LLM 联网搜索 | CaMeL AI

1️⃣ 实时联网支持：突破 LLM 时效限制，让输出更准确、更可靠

我们为 OpenAI 和 Gemini 系列大模型接口带来了获取最新网络信息的能力，帮助你：
✅ 获取最新资讯：无论是今日热点、最新研究还是实时数据，都能即时获取
✅ 消除知识盲区：突破大模型训练数据的时间限制，获取训练后的新信息
✅ 降低幻觉风险：基于实时网络搜索的事实回答，大幅减少 AI 已读乱回的可能性
✅ 提升决策质量：基于最新事实的分析和建议，让你的决策更有把握

支持的模型： 目前支持 OpenAI 和 Gemini 大模型系列，包含两种接入方式：

1. 原生搜索能力模型： Gemini 系列 (Ground with Google search)：

gemini-2.0-pro-exp-02-05-search
gemini-2.0-flash-exp-search
gemini-2.0-flash-search

OpenAI 系列 (Bing search)：

gpt-4o-search-preview
gpt-4o-mini-search-preview

2. 参数支持方式： 只需增加参数web_search_options={}，即可为所有 gemini、OpenAI 大模型开启联网能力。Gemini 系列的搜索费率为 35 美元/千次；

使用方法

使用前需要运行pip install -U openai升级 openai 包。

示例：


from openai import OpenAI
 
client = OpenAI(
    api_key="sk-***", # 换成你在 CaMeL AI 生成的密钥
    base_url="https://api.kr777.top"
)
 
chat_completion = client.chat.completions.create(
    model="gemini-2.0-flash-exp",
    # 🌐 启用搜索
    web_search_options={},
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "搜索大模型 API 平台 CaMeL AI 的相关资讯，简短介绍，并提供相关链接。"
                }
            ]
        }
    ]
)
 
print(chat_completion.choices[0].message.content)


import OpenAI from 'openai';
 
const client = new OpenAI({
    apiKey: 'sk-***',
    baseURL: 'https://api.kr777.top'
});
 
async function main() {
    const chatCompletion = await client.chat.completions.create({
        model: 'gemini-2.0-flash-exp',
        // 🌐 启用搜索
        web_search_options: {},
        messages: [
            {
                role: 'user',
                content: [
                    {
                        type: 'text',
                        text: '搜索大模型 API 平台 CaMeL AI 的相关资讯，简短介绍，并提供相关链接。'
                    }
                ]
            }
        ]
    });
 
    console.log(chatCompletion.choices[0].message.content);
}
 
main().catch(console.error);


curl "https://api.kr777.top/chat/completions" \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer xxx" \
    -d '{
    "model": "gemini-2.0-flash-exp",
    "web_search_options": {},
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "提供梵高在 Google Arts & Culture 网站的相关信息，简短介绍，并提供相关链接。"
                }
            ]
        }
    ],
    "stream": false
}'

2️⃣ 智能冲浪：让 AI 自由驰骋互联网

通过在模型 id 后方追加 :surfing，让任何大语言模型具备搜索能力。

追加后缀即可，不需要复杂的整合
这种方式会默认将用户请求转发给 Tavily 搜索服务，LLM 根据返回的搜索结果参考作答
搜索费用 0.006 美元/次
目前「日志明细」里未列出每次搜索的费用，费用直接在「额度变动」扣取，后续会列出

💡

模型 id 在模型广场中复制即可。

示例：


import requests
import json
import os
 
try:
    response = requests.post(
        url="https://api.kr777.top/chat/completions",
        headers={
            "Authorization": f"Bearer {os.environ.get('CAMELAI_API_KEY')}",
            "Content-Type": "application/json",
        },
        data=json.dumps({
            "model": "gpt-4o-mini:surfing", # 模型 id 后面追加 :surfing 即可支持搜索
            "messages": [
                {
                    "role": "user",
                    "content": "Search the last fact about ChatGPT memory feature, return with the URL, answer in Chinese"
                }
            ]
        })
    )
 
    result = response.json()
    print("API 响应：", json.dumps(result, ensure_ascii=False, indent=2))
 
except requests.exceptions.RequestException as e:
    print(f"请求错误：{e}")
except json.JSONDecodeError as e:
    print(f"JSON 解析错误：{e}")
except Exception as e:
    print(f"其他错误：{e}")

API 响应示例：


{
  "id": "chatcmpl-BLMY8YIKvcjNpiFmyvIfEGQMvPAAh",
  "model": "gpt-4o-mini-2024-07-18",
  "object": "chat.completion",
  "created": 1744431268,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "ChatGPT 最近获得了重大的记忆功能升级，现在能够参考用户的所有过去对话，以提供更个性化的回应。用户可以选择不让 ChatGPT 记住这些信息，或完全退出记忆功能。有关此更新的更多信息可以在以下网址找到：[https://www.digitaltrends.com/computing/openai-chatgpt-memory-update/](https://www.digitaltrends.com/computing/openai-chatgpt-memory-update/)"
      },
      "finish_reason": "stop"
    }
  ],
  "system_fingerprint": "fp_b705f0c291",
  "usage": {
    "prompt_tokens": 584,
    "completion_tokens": 99,
    "total_tokens": 683,
    "prompt_tokens_details": {
      "audio_tokens": 0,
      "cached_tokens": 0
    },
    "completion_tokens_details": {
      "accepted_prediction_tokens": 0,
      "audio_tokens": 0,
      "reasoning_tokens": 0,
      "rejected_prediction_tokens": 0
    }
  }
}