依赖临时环境变量。

一、安装并确认 Codex CLI

1. 优先使用官方独立安装脚本：curl -fsSL https://chatgpt.com/codex/install.sh | sh。Windows PowerShell 使用 irm https://chatgpt.com/codex/install.ps1 | iex。
2. 运行 codex --version 检查安装，再运行 codex 确认可以进入 TUI。
3. 如果只使用 OpenAI 官方模型，可运行 codex login 登录；如果主要走 AnRouter，自定义 provider 读取 ANROUTER_API_KEY 即可。

二、临时测试方式

这个方式只在当前终端生效，适合第一次验证 Base URL 和模型名。

三、推荐长期配置 config.toml

终端里可直接导出 Key；如果桌面 App 或 IDE 插件读不到 shell 环境变量，把 Key 放到 ~/.codex/.env 后重启 App。

四、桌面 App 使用步骤

1. 运行 codex app 或直接打开已安装的 Codex App。
2. 在 App 里打开项目文件夹，新建 Local thread。
3. 确认 ~/.codex/config.toml 已写入 AnRouter provider，并确认 ~/.codex/.env 里有 ANROUTER_API_KEY。
4. 如果需要确认 App 能看到 Key，可在 App 终端里运行 printenv ANROUTER_API_KEY。
5. 修改配置后重新开一个 session，避免旧会话缓存旧 provider。

推荐模型

• glm-5.2：编程、代码推理、复杂调试和多文件重构首选。
• deepseek-v4-flash：日常改代码、解释代码、低成本快速会话。
• qwen-3.6-27b：27B 多模态模型，客户端支持时可处理文本、图片或视频输入。
• kimi-k2.6：大上下文仓库阅读和长文件处理。

Claude Code CLI 与桌面端详细教程

Claude Code 的 CLI 可以通过 LLM Gateway 接入 AnRouter，但桌面端规则不同。官方文档明确：CLI 读取 ANTHROPIC_BASE_URL 和网关凭据；桌面 App 的网关路由需要组织/管理员下发配置，普通本地 shell 变量或 settings.json 不足以让桌面端走第三方网关。

一、CLI 安装

1. 安装 Claude Code CLI：npm install -g @anthropic-ai/claude-code。
2. 进入项目目录运行 claude，确认 CLI 能启动。
3. 如果网关使用 Authorization Bearer，用 ANTHROPIC_AUTH_TOKEN；如果明确要求 x-api-key，才用 ANTHROPIC_API_KEY。

二、临时测试

三、写入 Claude Code settings.json

四、验证方式

1. 运行 claude 后输入 /status。
2. Status 页应看到 Anthropic base URL，以及 ANTHROPIC_AUTH_TOKEN 或 ANTHROPIC_API_KEY 作为凭据来源。
3. 如果返回 401，通常是凭据 header 类型错了：Bearer 用 ANTHROPIC_AUTH_TOKEN，x-api-key 用 ANTHROPIC_API_KEY。
4. 用 /model 切换模型；如果网关模型发现可用，会出现额外模型。

五、桌面 App 怎么用

OpenCode CLI 与桌面 App 详细教程

OpenCode 是模型无关的 AI coding agent，提供终端 TUI、桌面 App 和 IDE 插件。官方配置支持通过 @ai-sdk/openai-compatible 添加 OpenAI 兼容 provider，因此适合接入 AnRouter。

一、安装 CLI

二、临时环境变量测试

三、推荐 opencode.json 配置

然后设置 Key 并启动：

四、选择模型与验证

1. 在 OpenCode TUI 输入 /models。
2. 选择 anrouter/glm-5.2、anrouter/qwen-3.6-27b、anrouter/kimi-k2.6 或 anrouter/deepseek-v4-flash。
3. 先发一个小问题测试。失败时运行 opencode auth list 检查是否有冲突凭据。
4. 如果 provider 不出现，检查 npm 是否为 @ai-sdk/openai-compatible，并确认 options.baseURL 是 https://api.anrouter.com/v1。

