十一到处逛，在L站发现了个帖子发现一个AI（可免费使用） - 开发调优 - LINUX DO我注意到有些站点并没有严格的鉴权限制，甚至允许未登录的用户直接调用模型接口。这类接口往往隐藏在浏览器的网络请求中，通过分析可以实现标准化调用，从而兼容 OpenAI 的 API 生态。下面记录一下我对 Dolphin 模型接口 的逆向过程与思路。

初步分析

目标网站提供了一个在线对话页面，前端直接与模型服务交互：

• 请求地址：https://chat.dphn.ai/api/chat
• 请求方法：POST
• 返回格式：text/event-stream（SSE 流式返回）

这里的关键点是 数据并不是普通 JSON，而是通过 SSE 逐条传输，这意味着需要模拟流式读取。

观察请求参数

通过浏览器开发者工具（Network 面板），我们可以看到完整的请求：

• Content-Type: application/json
• Accept: text/event-stream
• 请求体包含：
  • messages（聊天上下文，符合 OpenAI 格式）
  • model（例如 dolphinpod:24B）
  • template（推理模式，如 "logical"）

📌 这一步确认了接口 几乎与 OpenAI Chat API 一致，只是多了一个 template 字段。

1
2
3
4
5
6
7
8

{
  "messages": [
    {"role": "user", "content": "你是谁？"}
  ],
  "model": "dolphinpod:24B",
  "template": "logical"
}

处理 SSE 流式返回

返回的数据不是一次性 JSON，而是 逐行推送的 SSE。每一行类似

1

data: {"choices":[{"delta":{"content":"你好"}}]}

需要在客户端逐行解析，提取 delta.content 并拼接成最终结果。
这与 OpenAI stream=True 的机制完全一致。

构建代理层思路

由于原始接口并没有统一的 API Key 验证机制，如果想要对外安全暴露，需要自己加一层 代理服务：

1. 转发请求：
   • 外部调用 /v1/chat/completions
   • 代理服务转发到 https://chat.dphn.ai/api/chat
2. 兼容 OpenAI 格式：
   • 输入/输出保持与 OpenAI SDK 一致
   • 方便用户直接用 openai.ChatCompletion.create() 调用
3. 自定义鉴权：
   • 在代理层添加 API Key 校验
   • 保证只有授权用户可以访问

关键难点与解决思路

• SSE 转发
  • 不能直接 resp.json()，必须逐行解析
  • 需要在服务端用 StreamingResponse（Python）或 ReadableStream（Deno）转发
• 浏览器伪装
  • 有些站点可能检查 Origin 和 Referer
  • 需要在请求头中补全这两个字段
• 模型列表
  • 原站点没有 /v1/models 接口
  • 可以在代理层手动定义可用模型（如 dolphinpod:24B）

总结

整个逆向过程的关键是：

1. 观察请求 → 确认接口是 /api/chat，参数与 OpenAI 格式类似
2. 理解响应 → 识别是 SSE 流式输出，逐行解析
3. 设计代理 → 实现 /v1/chat/completions 与 /v1/models，加上 API Key 保护
4. 统一调用 → 让外部可以直接用 OpenAI SDK 访问 Dolphin 模型

通过这种方式，任何支持 OpenAI API 的工具（如 LangChain、ChatUI）都可以无缝切换到 Dolphin 模型。

行了，完事儿了

完整代码前往：dolphin2api-我写的第二个2api - 开发调优 / 开发调优, Lv2 - LINUX DO