首页> 都市> KingFlow AI API中转站接入 Pydantic AI 教程

>

KingFlow AI API中转站接入 Pydantic AI 教程

著

本文标签：

KingFlow AI API中转站接入 Pydantic AI 教程 使用 OpenAI 兼容接口创建带类型校验的 Python 智能体 Pydantic AI 是面向 Python 开发者的智能体框架，可以用 Pydantic 模型约束最终输出。KingFlow AI 提供 OpenAI Chat Completions 兼容接口，可通过 OpenAIP

来源：灵能API   主角:   更新: 2026-11-02 15:25:58

在线阅读

【扫一扫】手机随心读

  • 读书简介

KingFlow AI API中转站接入 Pydantic AI 教程 使用 OpenAI 兼容接口创建带类型校验的 Python 智能体 Pydantic AI 是面向 Python 开发者的智能体框架，可以用 Pydantic 模型约束最终输出。KingFlow AI 提供 OpenAI Chat Completions 兼容接口，可通过 OpenAIP

KingFlow AI API中转站接入 Pydantic AI 教程

KingFlow AI API中转站接入 Py**ntic AI 教程

使用 OpenAI 兼容接口创建带类型校验的 Python 智能体

Py**ntic AI 是面向 Python 开发者的智能体框架，可以用 Py**ntic 模型约束最终输出。KingFlow AI 提供 OpenAI Chat Completions 兼容接口，可通过 OpenAIProvider 和 OpenAIChatModel 连接已开通的模型。本文先验证基础接口，再创建返回上线检查清单的智能体，最后说明结构化输出、请求上限、密钥保护和故障排查。

Claude中转、Claude中转站、API中转和API中转站的实际接入均需核对协议与模型权限。

内容核验日期 2026-11-02

Pydantic AI 接入 KingFlow AI 三维架构

常用接入术语

名称常见含义使用提示
Claude中转把模型请求转发到可用 Claude 模型的接入方式核对客户端协议和目标模型权限
Claude中转站提供 Claude 密钥、额度和路由管理的平台使用 Claude 时需确认 Anthropic 或兼容协议
API中转通过兼容接口转发不同模型请求Python 应用通常替换端点、密钥和模型 ID
API中转站提供统一 API 接入、模型选择和用量管理的服务本文使用 OpenAI Chat Completions 方式

接入架构

环节职责注意事项
Python 应用保存提示词、类型模型和业务逻辑密钥不写入源码
Py**ntic AI组织智能体运行并校验输出结构字段描述要具体
OpenAIChatModel固定使用 Chat Completions 接口避免误用 Responses API
KingFlow AI认证密钥并路由模型请求*ase **L 填写到 /v1
目标模型生成文本或结构化结果完整模型 ID 以控制台为准

接入优势

  • Py**ntic 模型把预期字段写进代码，业务逻辑可以直接使用经过校验的 Python 对象。
  • OpenAIProvider 支持自定义 *ase **L 和 API Key，适合连接 OpenAI 兼容**。
  • OpenAIChatModel 明确使用 Chat Completions，能够避开只兼容该接口时的路径差异。
  • 请求上限可以阻止工具或校验流程持续循环，便于控制调用次数和成本。
  • KingFlow 控制台集中管理模型、密钥和用量，便于区分开发、测试与生产环境。

开始前的准备

  • 准备 Python 3.10 或更高版本，并安装 uv。
  • 在 KingFlow AI 控制台创建以 sk- 开头的 API Key，确认余额和模型分组可用。
  • 复制目标模型的完整模型 ID，并确认该模型支持所需的结构化输出或工具调用能力。
  • 准备独立测试目录，首次联调不要发送生产数据或启用高权限工具。
  • 确认运行环境可以访问 api.**nju**shen.com。

创建 Py**ntic AI 测试项目

uv init py**ntic-ai-kingflow-demo
cd py**ntic-ai-kingflow-demo
uv add py**ntic-ai python-dotenv

验证 KingFlow 基础接口

curl https://api.**nju**shen.com/v1/chat/completions \
  -H "Authorization: *earer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<KingFlow控制台中的完整模型ID>",
    "messages": [{"role": "user", "content": "只回复 PYDANTIC_READY"}],
    "stream": false
  }'

配置环境变量

KINGFLOW_*ASE_**L=https://api.**nju**shen.com/v1
KINGFLOW_API_KEY=sk-你的密钥
KINGFLOW_MODEL=<KingFlow控制台中的完整模型ID>
.env
.venv/
__pycache__/