五、桌面 App / IDE 插件

1. 先在 CLI 中确认 opencode.json 可用。
2. 打开 OpenCode 桌面 App，选择包含 opencode.json 的项目目录。
3. 如果桌面端读不到 shell 里的 ANROUTER_API_KEY，把 provider 配置放到全局 ~/.config/opencode/opencode.json，并把 Key 设置到系统/用户环境变量。
4. 通过模型选择器或 /models 选择 anrouter/* 模型，再发送短提示验证。

Cursor 编辑器集成

Cursor 是一款基于 VS Code 构建的 AI 优先代码编辑器, 支持自定义 OpenAI 兼容模型供应商。通过将其指向 AnRouter, 您可以通过统一端点接入 DeepSeek, Kimi, GLM, MiMo 和 MiniMax 等前沿推理模型, 兼容 OpenAI 协议。

配置步骤

1. 打开 Cursor, 按 Ctrl+Shift+J（Mac 上为 Cmd+Shift+J）打开 Cursor 设置。
2. 导航至 模型 → 模型供应商, 选择 OpenAI 兼容。
3. 将 Base URL 设置为 https://api.anrouter.com/v1。
4. 将您的 AnRouter API 密钥粘贴到 API Key 字段中。
5. 在 模型 列表中, 添加您要使用的模型 ID（见下表）。点击 验证 确认连接。
6. 选择您喜欢的模型作为 AI 对话和内联补全的默认模型。

可用模型 ID

Windsurf 集成

Windsurf（由 Codeium 出品）是一款具备深度上下文感知和多文件编辑能力的 AI IDE。它通过 AI 供应商设置支持自定义 OpenAI 兼容供应商, 让您可以轻松将其指向 AnRouter 并使用任何支持的前沿模型。

配置步骤

1. 打开 Windsurf, 点击左下角齿轮图标 → AI 设置 → 供应商。
2. 点击 添加自定义供应商, 选择 OpenAI 兼容 作为供应商类型。
3. 将 API Base URL 设置为 https://api.anrouter.com/v1。
4. 将您的 AnRouter API 密钥粘贴到 API Key 字段中。
5. 在 默认模型 中输入您要使用的模型 ID（如 deepseek-v4-flash）。
6. 点击 保存 并重启 Windsurf。Cascade AI 面板现在将通过 AnRouter 路由。

环境变量方式（备选）

也可以在启动 Windsurf 前通过环境变量配置 API 凭据：

VS Code Cline 插件集成

Cline（前身为 Claude Dev）是一款强大的 VS Code 自主编程 Agent 扩展, 可自主规划, 编写和执行多步代码变更。Cline 原生支持 OpenAI 兼容 API 供应商, 因此您可以轻松将其路由到 AnRouter, 通过统一端点接入 DeepSeek, Kimi 等前沿推理模型。

配置步骤

1. 从 VS Code Marketplace 安装 Cline 扩展。
2. 点击 Activity Bar 中的 Cline 图标打开 Cline 面板。
3. 点击 Cline 面板内的 设置（齿轮）图标。
4. 将 API Provider 设置为 OpenAI 兼容。
5. 将 Base URL 设置为 https://api.anrouter.com/v1。
6. 将您的 AnRouter API 密钥粘贴到 API Key 字段中。
7. 在 模型 字段中输入您首选的模型 ID（如 glm-5.2）。
8. 点击 保存。Cline 将立即使用 AnRouter 处理所有 Agent 编程任务。

Cline 推荐使用的模型

Continue 插件配置

Continue 是一款适用于 VS Code 和 JetBrains IDE 的开源 AI 编程助手扩展, 提供内联代码建议, 对话式辅助和斜杠命令。Continue 通过 JSON 配置文件支持 OpenAI 兼容 API, 连接 AnRouter 非常简单。

