Qwen2Api

中文文档 | English

一个用 Rust 编写的统一逆向 API 包装器，提供对多个 AI 服务的无缝访问，包括 ~~ChatGPT、Grok、DeepSeek~~、Qwen 等(示例只支持Qwen，其他暂时集成，自测使用)

🌟 特性

多模型支持：统一接口支持 ~~ChatGPT、Grok (XAI)、DeepSeek~~、Qwen 模型
多模态能力：支持文本、图片、视频、音频和文档（通过 Qwen）
RESTful API：简洁的、兼容 OpenAI 的 API 设计
流式响应：实时流式传输，提供更好的用户体验
媒体生成：图片和视频生成功能
文件上传：支持上传和处理各种文件类型
代理支持：可配置的代理设置，提供网络灵活性
Web 仪表板：内置监控和统计仪表板
线程管理：对话历史跟踪
浏览器模拟：高级 HTTP 客户端，带有浏览器模拟功能

📋 系统要求

Rust：1.70 或更高版本
操作系统：Linux、macOS 或 Windows
网络：互联网连接（支持代理）

🚀 快速开始

1. 克隆仓库

git clone https://github.com/map-A/qwen2api.git
cd qwen2api

2. 编译项目

cargo build --release

3. 配置 API Token

您需要从要使用的服务获取 token：

~~#### DeepSeek Token~~ ~~1. 访问 https://chat.deepseek.com/~~ ~~2. 登录并开始对话~~ ~~3. 打开开发者工具（F12）→ Application → LocalStorage~~ ~~4. 找到 userToken 并复制其值~~ ~~5. 保存到 .deepseek_token 文件或通过 API 设置~~

Qwen Token

访问 https://chat.qwen.ai/
登录您的账户
打开开发者工具（F12）→ Application → Cookies
找到 token cookie 并复制其值
保存到 .qwen_token 文件或通过 API 设置

4. 启动服务器

# 基础使用
./target/release/api_server

# 自定义端口和主机
./target/release/api_server --host 127.0.0.1 --port 8080


# 使用环境变量
export API_HOST=0.0.0.0
export API_PORT=6969
./target/release/api_server

5. 通过 API 配置 Token

~~# 配置 DeepSeek token~~
~~curl -X POST http://localhost:6969/v1/config/deepseek \~~
  ~~-H "Content-Type: application/json" \~~
  ~~-d '{"token": "your_deepseek_token"}'~~

# 配置 Qwen token
curl -X POST http://localhost:6969/v1/config/qwen \
  -H "Content-Type: application/json" \
  -d '{"token": "your_qwen_token"}'

📖 API 文档

基础 URL

http://localhost:6969

接口端点

健康检查

GET /health

响应：

{
  "status": "ok",
  "active_threads": 5,
  "version": "0.1.0"
}

列出可用模型

GET /v1/models

响应：

{
  "data": [
    {
      "id": "grok-3-auto",
      "object": "model",
      "created": 1677610602,
      "owned_by": "xai"
    },
    ~~{~~
      ~~"id": "deepseek-r1",~~
      ~~"object": "model",~~
      ~~"created": 1677610602,~~
      ~~"owned_by": "deepseek"~~
    ~~},~~
    {
      "id": "qwen3-max",
      "object": "model",
      "created": 1677610602,
      "owned_by": "alibaba"
    }
  ]
}

创建线程

POST /v1/threads
Content-Type: application/json

{
  "model": "qwen3-max",
  "messages": [
    {
      "role": "user",
      "content": "你好！"
    }
  ],
  "metadata": {}                  // 可选
}

响应：

{
  "id": "thread-uuid-123",
  "object": "thread",
  "created_at": 1234567890,
  "metadata": null
}

向线程添加消息

POST /v1/threads/{thread_id}/messages
Content-Type: application/json

{
  "role": "user",
  "content": "你能做什么？"
}

生成响应

POST /v1/responses
Content-Type: application/json

{
  "thread_id": "thread-uuid-123",
  "model": "qwen3-max",
  "file_ids": ["file-uuid-456"],  // 可选，用于多模态
}

响应：

{
  "response": "我可以帮助您完成各种任务...",
  "extra_data": { ... }
}

上传文件（用于 Qwen 多模态）

POST /v1/files/upload
Content-Type: multipart/form-data

file: <二进制文件数据>

响应：

{
  "id": "file-uuid-456",
  "filename": "image.jpg",
  "type": "image/jpeg"
}

生成图片

POST /v1/images/generate
Content-Type: application/json

{
  "prompt": "一只可爱的橙色小猫",
  "size": "1:1",           // 选项：1:1, 16:9, 9:16
  "model": "qwen3-max",
  "download": true         // 自动下载到 ./generated/
}

