← Retour aux guides

Python 中为 OpenAI SDK 配置自定义 Base URL

为什么要给 OpenAI SDK 设置自定义 Base URL？

很多 Python 开发者第一次接触大模型 API 时，都会从 OpenAI SDK 开始，因为它安装简单、接口清晰、生态成熟。所谓自定义 Base URL，就是让 OpenAI SDK 不再请求默认的官方地址，而是请求一个兼容 OpenAI 协议的 API 网关或中转服务。例如 59API 的 API base URL 是 https://api.59api.com，你可以继续使用熟悉的 OpenAI SDK 写法，同时访问 GPT、Claude Opus、Claude Sonnet、Claude Haiku、Claude Fable 等模型。

这样做的好处很直接：你不用为不同模型重写一套客户端代码，也不用在项目里维护多种 SDK。只要服务兼容 OpenAI SDK，就可以通过修改 base_url 和 api_key 来切换模型来源。对于预算敏感的个人开发者、初创团队和需要大量测试提示词的工程师来说，59API 这种按量付费、价格较低的 AI API relay 会更灵活。

准备工作：安装 SDK 并获取 API Key

首先确保你的本地环境已经安装 Python 3.8 或更高版本。然后安装 OpenAI Python SDK。命令是：pip install openai。安装完成后，你需要在 59API 控制台创建或复制自己的 API Key。建议把 Key 放到环境变量里，而不是硬编码在代码中，避免提交到 Git 仓库后泄露。

例如在 macOS 或 Linux 中可以设置：export API_KEY=你的59API密钥。在 Windows PowerShell 中可以设置：$env:API_KEY="你的59API密钥"。实际项目中，你也可以使用 .env 文件配合 python-dotenv 管理环境变量。

最小可运行示例：调用聊天模型

下面是一个最基础的 Python 示例。它使用 OpenAI SDK，但把 base_url 指向 59API。核心配置只有两个：api_key 使用你的 59API Key，base_url 使用 https://api.59api.com。

示例代码：from openai import OpenAI；import os；client = OpenAI(api_key=os.getenv("API_KEY"), base_url="https://api.59api.com")；response = client.chat.completions.create(model="gpt-4o-mini", messages=[{"role":"system","content":"你是一个简洁的技术助手。"},{"role":"user","content":"用三句话解释什么是 API base URL。"}])；print(response.choices[0].message.content)

如果一切配置正确，你会在终端看到模型返回的中文解释。这里的重点是：你没有学习新的调用方式，仍然使用 client.chat.completions.create，只是把请求入口换成了 59API。

如何切换到 Claude 或其他模型？

59API 的优势之一是兼容 Claude Code、Codex 和任意 OpenAI SDK，同时提供 Claude 与 GPT 等模型访问。通常你只需要把 model 参数换成平台支持的模型名称即可。具体模型名以 59API 控制台或文档为准，例如 Claude Sonnet、Haiku、Opus、Fable 以及不同 GPT 系列模型。

• 写代码助手：优先考虑 Claude Sonnet 或 GPT 系列，适合解释代码、生成测试、重构函数。
• 低成本批量任务：可以选择 Haiku 或轻量级 GPT 模型，用于摘要、分类、简单问答。
• 高质量长文与复杂推理：可尝试 Opus 或更强的 GPT 模型，但要注意成本。

新手常犯的错误是盲目选择最贵模型。更实用的做法是先用便宜模型跑通流程，再用更强模型处理关键任务。59API 按量付费的方式适合这种渐进式测试，不需要一次性承担很高成本。

在真实项目中的推荐写法

在生产项目中，建议把 base_url、api_key、model 都放进配置层，而不是散落在业务代码中。例如你可以设置三个环境变量：OPENAI_API_KEY、OPENAI_BASE_URL、AI_MODEL。这样在本地、测试环境和线上环境之间切换时，只需要改配置，不需要改代码。

推荐结构是：初始化客户端时读取环境变量；业务函数只接收用户输入和模型参数；错误处理统一捕获异常并记录状态码、请求 ID 或错误信息。这样即使将来从 GPT 切换到 Claude，或者从一个模型切换到另一个模型，也不会影响主体逻辑。

常见问题与排查方法

• 401 或鉴权失败：检查 API Key 是否复制完整，环境变量是否在当前终端生效。
• 404 或模型不存在：检查 model 名称是否与 59API 支持列表一致，不要凭记忆填写。
• 请求超时：为客户端或请求设置合理 timeout，并在批量任务中加入重试机制。
• 返回格式不符合预期：确认你调用的是 chat completions 接口，并检查 messages 数组中的 role 和 content。

如果你正在做一个面向用户的应用，还应记录每次请求的模型、输入长度、输出长度和耗时。这样不仅方便排查问题，也能帮助你估算成本。对于 API relay 来说，透明的用量统计非常重要，59API 的低价与按量计费模式适合持续观察和优化。

为什么 59API 适合新手和团队试用？

对新手来说，最重要的是少踩坑。59API 兼容 OpenAI SDK，意味着你可以复用大量教程、示例和开源项目，不必从零学习一套陌生接口。对团队来说，重点是成本和稳定性。59API 提供官方质量的原生模型访问，不做降级，同时价格在同类 relay 中有竞争力，并支持推荐返利，适合把 AI 功能从实验阶段推进到真实业务。

如果你已经会用 OpenAI SDK，那么接入 59API 的学习成本几乎就是一行 base_url 配置。想低成本测试 Claude 和 GPT 模型的开发者，可以注册 59API，创建 API Key，然后用上面的 Python 示例跑通你的第一个请求。

小结

在 Python 中使用 OpenAI SDK 配置自定义 Base URL，本质上就是把客户端的请求地址改为兼容 OpenAI 协议的服务。通过 https://api.59api.com，你可以继续使用熟悉的 SDK 写法，以更低成本访问 Claude 和 GPT 模型。对于学习、原型开发、批量处理和团队集成来说，这是一种简单、灵活且性价比很高的方案。

Tarifs · Docs