第一步 — 安装 Continue

从 VS Code Marketplace 或 JetBrains 插件市场安装 Continue。安装完成后, 会创建配置文件 ~/.continue/config.json。

第二步 — 编辑 config.json

打开~/.continue/config.json并将 AnRouter 添加为模型供应商。您可以同时配置多个模型：

第三步 — 重新加载并选择模型

保存配置后重新加载 VS Code。在 Continue 侧边栏中, 使用模型下拉菜单切换您配置的模型。所有对话和 Tab 自动补全请求都会通过 AnRouter 路由。

Aider 终端助手配置

Aider 是一款终端 AI 结对编程工具, 可编辑本地 git 仓库中的文件, 提交变更, 并通过自然语言处理复杂的多文件重构。Aider 支持任何 OpenAI 兼容 API 端点, 接入 AnRouter 只需两个环境变量。

已安装 Aider

设置以下环境变量后, 像平常一样启动 Aider：

Linux / macOS

Windows PowerShell

全新安装

1. 安装 Aider：pip install aider-chat
2. 设置上面的环境变量（也可以加入您的 ~/.bashrc 或 ~/.zshrc）。
3. 进入您的 git 仓库并运行：aider --model openai/glm-5.2 path/to/file.py

环境变量说明

GitHub Copilot 集成配置

GitHub Copilot 支持通过 VS Code 高级设置自定义 OpenAI 兼容 API 端点。将 Copilot 的 API 调用重定向到 AnRouter 后, 您可以在 Copilot Chat 面板和内联建议中使用 AnRouter 的前沿模型, 相比 Copilot 默认模型可大幅节省成本。

VS Code 设置方式

打开 VS Code, 通过 Ctrl+Shift+P 打开命令面板, 选择 打开用户设置（JSON）, 并加入以下配置块：

在 Copilot Chat 中选择模型

1. 在 VS Code 中打开 Copilot Chat 面板。
2. 点击聊天面板顶部的模型选择下拉菜单。
3. 选择一个 AnRouter 模型 ID；配置自定义 Base URL 后, 这些模型会出现在列表中。
4. 开始对话。所有请求都会通过 AnRouter 路由。

VS Code 集成

在 VS Code 中使用 AnRouter 有多种方式。最灵活的方案是通过 Continue 扩展, 它同时提供内联幽灵文字自动补全和全功能对话面板, 均可配置指向任意 OpenAI 兼容端点。

方式一：Continue 扩展（推荐）

1. 安装Continue扩展（来自 VS Code Marketplace）。
2. 打开 ~/.continue/config.json（Continue 首次启动时会自动创建该文件）。
3. 添加 AnRouter 作为模型供应商：

方式二：Cline 扩展

如果需要多文件智能体编辑, 可安装 Cline。在 Cline 设置面板中, 将 API Provider 设置为 OpenAI 兼容, 将 https://api.anrouter.com/v1 作为 Base URL, 并粘贴您的 AnRouter 密钥。完整说明请查看 Cline 集成章节。

方式三：GitHub Copilot Chat 覆盖

如果您订阅了 GitHub Copilot, 可以通过 github.copilot.advanced 在 VS Code 设置中将 Copilot Chat 面板重定向到 AnRouter。请查看 GitHub Copilot 集成章节获取配置步骤。

LangChain 集成

LangChain 是构建 LLM 驱动应用最广泛使用的框架。AnRouter 可作为 LangChain 内部 OpenAI API 的即插即用替代品——在实例化 ChatOpenAI 时传入 AnRouter 的 base URL 和 API 密钥即可。所有 LangChain 功能——链, Agent, RAG 管道, 记忆, 结构化输出——均无需任何其他修改即可正常使用。

安装

基础对话补全

在 Chain 中使用

在 Agent 中使用

LlamaIndex 集成

LlamaIndex 是构建 RAG（检索增强生成）和 Agentic AI 应用的领先数据框架。通过使用带有自定义 api_base 的 OpenAI 兼容 LLM 类, 您可以将所有 LlamaIndex 查询通过 AnRouter 路由。所有 LlamaIndex 功能——VectorStoreIndex, 查询引擎, Agent, 对话引擎——均无需修改即可正常工作。

