Qwen API Server

🚀 Qwen Code API Server - 基于FastAPI的Qwen模型API服务器，完全兼容OpenAI API格式

English Version | 中文版本

✨ 功能特性

• 🔐 密码保护访问 - 支持环境变量配置的访问控制
• 🔑 OAuth设备码授权 - 一键获取和刷新Token
• 💬 OpenAI兼容API - 100%兼容OpenAI客户端
• 🔄 自动Token管理 - 智能Token刷新和状态监控
• 📊 实时用量统计 - 按日期统计API调用量
• 🐳 Docker化部署 - 支持Docker和Docker Compose
• 🌐 Web管理界面 - 直观的Token管理界面
• 🏗️ 模块化架构 - 清晰的代码结构，易于扩展
• 📈 性能优化 - 流式响应去重，减少带宽消耗

🚀 快速开始

方式一：一键启动（推荐）

# 克隆项目
git clone https://github.com/Water008/QwenAPI.git
cd QwenAPI

# 一键启动（自动创建虚拟环境）
./run.sh          # Linux/macOS
run.bat           # Windows

方式二：Docker部署

# 使用Docker Compose（推荐）
docker-compose up -d

# 或使用Docker命令
docker run -d \
  --name qwen-api \
  -p 8000:8000 \
  -e API_PASSWORD=your_secure_password \
  -v $(pwd)/data:/app/data \
  ghcr.io/water008/qwenapi:latest

方式三：手动安装

# 创建虚拟环境
python3 -m venv venv
source venv/bin/activate  # Linux/macOS
# venv\Scripts\activate   # Windows

# 安装依赖
pip install -r requirements.txt

# 启动服务
uvicorn src.main:app --host 0.0.0.0 --port 8000

⚙️ 配置说明

环境变量配置

创建 .env 文件（推荐）：

cp .env.example .env

编辑 .env 文件：

# 服务器配置
PORT=8000                    # 服务端口
HOST=0.0.0.0                # 监听地址
API_PASSWORD=qwen123        # 访问密码（务必修改）
DATABASE_URL=data/tokens.db # 数据库路径
DEBUG=false                 # 调试模式

# Qwen API配置
QWEN_API_ENDPOINT=https://portal.qwen.ai/v1/chat/completions
QWEN_OAUTH_BASE_URL=https://chat.qwen.ai
QWEN_OAUTH_CLIENT_ID=f0304373b74a44d2b584a3fb70ca9e56
QWEN_OAUTH_SCOPE=openid profile email model.completion

# 自动刷新配置（秒，默认4小时=14400秒）
TOKEN_REFRESH_INTERVAL=14400

📖 使用指南

1. 获取访问权限

访问 http://localhost:8000，输入配置的密码登录。

2. 获取Token

方式A：OAuth授权（推荐）

1. 点击"OAuth登录获取Token"
2. 扫描二维码或访问链接完成授权
3. 系统自动保存Token

方式B：手动上传

1. 准备oauth_creds.json文件
2. 在Web界面上传文件
3. 系统自动解析并保存

3. 测试API

OpenAI客户端使用

import openai

client = openai.OpenAI(
    api_key="yourpassword",
    base_url="http://localhost:8000/v1"
)

# 聊天对话
response = client.chat.completions.create(
    model="qwen3-coder-plus",
    messages=[
        {"role": "user", "content": "请写一个Python快速排序算法"}
    ]
)
print(response.choices[0].message.content)

# 流式输出
response = client.chat.completions.create(
    model="qwen3-coder-plus",
    messages=[{"role": "user", "content": "讲个笑话"}],
    stream=True
)
for chunk in response:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

原生API调用

# 获取Token状态
curl -X GET http://localhost:8000/api/token-status \
  -H "Authorization: Bearer yourpassword"

# 聊天API
curl -X POST http://localhost:8000/api/chat \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer yourpassword" \
  -d '{
    "messages": [{"role": "user", "content": "你好"}],
    "model": "qwen3-coder-plus"
  }'

# 流式聊天
curl -X POST http://localhost:8000/api/chat \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer yourpassword" \
  -d '{
    "messages": [{"role": "user", "content": "你好"}],
    "model": "qwen3-coder-plus",
    "stream": true
  }'

📊 API接口文档

OpenAI兼容接口

端点	方法	描述
/v1/chat/completions	POST	聊天完成
/v1/models	GET	获取模型列表

原生API接口

端点	方法	描述
/api/login	POST	用户登录
/api/upload-token	POST	上传Token
/api/token-status	GET	Token状态
/api/refresh-token	POST	刷新所有Token
/api/chat	POST	聊天API
/api/health	GET	健康检查
/api/metrics	GET	性能指标

🐳 Docker使用

使用预构建镜像（推荐）

# 直接运行预构建镜像
docker run -d \
  --name qwen-api \
  -p 8000:8000 \
  -e API_PASSWORD=your_secure_password \
  -v $(pwd)/data:/app/data \
  ghcr.io/water008/qwenapi:latest

# 使用Docker Compose
docker-compose up -d

本地构建（可选）

# 本地构建镜像
docker build -t qwen-api .

# 运行本地构建的镜像
docker run -d \
  --name qwen-api \
  -p 8000:8000 \
  -e API_PASSWORD=yourpassword \
  -v $(pwd)/data:/app/data \
  qwen-api

🔧 开发指南

项目结构

QwenAPI/
├── src/
│   ├── main.py              # 主应用入口
│   ├── api/                 # API路由
│   ├── auth/                # 认证模块
│   ├── config/              # 配置管理
│   ├── database/            # 数据库操作
│   ├── models/              # 数据模型
│   ├── oauth/               # OAuth认证
│   ├── utils/               # 工具函数
│   └── web/                 # Web界面
├── static/                  # 静态资源
├── templates/               # HTML模板
├── data/                    # 数据存储
├── requirements.txt         # 依赖列表
├── Dockerfile              # Docker配置
├── docker-compose.yml      # Docker Compose配置
├── run.sh                  # Linux启动脚本
├── run.bat                 # Windows启动脚本
└── .env.example            # 环境变量示例

开发环境

# 安装开发依赖
pip install -r requirements.txt

# 运行开发服务器
uvicorn src.main:app --reload --host 0.0.0.0 --port 8000

# 代码检查
find src -name "*.py" -exec python -m py_compile {} \;

🚨 注意事项

• 安全第一：务必修改默认密码
• 数据备份：定期备份data/tokens.db数据库
• 环境隔离：生产环境使用Docker部署
• 日志监控：关注应用日志和性能指标
• Token安全：Token信息加密存储，勿泄露

🤝 贡献指南

1. Fork本项目
2. 创建功能分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 创建Pull Request

📄 许可证

本项目采用 MIT 许可证

🙋‍♂️ 支持与反馈

• Issues: GitHub Issues
• Discussions: GitHub Discussions

---

⭐ 如果这个项目对你有帮助，请给个Star支持一下！