要调用liblibai api需先在官网控制台创建并安全保存api密钥，设为环境变量liblib_api_key；用requests库构造含bearer认证头的http请求：文本生成调/v1/chat/completions，图像生成调/v1/images/generations，注意模型id须与控制台市场一致，图片url为1小时有效期临时链接。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要让Python脚本直接向LiblibAI服务提交文本生成、图像生成等请求，必须构造符合其认证规范和接口格式的HTTP请求，跳过网页交互环节。
获取并配置API密钥
登录LiblibAI官网控制台，在「API管理」→「创建新密钥」中生成一个密钥；生成后页面只显示一次，请立即复制保存，【密钥丢失无法找回，也无法再次查看】。
将密钥存入环境变量，避免硬编码在脚本里：在终端执行 export LIBLIB_API_KEY="sk-xxx"（Linux/macOS）或 set LIBLIB_API_KEY=sk-xxx（Windows）。
安装依赖并初始化客户端
运行 pip install requests 安装基础HTTP库；无需额外SDK，LiblibAI当前仅提供标准REST API。
在Python脚本开头添加以下代码读取密钥并设置默认请求头：
import os
import requests
api_key = os.getenv("LIBLIB_API_KEY")
headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
调用文本生成接口（/v1/chat/completions）
方法一：发送基础对话请求
data = {
"model": "llama3-70b",
"messages": [{"role": "user", "content": "写一首五言绝句，主题是秋江"}]
}
response = requests.post("https://api.liblib.ai/v1/chat/completions", headers=headers, json=data)
注意：model字段必须填平台实际支持的模型ID，可在控制台「模型市场」页面查到实时列表；填错会返回404或422错误，不提示具体原因。
方法二：启用流式响应
在data字典中加入 "stream": True，然后用 response.iter_lines() 逐行解析SSE数据；每行以 data: 开头，需手动剥离前缀并json.loads()。
调用图像生成接口（/v1/images/generations）
第一步：准备请求体
image_data = {
"prompt": "cyberpunk city at night, neon lights, rain",
"model": "sd-xl-base-1.0",
"size": "1024x1024",
"n": 1
}
第二步：发起POST请求
resp = requests.post("https://api.liblib.ai/v1/images/generations", headers=headers, json=image_data)
第三步：提取返回图片URL
检查 resp.json()["data"][0]["url"] 字段，该URL为临时直链，有效期通常为1小时；【不可长期缓存，需在有效期内下载保存】。
大量免费API接口：立即使用
涵盖生活服务API、金融科技API、企业工商API、等相关的API接口服务。免费API接口可安全、合规地连接上下游，为数据API应用能力赋能！