安装

配置 LLM

RAG 示例 — 索引并查询文档

CrewAI 多智能体集成

CrewAI 是一款流行的多 Agent 编排框架, 用于构建协作式 AI 系统。Agent 以具有独特角色, 目标和背景故事的"团队"形式组织。CrewAI 通过其 LLM 类支持任何 OpenAI 兼容的 LLM, 因此您可以将所有 Agent 推理通过 AnRouter 路由, 无需更改任何 Agent 逻辑。

安装

将 AnRouter 配置为 LLM 后端

AutoGen / AG2 多智能体集成

AutoGen（现为 AG2）是微软用于构建具有对话模式的多 Agent AI 系统的框架。AutoGen Agent 相互通信以解决任务, 该框架通过配置列表支持自定义 OpenAI 兼容端点。所有 Agent 类型——AssistantAgent, UserProxyAgent, GroupChat——均无需任何代码更改即可工作。

安装

双 Agent 对话示例

多 Agent GroupChat 示例

OpenAI Agents SDK 集成

OpenAI Agents SDK（前身为 Swarm）是 OpenAI 官方用于构建 Agentic AI 应用的框架, 支持自定义 API 客户端, 意味着您可以通过单个客户端覆盖将其指向 AnRouter, 并在所有 Agent, Runner 和切换流程中使用 AnRouter 的任何模型。

安装

基础 Agent 示例

多 Agent 切换示例

n8n 工作流自动化集成

n8n 是一款功能强大的开源工作流自动化平台, 拥有 500+ 集成。其内置 AI 节点支持 OpenAI 兼容 API, 因此您可以在任何 n8n AI 工作流中使用 AnRouter 的前沿模型——聊天机器人, 文档提取, 摘要管道等——无需编写任何代码。

方式一：OpenAI 节点 + 自定义 Base URL

1. 在 n8n 工作流画布中点击 + Add Node, 并搜索 OpenAI。
2. 在节点的 凭据 区域点击 新建凭据。
3. 将API Key设置为您的 AnRouter API 密钥。
4. 将 Base URL 设置为 https://api.anrouter.com/v1。
5. 在节点设置中, 将 资源 设置为 聊天, 并将 模型 设置为您偏好的模型 ID（例如 deepseek-v4-flash）。
6. 按需连接输入和输出节点。点击执行节点进行测试。

方式二：HTTP Request 节点（直接调用 API）

如需最大灵活性, 可使用HTTP Request节点直接调用 AnRouter：

使用 n8n AI Agent 节点

AI Agent 节点支持自定义 OpenAI 兼容聊天模型。添加 OpenAI Chat Model 子节点, 使用上面的 AnRouter 凭据完成配置, 并连接到 AI Agent。这样 Agent 就可以使用 n8n 的完整工具生态, 包括网页搜索, 表格, 数据库等。

Dify 平台集成

Dify 是一款流行的开源 LLM 应用开发平台, 支持聊天机器人, Agent, RAG 管道和工作流自动化。Dify 对 OpenAI 兼容模型供应商有一流支持。在 Dify 设置中将 AnRouter 添加为模型供应商后, 所有 Dify 应用, 聊天流程和 Agent 均可从模型选择器中选择 AnRouter 模型。

添加 AnRouter 作为模型供应商

1. 登录您的 Dify 实例, 点击头像 → 设置。
2. 进入 模型供应商, 滚动到 OpenAI-Compatible, 然后点击 添加模型。
3. 填写表单：

4. 点击 保存。对每个要添加的模型重复步骤 2–4（例如 glm-5.2, qwen-3.6-27b, kimi-k2.6）。
5. 创建或编辑 Dify 应用时, 在模型下拉菜单中选择您的 AnRouter 模型。

