把千问 3.5 Flash 对话API 接进自己的应用，多数人卡在两处：鉴权请求头写错，流式输出接不上。前者直接返回 401，后者表现为“等十几秒才一次性吐字”。

下面按“准备信息 → 鉴权配置 → 流式输出 → 排错”的顺序走一遍。文中涉及的接口地址、模型名称和计费规则，都以你所用平台控制台实际显示的为准，不要直接照抄示例字符串。

一、接入前先确认三件事

千问 3.5 Flash 对话API 属于典型的 Chat Completions 风格接口，接入前需要先确认三件事，缺一件都会让后面的调试变成盲猜。

• Base URL：接口的请求前缀。不同平台的路径可能带 /v1，也可能不带，拼接错误通常表现为 404 而不是 401。
• API Key：调用凭证，放在请求头里，不要写进前端代码或提交到公开仓库。
• 模型名称：接口里的 model 字段必须是平台侧真实存在的标识，写法上大小写、连字符、版本号都可能不同。

如果不想在多个平台之间反复注册、切换 Key 和管理余额，可以把 通联AI中转站 作为统一入口来了解：一个 Base URL、一套 Key 管理方式，模型广场里能看到当前可选用的模型与调用说明，再决定是否用它承接你的千问 3.5 Flash 对话API 调用。

二、鉴权配置：请求头怎么放、怎么验

标准请求头写法

绝大多数兼容接口使用 Bearer 方式传 Key，两个请求头缺一不可：

Authorization: Bearer 你的API_KEY Content-Type: application/json

注意 Bearer 与 Key 之间有一个空格；Key 前后不要带引号、换行或多余空格。很多 401 并不是 Key 失效，而是复制时把首尾空格一起粘了进去。

最小验证请求

先用一次非流式请求验证鉴权是否通过，把问题范围缩小：

curl https://你的BaseURL/v1/chat/completions \ -H "Authorization: Bearer $API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "以控制台显示的模型名为准", "messages": [{"role": "user", "content": "你好"}], "stream": false }'

能正常返回 JSON 说明鉴权与模型名都对，接下来再把 stream 改成 true，单独验证流式链路。

配置项对照表

三、流式输出：参数、解析与常见坑

流式输出走的是 SSE（Server-Sent Events）。开启后，服务端会持续推回若干行以 data: 开头的数据块，每块里是增量文本，最后以 data: [DONE] 结束。前端要做的不是等一个完整 JSON，而是边收边拼。

三个关键点

1. 请求侧：把 stream 设为 true，部分平台还支持按需传 stream_options 来获取用量统计，是否支持要看文档。
2. 解析侧：逐行读取，跳过空行，去掉 data: 前缀后再做 JSON 解析；遇到 [DONE] 立即停止读取，不要继续解析。
3. 拼接侧：通常取 choices[0].delta.content 累加输出。首个数据块可能只有角色信息、没有正文，需要做空值判断。

容易踩的三个坑

• 反向代理缓冲：Nginx 等中间层默认会缓冲响应，导致所有内容一次性弹出。需要关闭对应缓冲配置。
• 超时设置过短：流式请求的耗时包含整个生成过程，读取超时要比非流式请求留得更宽。
• 前端用了错误的读取方式：普通 fetch().json() 拿不到增量内容，需要用可读流逐块读取或使用事件流接口。

判断流式是否真的生效，不看总耗时，而看第一个数据块到达的时间。如果首块延迟和整体耗时可忽略不计，多半是缓冲没关掉，而不是模型变快了。

四、可复用的接入步骤

1. 登录控制台，确认接口地址、可用模型名称与当前计费说明。
2. 创建一个独立的 API Key，按环境区分测试与线上，避免共用同一把 Key。
3. 先用非流式 curl 验证鉴权，再用同样参数把 stream 改为 true。
4. 在业务代码中封装统一的请求层，把 Base URL、模型名称、超时时间做成配置项。
5. 加入异常处理：401 检查 Key，404 检查路径，429 检查频率，5xx 做有限次退避重试。
6. 上线前做一次长文本与并发测试，确认超时、截断和用量记录符合预期。

五、常见问题速查

鉴权失败但 Key 明显没写错

优先检查三处：请求头是否被框架覆盖、代理是否改写了 Authorization、Key 是否已被删除或额度用尽。可以换一个干净环境用 curl 复测。

流式内容被截断

多数是读取循环提前退出，或没有正确处理以空行分隔的事件块。把原始响应先打印出来再解析，通常一眼就能看出问题。

同一段代码换个模型就报错

不同模型对参数的支持范围不同，例如部分模型不接受某些采样参数。建议把通用参数集中在配置里，按模型做差异化覆盖。

需要统一管理多个模型的调用、Key 与余额时，可以到 通联AI中转站 查看模型广场与接入文档，按同样的 OpenAI 兼容思路完成一次千问 3.5 Flash 对话API 的实测，再决定是否把线上流量迁过去。所有模型名称、接口地址与计费规则，请以控制台页面实时展示的信息为准。