响应：

{
  "image_url": "https://...",
  "local_path": "./generated/images/1234567890.png"
}

生成视频

POST /v1/videos/generate
Content-Type: application/json

{
  "prompt": "一只小猫在草地上玩耍",
  "size": "16:9",          // 选项：16:9, 9:16
  "model": "qwen3-max",
  "download": true         // 自动下载到 ./generated/
}

响应：

{
  "video_url": "https://...",
  "local_path": "./generated/videos/1234567890.mp4"
}

列出线程

GET /v1/threads

获取线程详情

GET /v1/threads/{thread_id}

删除线程

DELETE /v1/threads/{thread_id}

列出线程消息

GET /v1/threads/{thread_id}/messages

💡 使用示例

示例 1：使用 Qwen 进行图像识别

# 上传图片
FILE_ID=$(curl -s -X POST http://localhost:6969/v1/files/upload \
  -F "file=@test_image.jpg" | jq -r '.id')

# 创建线程
THREAD_ID=$(curl -s -X POST http://localhost:6969/v1/threads \
  -H "Content-Type: application/json" \
  -d '{"model": "qwen3-max"}' | jq -r '.id')

# 添加消息
curl -s -X POST http://localhost:6969/v1/threads/$THREAD_ID/messages \
  -H "Content-Type: application/json" \
  -d '{"role": "user", "content": "请描述这张图片"}'

# 获取带文件的响应
curl -s -X POST http://localhost:6969/v1/responses \
  -H "Content-Type: application/json" \
  -d "{\"thread_id\": \"$THREAD_ID\", \"model\": \"qwen3-max\", \"file_ids\": [\"$FILE_ID\"]}"

示例 2：生成图片

curl -s -X POST http://localhost:6969/v1/images/generate \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "海洋上美丽的日落",
    "size": "16:9",
    "model": "qwen3-max",
    "download": true
  }'

示例 4：代码调用

Rust 示例

use reverse_api::qwen::client::qwen::QwenClient;

#[tokio::main]
async fn main() -> Result<(), Box<dyn std::error::Error>> {
    // 使用 token 创建客户端
    let client = QwenClient::with_token("your_token")?;
    
    // 开始对话
    let response = client.start_convo("你好，最近怎么样？", None, None).await?;
    println!("响应：{}", response.response.unwrap_or_default());
    
    Ok(())
}

Python 示例（使用 requests）

import requests

BASE_URL = "http://localhost:6969"

# 创建线程
response = requests.post(f"{BASE_URL}/v1/threads", json={
    "model": "qwen3-max"
})
thread_id = response.json()["id"]

# 添加消息
requests.post(f"{BASE_URL}/v1/threads/{thread_id}/messages", json={
    "role": "user",
    "content": "你好，世界！"
})

# 获取响应
response = requests.post(f"{BASE_URL}/v1/responses", json={
    "thread_id": thread_id,
    "model": "qwen3-max"
})
print(response.json()["response"])

JavaScript 示例（使用 fetch）

const BASE_URL = 'http://localhost:6969';

async function chat(message) {
  // 创建线程
  const threadRes = await fetch(`${BASE_URL}/v1/threads`, {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({ model: 'qwen3-max' })
  });
  const { id: threadId } = await threadRes.json();
  
  // 添加消息
  await fetch(`${BASE_URL}/v1/threads/${threadId}/messages`, {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({ role: 'user', content: message })
  });
  
  // 获取响应
  const responseRes = await fetch(`${BASE_URL}/v1/responses`, {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({ thread_id: threadId, model: 'qwen3-max' })
  });
  const { response } = await responseRes.json();
  return response;
}

chat('你好！').then(console.log);

🤖 支持的模型

提供商	模型 ID	功能	多模态
阿里巴巴	`qwen3-max`	高级多模态	✅
阿里巴巴	`qwen3-plus`	增强模型	✅
阿里巴巴	`qwen3-turbo`	快速模型	✅

Qwen 多模态支持

Qwen 模型支持以下文件类型：

图片：JPG、PNG、GIF、WebP、BMP
文档：PDF、TXT、DOC、DOCX
音频：MP3、WAV、AAC、M4A
视频：MP4、AVI、MOV、MKV

📁 项目结构

qwen2api/
├── src/
│   ├── bin/
│   │   ├── api_server.rs      # 主服务器程序
│   │   └── api/               # API 模块
│   │       ├── server.rs      # 服务器设置
│   │       ├── handlers.rs    # 请求处理器
│   │       ├── state.rs       # 应用状态
│   │       ├── dashboard.rs   # Web 仪表板
│   │       └── docs.rs        # API 文档
│   ├── chatgpt/               # ChatGPT 客户端
│   ├── grok/                  # Grok 客户端
│   ├── ~~deepseek/~~              ~~# DeepSeek 客户端~~
│   └── qwen/                   # Qwen 客户端（多模态）
├── examples/                  # 使用示例
├── generated/                 # 自动生成的媒体文件
│   ├── images/
│   └── videos/
├── Cargo.toml                 # Rust 依赖
└── README_CN.md               # 本文件

