01
发送 OpenAI 风格请求
使用官方 JavaScript 或 Python SDK，只修改 base URL，继续沿用熟悉的 Chat Completions 结构。
兼容 OpenAI 的角色 API
你的应用发来一条消息。 一个角色作出回应。
把 OpenAI 客户端指向 Reverie，调用角色而不是通用模型。人格、场景、历史和长期记忆都留在服务端，同一段对话也会同步出现在网页中。
- 兼容 OpenAI SDK
- 默认流式响应
- 服务端持久化历史
POST /v1/chat/completions
200 已连接TypeScript 请求
const reply = await client.chat
.completions.create({
model: "露娜 [abc12345]",
messages: [{
role: "user",
content: "你还记得那座天文台吗？"
}],
});角色响应
流式传输{
"role": "assistant",
"content": "我记得你在那里许下的承诺。"
}
记忆已保存 · 网页聊天已同步
一次请求，完整角色引擎
接口保持兼容， 底层拥有状态。
客户端继续使用熟悉的协议，由 Reverie 在背后处理角色解析、上下文、记忆和持久化。
02
解析角色或场景
model 字段选择角色、场景，或选择固定在 API 密钥上的默认角色。
03
组合人格与上下文
Reverie 叠加角色定义、当前场景、偏好、近期消息、摘要和相关长期记忆。
04
流式返回并持久化
OpenAI 格式的 SSE 数据块到达客户端，同时对话和新记忆在所有入口继续可用。
按密钥路由角色
服务端连续性
OpenAI 响应格式
不只是提示词包装
角色基础设施， 已经组装完成。
把精力放在你的角色产品上，不必为每个集成重新搭建身份和连续性。
真实的角色定义
调用自己的私有角色或公开社区角色，保留其声音、行为、示例和创作者设置。
持久化对话历史
服务端保存权威聊天，因此大多数集成只需发送最新用户消息，不必每次重放全部记录。
长期记忆工具
支持工具的模型可以保存、更新和删除长期记忆，滚动摘要则保留更长的故事线。
感知场景的路由
让同一个角色拥有多个开场情境，并让支持 model 列表的客户端把场景展示为可选变体。
跨入口的同一段对话
从自定义应用开始，在 reverie.im 继续，切换到机器人，再返回 API，不会产生互相割裂的副本。
内置模型与积分处理
每段聊天的模型偏好、Token 裁剪、速率限制和积分结算与 Reverie 网页体验使用同一套规则。
快速开始
从密钥到角色， 只需三步。
第一次请求不需要学习新 SDK，也不需要自建对话数据库。
- 01
创建有范围的 API 密钥
给集成命名，可选固定默认角色，只复制一次 rk_ 密钥，并把它安全保存在服务端。
- 02
修改 base URL
让 OpenAI 客户端使用 https://reverie.im/api/device/v1，并通过 model 字段传入角色或场景。
- 03
发送用户消息
立即接收流式响应。Reverie 会解析角色，并把这段对话延续到未来请求中。
AI 角色 API 常见问题
协议很熟悉， 状态却不是通用的。
关于兼容性、角色路由、持久化和 API 的实际限制。
用持久化角色构建应用
为需要连续性的应用准备的 AI 角色 API
通用聊天补全只返回文本，而角色产品还需要身份、场景状态、历史、记忆，以及稳定选择说话者的方式。Reverie 把这些层统一放在一个兼容端点背后。
直接使用角色，不必重建提示词
角色定义保存在 Reverie，可以持续改进，而不需要重新部署每一个调用它的应用。
控制长对话成本
滚动摘要和 Token 预算裁剪保留有用状态，无需客户端反复发送越来越长的消息数组。
让用户在产品之间自然切换
从自定义界面开始的对话仍会出现在 Reverie 网页中，而不是成为一个孤立的集成数据孤岛。
在有价值的地方保持 OpenAI 兼容
请求与响应结构保持熟悉，model 字段则有意用于路由角色或场景；既保留 SDK 兼容性，也不把角色假装成一个普通模型名称。
支持官方 SDK
使用标准 OpenAI JavaScript 与 Python 客户端、流式解析器，以及支持自定义 base URL 的工具。
发现可用角色
models 端点会以客户端熟悉的格式返回近期角色，或返回密钥默认角色所附带的场景。
可预测地处理错误
认证、角色缺失、速率限制和余额不足都使用标准错误结构，并提供明确的机器可读错误码。