编写结构化输出智能体

import os
from dotenv import load_dotenv
from py**ntic import *aseModel, Field
from py**ntic_ai import Agent, UsageLimits
from py**ntic_ai.models.openai import OpenAIChatModel
from py**ntic_ai.providers.openai import OpenAIProvider

load_dotenv()

class DeploymentCheck(*aseModel):
    sum**ry: str = Field(description="总体判断")
    risks: list[str] = Field(description="需要处理的风险")
    steps: list[str] = Field(description="按顺序执行的步骤")

provider = OpenAIProvider(
    *ase_url=os.environ["KINGFLOW_*ASE_**L"],
    api_key=os.environ["KINGFLOW_API_KEY"],
)

model = OpenAIChatModel(
    os.environ["KINGFLOW_MODEL"],
    provider=provider,
)

agent = Agent(
    model,
    output_type=DeploymentCheck,
    instructions=(
        "你是 API 上线审核助手。只根据用户提供的信息判断，"
        "风险和步骤必须具体、**证。"
    ),
)

result = agent.run_sync(
    "为新的 API 接入生成上线前检查结果。",
    usage_limits=UsageLimits(request_limit=5),
)

print(result.output.model_dump_json(indent=2))

先验证纯文本模式

plain_agent = Agent(model, instructions="用简洁中文回答")
result = plain_agent.run_sync(
    "列出 API 接入上线前的三个检查项。",
    usage_limits=UsageLimits(request_limit=3),
)
print(result.output)
Pydantic AI 校验与安全三维图
图二 Py**ntic AI 的工具调用、类型校验、配额和安全控制。AI 生成示意图。

运行和验证

uv run python **in.py
  1. 先执行 KingFlow 基础请求，确认返回 PYDANTIC_READY。
  2. 创建 .env 和 .gitignore，再将完整示例保存为 **in.py。
  3. 运行程序，确认结果包含 sum**ry、risks 和 steps 三个字段。
  4. 故意把字段类型改错进行一次测试，确认 Py**ntic 能发现不符合要求的输出。
  5. 在 KingFlow 控制台核对模型、密钥、调用次数和 Token 用量。
检查点预期结果判断依据
基础接口返回 PYDANTIC_READY端点、密钥和模型可用
模型连接请求走 Chat CompletionsOpenAIChatModel 配置生效
类型校验输出可转换为 DeploymentCheck字段名称和类型符合定义
请求上限单次运行最多 5 次模型请求UsageLimits 生效
平台记录控制台出现对应调用模型、密钥与用量符合预期

正式环境配置

  • 固定使用 OpenAIChatModel；只有端点明确支持 Responses API 时才改用 OpenAIResponsesModel。
  • 把 Provider 和模型构造集中到单独模块，开发、测试和生产环境使用不同密钥。
  • 字段描述应说明含义、格式和允许范围；关键数值可以增加 Py**ntic 范围约束。
  • 为每次运行设置 request_limit，并同时控制超时、并发、Token 和业务预算。
  • 工具默认只读并采用白名单；涉及写入、支付、删除或外发时增加人工审批。
  • 记录状态码、模型、耗时、请求次数和 Token 用量，但不要记录完整密钥或敏感输入。

密钥与工具安全

  • 只在 .env、密钥管理器或部署平台 Secret 中保存 API Key，并定期轮换。
  • 发送给模型前做数据最小化和脱敏，不把无关客户资料放入提示词。
  • 模型生成的结构化对象通过了类型校验，但业务规则仍需单独验证。
  • 工具参数经过 Py**ntic 校验后仍要检查权限、资源归属和操作范围。
  • 为开发、测试和生产设置独立额度及告警，异常用量出现后立即停用旧密钥。

上线检查清单

  • 基础接口已经返回 PYDANTIC_READY。
  • KINGFLOW_*ASE_**L 为 https://api.**nju**shen.com/v1。
  • KINGFLOW_MODEL 使用控制台中的完整模型 ID。
  • OpenAIChatModel 和 OpenAIProvider 已连接 Chat Completions 兼容端点。
  • .env 已被 .gitignore 排除，仓库中没有明文密钥。
  • 结构化结果能够通过 DeploymentCheck 校验。
  • 单次运行设置了请求上限，工具采用白名单与最小权限。
  • KingFlow 控制台的模型、密钥和用量符合预期。

常见故障排查

现象常见原因处理方法
返回 401密钥错误、停用或 .env 未加载检查变量名与文件位置，必要时重新创建密钥
返回 404*ase **L、模型 ID 或接口类型错误保留 /v1，复制完整模型 ID，并使用 OpenAIChatModel
返回 429额度不足、余额不足或请求过快检查用量并降低并发，采用有限退避
返回 503模型通道暂时不可用稍后有限重试或切换已开通模型
结构化输出失败模型不支持所需工具或结构化能力换用支持模型，或先使用纯文本示例验证连接
字段反复校验失败字段描述含糊或约束过严简化 Sche**，补充字段说明和示例
请求次数超限模型多次修正工具或输出检查提示词与 Sche**，不要直接取消 request_limit
工具执行异常参数有效但业务权限或外部服务失败校验权限与资源，并把失败明确返回给智能体
API Key 和模型 ID 均为占位示例。请替换为自己的配置，并先在测试环境验证。

《KingFlow AI API中转站接入 Pydantic AI 教程》资讯列表：

相关小说

为您推荐

小说标签