自托管 Dify（Docker）

如果您运行自托管 Dify, 也可以在 docker-compose.yaml 中通过环境变量设置默认模型供应商：

Flowise 低代码 AI 集成

Flowise 是一款使用 LangChain 构建 LLM 流程和聊天机器人的开源拖放 UI。它让您无需编写代码即可可视化组装 RAG 管道, Agent 和对话 UI。Flowise 包含一个接受自定义 base URL 的 ChatOpenAI 节点, 连接 AnRouter 非常简单。

安装（自托管）

通过 ChatOpenAI 节点连接 AnRouter

1. 打开 Flowise：http://localhost:3000, 并新建一个 Chatflow。
2. 从左侧节点面板搜索ChatOpenAI并拖到画布中。
3. 点击 ChatOpenAI 节点打开设置。
4. 点击 凭据 区域中的 新建, 并输入您的 AnRouter API 密钥。
5. 将 模型名称 设置为您偏好的模型（例如 deepseek-v4-flash）。
6. 在 附加参数 中, 将 BasePath 设置为 https://api.anrouter.com/v1。
7. 将 ChatOpenAI 节点连接到其他节点（例如Conversational Retrieval QA Chain用于 RAG）, 然后保存流程。

在 RAG 管道中使用

对于文档问答, 将 ChatOpenAI 节点连接到Conversational Retrieval QA Chain节点, 然后添加Vector Store节点（如 Chroma 或 Pinecone）作为检索器。Flowise 会处理完整的 RAG 编排, 您只需将 LLM 节点指向 AnRouter。

从 OpenRouter 迁移

AnRouter 提供与 OpenRouter 在功能上等价的 OpenAI 兼容 API 接口, 但专注于中国前沿模型——DeepSeek, Kimi, GLM, MiMo 和 MiniMax。如果您已有面向 OpenRouter 配置的代码或工具, 只需替换 base URL 即可迁移到 AnRouter, 无需任何其他代码更改。

从 OpenRouter 迁移

直接 REST API 调用

AnRouter API 可以作为任何 OpenRouter REST 调用的直接替代：

Linux / macOS

Windows PowerShell

为什么选择 AnRouter 而非 OpenRouter？

Ollama 与 AnRouter 结合使用

Ollama 设计用于在本地机器上运行开源 LLM。然而, 许多为使用 Ollama（通过其 OpenAI 兼容 API）编写的工具和脚本可以轻松重定向到 AnRouter, 实现云端前沿模型推理——无需本地 GPU。当您希望在不更改应用代码的情况下在本地和云端推理之间切换时, 这非常有用。

将 Ollama 兼容代码重定向到 AnRouter

如果您的脚本使用 Ollama 的 OpenAI 兼容端点（http://localhost:11434/v1）, 只需修改 Base URL 即可切换到 AnRouter：

Ollama + AnRouter 混合使用

您可以将 LiteLLM 作为网关, 根据模型名称将部分请求路由到本地 Ollama, 其余请求路由到 AnRouter：

LiteLLM 统一网关集成

LiteLLM 是一个统一 Python SDK 和代理, 将 100+ LLM 供应商的 API 接口标准化。AnRouter 通过带有自定义 api_base 的 openai/ 供应商前缀集成。配置后, 所有 LiteLLM 功能——自动重试, 故障转移, 负载均衡, 成本追踪和日志记录——均可与 AnRouter 无缝协作。

安装

基础调用

故障转移路由

如果主模型不可用, LiteLLM 的故障转移功能可以自动切换到另一个 AnRouter 模型：

LiteLLM 代理服务器

将 LiteLLM 作为本地代理运行, 并以 AnRouter 作为后端。这样所有应用都可以指向http://localhost:8000而无需逐个应用配置：

代理运行后, 任何 OpenAI 兼容客户端都可以指向http://localhost:8000并使用任意 API Key（代理会负责与 AnRouter 的认证）。