🔧 配置

命令行选项

api_server [OPTIONS]

选项：
  --host <HOST>      服务器主机（默认：0.0.0.0）
  --port <PORT>      服务器端口（默认：6969）
  --help             显示帮助信息

环境变量

API_HOST：服务器主机（默认：0.0.0.0）
API_PORT：服务器端口（默认：6969）
~~DEEPSEEK_TOKEN：DeepSeek 认证 token~~
QWEN_TOKEN：Qwen 认证 token

Token 文件

您也可以将 token 存储在文件中： ~~- .deepseek_token - DeepSeek token~~

.qwen_token - Qwen token

🌐 仪表板和文档

服务器运行后，您可以访问：

API 文档：http://localhost:6969/docs
仪表板：http://localhost:6969/dashboard
- 查看统计信息
- 监控活动线程
- 跟踪请求

🛠️ 开发

运行示例

~~# DeepSeek 示例~~
~~DEEPSEEK_TOKEN="your_token" cargo run --example deepseek_example~~

# Qwen 基础示例
QWEN_TOKEN="your_token" cargo run --example qwen_example

# Qwen 多模态示例
QWEN_TOKEN="your_token" cargo run --example qwen_multimodal_example

# Qwen 图片生成示例
QWEN_TOKEN="your_token" cargo run --example qwen_image_generation_example

# Grok 示例（需要代理）
cargo run --example grok_example

运行测试

cargo test

生产环境构建

cargo build --release

编译后的二进制文件位于 ./target/release/api_server

🐛 故障排除

网络连接问题

如果遇到网络问题：

检查防火墙：确保防火墙允许出站连接
验证 token：确保您的 token 有效且未过期

Token 不工作

~~1. DeepSeek：从 https://chat.deepseek.com/ 获取新的 token~~ ~~- 登录 → F12 → Application → LocalStorage → userToken~~ 2. Qwen：从 https://chat.qwen.ai/ 获取新的 token

登录 → F12 → Application → Cookies → token

端口已被占用

如果端口 6969 已被占用：

api_server --port 8080

视频生成时间过长

视频生成通常需要 1-3 分钟。这是正常的，因为视频渲染比较复杂。

📝 贡献

欢迎贡献！请随时提交 Pull Request。

Fork 仓库
创建您的特性分支（git checkout -b feature/amazing-feature）
提交您的更改（git commit -m '添加一些很棒的功能'）
推送到分支（git push origin feature/amazing-feature）
打开一个 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件。

🙏 致谢

rquest - 带有浏览器模拟的 HTTP 客户端
axum - Web 框架
tokio - 异步运行时

注意：这是一个用于教育目的的逆向工程 API 包装器。使用此工具时，请确保遵守各个 AI 提供商的服务条款。

Name		Name	Last commit message	Last commit date
.github/workflows		.github/workflows
examples		examples
generated		generated
src		src
.deepseek_token		.deepseek_token
.gitignore		.gitignore
.qwen_token.example		.qwen_token.example
Cargo.lock		Cargo.lock
Cargo.toml		Cargo.toml
README.md		README.md
example_usage.sh		example_usage.sh
test_api_server.sh		test_api_server.sh
test_audio.mp3		test_audio.mp3
test_document.txt		test_document.txt
test_image.jpg		test_image.jpg
test_video.mp4		test_video.mp4

Latest commit

History

Folders and files

Repository files navigation

Qwen2Api

🌟 特性

📋 系统要求

🚀 快速开始

1. 克隆仓库

2. 编译项目

3. 配置 API Token

Qwen Token

4. 启动服务器

5. 通过 API 配置 Token

📖 API 文档

基础 URL

接口端点

健康检查

列出可用模型

创建线程

向线程添加消息

生成响应

上传文件（用于 Qwen 多模态）

生成图片

生成视频

列出线程

获取线程详情

删除线程

列出线程消息

💡 使用示例

示例 1：使用 Qwen 进行图像识别

示例 2：生成图片

示例 4：代码调用

Rust 示例

Python 示例（使用 requests）

JavaScript 示例（使用 fetch）

🤖 支持的模型

Qwen 多模态支持

📁 项目结构

🔧 配置

命令行选项

环境变量

Token 文件

🌐 仪表板和文档

🛠️ 开发

运行示例

运行测试

生产环境构建

🐛 故障排除

网络连接问题

Token 不工作

端口已被占用

视频生成时间过长

📝 贡献

📄 许可证

🙏 致谢

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages