Nameyn 官方指南

"models": {
  "providers": {
    "claude": {
      "baseUrl": "https://nameyn.shop",
      "apiKey": "sk-xxxxxx你的网站获取的秘钥",
      "api": "anthropic-messages",
      "models": [
        {
          "id": "claude-opus-4-6",
          "name": "claude-opus-4-6",
          "reasoning": false,
          "input": ["text"],
          "cost": {
            "input": 0,
            "output": 0,
            "cacheRead": 0,
            "cacheWrite": 0
          },
          "contextWindow": 200000,
          "maxTokens": 8192
        }
      ]
    }
  }
}

cURL 示例

cURL Example

BASH

curl https://nameyn.shop/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxxxxx" \
  -d '{
    "model": "gemini-3-pro-preview",
    "messages": [{"role": "user", "content": "Hi!"}]
  }'

Python 示例

Python Example

PYTHON

from openai import OpenAI

client = OpenAI(
    api_key="sk-xxxxxxxx",
    base_url="https://nameyn.shop/v1"
)

response = client.chat.completions.create(
    model="gemini-3-pro-preview",
    messages=[{"role": "user", "content": "Hi!"}]
)

获取 API 令牌

Get API Token

🎬 令牌配置教程

点击令牌管理

Click Token Management

显示操作项，选择添加令牌 Show options, select Add Token

输入名称并选择分组

Enter Name and Select Group

名称任意输入，点击下滑栏按需求选择令牌分组 Enter any name, select Token Group from dropdown

默认选auto分组即可！！！ Just select "auto" group by default!!!

设置过期时间和数量

Set Expiration and Quantity

过期时间选择永不过期，新建数量选择一个 Set expiration to Never, quantity to 1

设置令牌额度

Set Token Quota

令牌额度选择无限额度 Select Unlimited Quota

模型限制（可选）

Model Restrictions (Optional)

模型限制列表默认不做选择 Leave model restrictions empty by default

复制密钥

Copy Key

生成的密钥选择小眼睛旁边的点击复制即可 Click Copy button next to the generated key

Claude Code 配置指南

Claude Code Setup

GitHub farion1231/cc-switch v3.11.1（单击跳转！）

安装步骤

Installation Steps

1. 安装 Node.js

1. Install Node.js

访问 Node.js 官网，建议下载左侧的 LTS 版本，它是长期支持版，更加稳定。 Visit Node.js official website, download the LTS version on the left for better stability.

2. 安装 Git

2. Install Git

访问 Git 官网，页面会自动推荐适合你操作系统的版本，点击按钮即可下载。 Visit Git official website, the page will automatically recommend the version for your OS.

3. 安装 Claude Code

3. Install Claude Code

打开 cmd 命令行，通过 npm 安装 claude-code： Open cmd and install claude-code via npm:

BASH

npm install -g @anthropic-ai/claude-code

🎬 Claude Code 配置教程

配置步骤

Configuration Steps

1. 配置 API 信息

1. Configure API Info

启动 Claude Code 后，配置以下 API 信息： After launching Claude Code, configure the following API info:

API URL：https://nameyn.shop API URL: https://nameyn.shop
API Key：站点令牌秘钥 sk-xxxx API Key: Site token sk-xxxx
API 格式：anthropic-messages API Format: anthropic-messages
模型：claude-opus-4-6 Model: claude-opus-4-6

2. 启动

2. Start

BASH

claude

CC Switch 配置教程

CC Switch Configuration

GitHub farion1231/cc-switch v3.11.1（单击跳转下载！）

📌 关于 CC Switch📌 About CC Switch CC Switch 是一个强大的 API 切换工具，支持多种 AI 服务配置。以下是针对不同插件的详细配置教程。 CC Switch is a powerful API switching tool that supports multiple AI service configurations. Below are detailed tutorials for different plugins.

1. Claude 配置

1. Claude Configuration

打开 cc switch 并选择 Claude

Open cc switch and select Claude

启动 cc switch，根据所使用插件进行配置，选择 Claude。 Launch cc switch and select Claude based on your plugin.

点击右上角加号添加配置

Click Plus to Add Configuration

供应商名称：随意填写 Provider Name: Any name
API Key：站点令牌秘钥 API Key: Site token
请求地址：https://nameyn.shop Request URL: https://nameyn.shop
API 格式：anthropic messages（原生） API Format: anthropic messages (native)
主模型：claude-opus-4-6 Main Model: claude-opus-4-6

2. Gemini 配置

2. Gemini Configuration

打开 cc switch 并选择 Gemini

Open cc switch and select Gemini

在 cc switch 中选择 Gemini 插件。 Select Gemini plugin in cc switch.

点击右上角加号添加配置

Click Plus to Add Configuration

供应商名称：随意填写 Provider Name: Any name
API Key：站点令牌秘钥 API Key: Site token
请求地址：https://nameyn.shop Request URL: https://nameyn.shop
主模型：[次]gemini-3.1-pro-preview Main Model: [次]gemini-3.1-pro-preview

3. OpenCode 配置

3. OpenCode Configuration

打开 cc switch 并选择 OpenCode

Open cc switch and select OpenCode

在 cc switch 中选择 OpenCode 插件。 Select OpenCode plugin in cc switch.

点击右上角加号添加配置

Click Plus to Add Configuration

供应商标识：claude Provider ID: claude
供应商名称：随意填写 Provider Name: Any name
API Key：站点令牌秘钥 API Key: Site token
请求地址：https://nameyn.shop Request URL: https://nameyn.shop
主模型：claude-opus-4-6 Main Model: claude-opus-4-6
显示名称：claude-opus-4-6 Display Name: claude-opus-4-6

4. OpenClaw 配置

4. OpenClaw Configuration

选择 OpenClaw 界面

Select OpenClaw Interface

在 cc switch 中选择 OpenClaw 插件界面。 Select OpenClaw plugin interface in cc switch.

点击右上角加号添加配置

Click Plus to Add Configuration

供应商标识：claude Provider ID: claude
供应商名称：Nameyn Provider Name: Nameyn
API 协议：anthropic messages API Protocol: anthropic messages
API Key：站点令牌秘钥 API Key: Site token
API 端点：https://nameyn.shop API Endpoint: https://nameyn.shop
模型 ID：claude-opus-4-6 Model ID: claude-opus-4-6
模型名称：claude-opus-4-6 Model Name: claude-opus-4-6

💡 提示💡 Tip 所有配置都使用 auto 分组的令牌。配置完成后即可在对应的插件中使用 Nameyn 服务。如需更详细的图文教程，请参考上方视频或在 QQ群：753915287 中咨询管理员。 Use tokens from auto group for all configurations. After setup, you can use Nameyn service in the corresponding plugins. For more detailed tutorials, please refer to the video above or contact administrators in the QQ group.

Gemini CLI 配置指南

Gemini CLI Setup

🎬 Gemini CLI 配置教程

安装步骤

Installation Steps

1. 安装 Node.js

1. Install Node.js

访问 Node.js 官网，建议下载左侧的 LTS 版本，它是长期支持版，更加稳定。 Visit Node.js official website, download the LTS version on the left for better stability.

2. 安装 Git

2. Install Git

访问 Git 官网，页面会自动推荐适合你操作系统的版本，点击按钮即可下载。 Visit Git official website, the page will automatically recommend the version for your OS.

3. 安装 Gemini CLI

3. Install Gemini CLI

打开 cmd 命令行，通过 npm 安装 gemini-cli： Open cmd and install gemini-cli via npm:

BASH

npm install -g @google/gemini-cli

配置步骤

Configuration Steps

配置 (.env)

Configure (.env)

创建配置文件 (Windows: %USERPROFILE%\.gemini\.env, Mac/Linux: ~/.gemini/.env) Create config file at ~/.gemini/.env

.ENV

GOOGLE_GEMINI_BASE_URL=https://nameyn.shop
GEMINI_API_KEY=sk-xxxxxxxx
GEMINI_MODEL=gemini-2.5-pro

注意：API Key 请使用 Gemini/Vertex 分组的令牌。 Note: Use token from Gemini/Vertex group.

启动

Start

BASH

gemini

CodeX CLI 配置指南

CodeX CLI Setup

添加 agents.defaults（关键步骤）

Add agents.defaults (Key Step)

还需要告知 OpenClaw 优先使用该节点： Tell OpenClaw to use this provider by default:

JSON

"agents": {
  "defaults": {
    "model": {
      "primary": "claude/claude-opus-4-6"
    },
    "models": {
      "claude/claude-opus-4-6": {
        "alias": "claude-opus-4-6"
      }
    }
  }
}

4. 启动

4. Start

codex

Codex CC 配置指南

Codex CC Setup

📌 关于 Codex CC 📌 About Codex CC Codex CC 是一款强大的 AI 编码助手工具，支持通过自定义 API 接入 Nameyn 服务。 Codex CC is a powerful AI coding assistant tool that supports connecting to Nameyn services through custom API.

示例调用参数

Example Call Parameters

1. 获取 API Key

1. Get API Key

进入站点控制台 → 令牌管理 → 复制令牌秘钥。 Go to Site Console → Token Management → Copy Token Key.

Api Key 站点控制台 → 令牌管理 → 复制令牌秘钥

2. 填写请求地址

2. Enter Request URL

将请求地址设置为 Nameyn 的 API 接入点： Set the request URL to Nameyn's API endpoint:

请求地址 https://nameyn.shop/v1

3. 选择模型

3. Select Model

模型名称填写： Enter model name:

模型名称 gpt-5.4

配置截图

Configuration Screenshots

💡 提示💡 Tip 请使用 auto 分组的令牌。配置完成后即可在 Codex CC 中使用 Nameyn 的 API 服务。 Use token from auto group. After configuration, you can use Nameyn's API service in Codex CC.

VS Code (Cline)

🎬 Cline 配置教程

配置步骤

Configuration

安装 Cline 插件。
API Provider: OpenAI Compatible
Base URL: https://nameyn.shop/v1
API Key: 填入您的令牌
Model ID: [次]gemini-2.5-pro

OpenClaw 配置指南

OpenClaw Setup

Website https://openclaw.ai/（官网单击跳转！） GitHub openclaw/openclaw（GitHub 仓库）

⚠️ 注意 因为 Clawdbot 改名，有些插件 SDK 安装的时候注意如果安装失败，注意要改成 OpenClaw Due to Clawdbot renaming, if SDK installation fails, try using OpenClaw instead

🎬 OpenClaw 配置教程

配置文件下载

Configuration File Download

openclaw.json（点击下载完整配置文件 - Windows版） openclaw.json（点击下载完整配置文件 - Mac版）

阿里云配置教程

Alibaba Cloud Configuration

📖 官方文档 阿里云官方配置教程： Official Alibaba Cloud tutorial: https://help.aliyun.com/zh/model-studio/openclaw

配置 JSON 文件

Configure JSON File

使用以下 JSON 配置模板，替换教程中的文本为下方文本，并替换自己的密钥： Use the following JSON configuration template, replace the tutorial text with the content below, and replace with your own API key:

JSON

"models": {
  "providers": {
    "claude": {
      "baseUrl": "https://nameyn.shop",
      "apiKey": "sk-xxxxxxx秘钥",
      "api": "anthropic-messages",
      "models": [
        {
          "id": "claude-opus-4-6",
          "name": "claude-opus-4-6",
          "reasoning": false,
          "input": ["text"],
          "cost": {
            "input": 0,
            "output": 0,
            "cacheRead": 0,
            "cacheWrite": 0
          },
          "contextWindow": 200000,
          "maxTokens": 8192
        }
      ]
    }
  }
},
"agents": {
  "defaults": {
    "model": {
      "primary": "claude/claude-opus-4-6"
    },
    "models": {
      "claude/claude-opus-4-6": {
        "alias": "claude-opus-4-6"
      }
    }
  }
}

配置说明： Configuration Notes:

将 sk-xxxxxxx秘钥 替换为您从 Nameyn 网站获取的实际令牌 Replace sk-xxxxxxx秘钥 with your actual token from Nameyn
baseUrl 使用 https://nameyn.shop Use https://nameyn.shop as baseUrl
api 协议选择 anthropic-messages Use anthropic-messages as API protocol
模型使用 claude-opus-4-6 Use claude-opus-4-6 model

腾讯云配置教程

Tencent Cloud Configuration

在自定义服务器里面选择自定义模型配置

Select Custom Model Configuration in Custom Server

打开 OpenClaw，进入自定义服务器设置，选择自定义模型配置选项。 Open OpenClaw, go to custom server settings, and select custom model configuration.

配置自定义 JSON 文件

Configure Custom JSON File

使用以下 JSON 配置模板： Use the following JSON configuration template:

JSON

{
  "provider": "openai",
  "base_url": "https://nameyn.shop",
  "api": "anthropic-messages",
  "api_key": "sk-xxxxxxxxx",
  "model": {
    "id": "claude-opus-4-6",
    "name": "claude-opus-4-6"
  }
}

通用配置模板

Universal Configuration Template

如果需要其他模型，可以使用以下通用模板接入任何兼容 OpenAI/Anthropic (openai-completions/anthropic-messages) 协议的模型： For other models, use this universal template to connect any OpenAI/Anthropic compatible model:

JSON

{
  "provider": "openai",
  "base_url": "https://nameyn.shop",
  "api": "anthropic-messages",
  "api_key": "sk-xxxxxxxxx",
  "model": {
    "id": "claude-opus-4-6",
    "name": "claude-opus-4-6"
  }
}

参数说明： Parameter Description:

provider: 提供商名称（可自定义） provider: Provider name (customizable)
base_url: API 接入点 base_url: API endpoint
api: API 协议类型（openai-completions 或 anthropic-messages） api: API protocol type (openai-completions or anthropic-messages)
api_key: 您的 Nameyn 令牌 api_key: Your Nameyn token
model.id: 模型标识符 model.id: Model identifier
model.name: 模型显示名称 model.name: Model display name

一、本地部署

1. Local Deployment

安装 Node.js

Install Node.js

访问 nodejs.org 下载 LTS 长期支持版（稳定性强，适合开发/生产环境）。页面会自动识别你的系统，直接点下载按钮就行。 Visit nodejs.org to download LTS version.

💡 Node.js 安装包自带 npm（包管理器），不用单独下载。

安装 Git

Install Git

访问 git-scm.com 下载安装。Windows 建议选 64 位版本，安装时默认选项基本够用。 Visit git-scm.com to download and install.

验证安装

Verify Installation

安装完成后，打开命令行（Windows 用 CMD/PowerShell，Mac/Linux 用终端），分别输入以下命令，能显示版本号就是安装成功： After installation, open terminal and run these commands to verify:

BASH

node -v
npm -v

安装 OpenClaw

Install OpenClaw

BASH

npm i -g openclaw

二、核心配置流程

2. Core Configuration

定位配置文件

Locate Config File

OpenClaw 的配置在 openclaw.json 中。请根据您的操作系统找到它： OpenClaw config is in openclaw.json. Find it based on your OS:

操作系统	默认路径
Windows	`C:\Users\<Your_Username>\.openclaw\openclaw.json`
macOS / Linux	`~/.openclaw/openclaw.json`

添加自定义 Provider（关键步骤）

Add Custom Provider (Key Step)

在配置文件中，将以下 JSON 代码片段加入到 models.providers 块中。根据您的需求选择配置： Add the following JSON to models.providers block. Choose based on your needs:

JSON

"models": {
  "providers": {
    "claude": {
      "baseUrl": "https://nameyn.shop",
      "apiKey": "sk-xxxxxx你的网站获取的秘钥",
      "api": "anthropic-messages",
      "models": [
        {
          "id": "claude-opus-4-6",
          "name": "claude-opus-4-6",
          "reasoning": false,
          "input": ["text"],
          "cost": {
            "input": 0,
            "output": 0,
            "cacheRead": 0,
            "cacheWrite": 0
          },
          "contextWindow": 200000,
          "maxTokens": 8192
        }
      ]
    }
  }
}

添加 agents.defaults（关键步骤）

Add agents.defaults (Key Step)

还需要告知 OpenClaw 优先使用该节点。根据上面选择的 Provider 配置对应的 defaults： Tell OpenClaw to use this provider by default. Configure based on your chosen provider:

JSON

"agents": {
  "defaults": {
    "model": {
      "primary": "claude/claude-opus-4-6"
    },
    "models": {
      "claude/claude-opus-4-6": {
        "alias": "claude-opus-4-6"
      }
    }
  }
}

配置文件下载

Configuration File Download

在配置文件中，将以下 JSON 代码片段加入到 models.providers 块中： Add the following JSON to models.providers block:

📦 openclaw.json（点击下载完整配置文件 - Windows版） 📦 openclaw.json（点击下载完整配置文件 - Mac版）

三、启动服务

3. Start Service

启动网关服务

Start Gateway Service

BASH

openclaw gateway

打开链接

Open Link

还需要告知 OpenClaw 优先使用该节点： Tell OpenClaw to use this provider by default:

URL http://localhost:18789

💡 提示💡 Tip 请使用 auto 分组的令牌。详细配置步骤请观看上方视频教程。 Use token from auto group. Watch the video tutorial above for detailed configuration steps.

OpenCode 配置指南

OpenCode Setup

Website https://opencode.ai（单击跳转！）

🎬 OpenCode 配置教程

配置步骤

Configuration Steps

创建配置文件

Create Config File

在项目根目录创建 opencode.json 配置文件： Create opencode.json config file in project root:

JSON

{
  "$schema": "https://opencode.ai/config.json",
  "theme": "opencode",
  "provider": {
    "google": {
      "options": {
        "apiKey": "YOUR_API_KEY_HERE",
        "baseURL": "https://nameyn.shop/v1"
      }
    }
  },
  "model": "google/gemini-3-pro-preview",
  "autoupdate": true
}

配置说明

Configuration Details

apiKey：将 YOUR_API_KEY_HERE 替换为您的 Nameyn 令牌 apiKey: Replace YOUR_API_KEY_HERE with your Nameyn token
baseURL：API 接入点 https://nameyn.shop/v1 baseURL: API endpoint https://nameyn.shop/v1
model：使用 google/gemini-3-pro-preview 模型 model: Use google/gemini-3-pro-preview model

💡 提示💡 Tip 请使用 auto 分组的令牌。配置完成后，OpenCode 将自动使用 Nameyn 的 API 服务。 Use token from auto group. After configuration, OpenCode will automatically use Nameyn's API service.

Copaw 配置指南

Copaw Setup

Website https://copaw.agentscope.io/docs/quickstart（配置安装教程）

配置步骤

Configuration Steps

1. 选择模型添加供应商

1. Select Model and Add Provider

在 Copaw 中选择模型，然后添加供应商配置。 Select a model in Copaw and add provider configuration.

2. 新建并添加模型

2. Create and Add Model

创建新的模型配置，填写从 Nameyn 网站模型广场复制的模型名称（按量模型）。 Create new model configuration and enter the model name copied from Nameyn model marketplace (pay-per-use model).

3. 配置 API 信息

3. Configure API Information

API 地址: https://nameyn.shop/v1 API URL: https://nameyn.shop/v1
API Key: 填入您的 Nameyn 令牌 API Key: Enter your Nameyn token
模型名称: 从模型广场复制的按量模型名称 Model Name: Pay-per-use model name from marketplace

4. 保存设置

4. Save Settings

保存配置后即可开始使用 Copaw 进行聊天。 After saving the configuration, you can start chatting with Copaw.

💡 提示💡 Tip 请使用 auto 分组的令牌。配置完成后，Copaw 将自动使用 Nameyn 的 API 服务。建议选择按量计费的模型以获得更好的性价比。 Use token from auto group. After configuration, Copaw will automatically use Nameyn's API service. Pay-per-use models are recommended for better cost efficiency.

Dify

URL https://cloud.dify.ai

配置步骤

Configuration

设置 -> 模型供应商 -> OpenAI-API-compatible
URL: https://nameyn.shop/v1
API Key: 填入您的令牌
Model: [次]gemini-2.5-pro

n8n

🎬 n8n 配置教程

配置步骤

Configuration

添加 OpenAI 模块 -> Message a model
Credential: Create New -> Custom
URL: https://nameyn.shop/v1
API Key: 填入您的令牌
Model: [次]gemini-2.5-pro

Easydict (macOS)

GitHub tisfeng/Easydict

配置步骤

Configuration

服务: OpenAI 翻译
API Key: 填入您的令牌
完整地址 (Full URL): https://nameyn.shop/v1/chat/completions
Model: [次]gemini-2.5-pro

Python SDK

🎬 Python SDK 配置教程

PYTHON - 基础调用示例

from openai import OpenAI

# 初始化客户端
client = OpenAI(
    api_key="sk-xxxxxxxx",              # 填入您的令牌
    base_url="https://nameyn.shop/v1" # API 接入点
)

# 发送请求
response = client.chat.completions.create(
    model="[次]gemini-2.5-pro",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"}
    ],
    stream=False
)

print(response.choices[0].message.content)

🎬 Python 分析视频教程

PYTHON - 视频分析代码

import cv2
import base64
import requests
import os
import math

class VideoAnalyzer:
    def __init__(self, video_path):
        self.video_path = video_path
        if not os.path.exists(video_path):
            raise FileNotFoundError(f"❌ 找不到视频文件: {video_path}")
        
    def get_metadata(self):
        """1. 获取视频基础技术参数"""
        cap = cv2.VideoCapture(self.video_path)
        
        if not cap.isOpened():
            return None

        fps = cap.get(cv2.CAP_PROP_FPS)
        frame_count = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
        width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
        height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
        duration = frame_count / fps if fps > 0 else 0
        
        cap.release()
        
        return {
            "width": width,
            "height": height,
            "fps": round(fps, 2),
            "frame_count": frame_count,
            "duration_sec": round(duration, 2),
            "file_size_mb": round(os.path.getsize(self.video_path) / (1024 * 1024), 2)
        }

    def extract_keyframes(self, max_frames=5, target_width=512):
        """2. 抽取关键帧用于AI分析"""
        print("📸 正在抽取关键帧...")
        cap = cv2.VideoCapture(self.video_path)
        total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
        
        if total_frames == 0:
            return []
            
        interval = max(1, total_frames // max_frames)
        base64_frames = []
        
        for i in range(0, total_frames, interval):
            if len(base64_frames) >= max_frames:
                break
                
            cap.set(cv2.CAP_PROP_POS_FRAMES, i)
            ret, frame = cap.read()
            
            if ret:
                h, w, _ = frame.shape
                aspect_ratio = h / w
                new_height = int(target_width * aspect_ratio)
                resized_frame = cv2.resize(frame, (target_width, new_height))
                
                _, buffer = cv2.imencode('.jpg', resized_frame)
                
                base64_str = base64.b64encode(buffer).decode('utf-8')
                base64_frames.append(base64_str)
        
        cap.release()
        print(f"✅ 成功抽取 {len(base64_frames)} 帧关键画面")
        return base64_frames

    def analyze_content_with_ai(self, api_key, base64_frames):
        """3. 调用视觉大模型解析视频内容"""
        print("🧠 正在请求 AI 分析视频内容...")
        
        url = "https://nameyn.shop/v1/chat/completions"
        
        content_payload = [
            {"type": "text", "text": "这是同一个视频中按时间顺序抽取的几帧画面。请详细描述这个视频里发生了什么？包括场景、人物动作、氛围和主要事件。"}
        ]
        
        for b64 in base64_frames:
            content_payload.append({
                "type": "image_url",
                "image_url": {
                    "url": f"data:image/jpeg;base64,{b64}",
                    "detail": "low"
                }
            })

        payload = {
            "model": "[次]gemini-3-pro-preview", 
            "messages": [{"role": "user", "content": content_payload}],
            "max_tokens": 1000,
            "stream": True
        }

        try:
            response = requests.post(url, headers={"Authorization": f"Bearer {api_key}"}, json=payload, stream=True)
            
            print("\n📝 视频分析报告:\n" + "="*30)
            full_analysis = ""
            
            for line in response.iter_lines():
                if line:
                    decoded = line.decode('utf-8')
                    if decoded.startswith('data: ') and decoded != 'data: [DONE]':
                        try:
                            chunk = decoded[6:]
                            import json
                            delta = json.loads(chunk)['choices'][0]['delta'].get('content', '')
                            print(delta, end='', flush=True)
                            full_analysis += delta
                        except:
                            pass
            
            print("\n" + "="*30)
            return full_analysis
            
        except Exception as e:
            print(f"❌ 分析失败: {e}")
            return None

# 使用示例
if __name__ == "__main__":
    video_file = r"你的视频文件路径.mp4"  # 替换为你的视频文件路径
    my_api_key = "sk-xxxxxxxx"  # 替换为你的API Key
    
    if not os.path.exists(video_file):
        print(f"⚠️ 未找到 {video_file}，请先准备一个视频文件。")
    else:
        analyzer = VideoAnalyzer(video_file)
        meta = analyzer.get_metadata()
        print(f"\n📊 视频元数据: {meta}")
        frames = analyzer.extract_keyframes(max_frames=5)
        if frames:
            analyzer.analyze_content_with_ai(my_api_key, frames)

🎬 Python 分析图片教程

PYTHON - 图片分析代码

import requests, json, base64

API_URL = "https://nameyn.shop/v1/chat/completions"
API_KEY = "Bearer sk-xxxxxxxx"  # 替换为你的API Key

def analyze_image(img_path):
    """分析图片"""
    with open(img_path, "rb") as f:
        img_base64 = base64.b64encode(f.read()).decode()
    
    payload = {
        "model": "[次]gemini-3-pro-preview",  # 模型名称
        "messages": [{
            "role": "user",
            "content": [
                {"type": "text", "text": "请描述这张图片"},
                {
                    "type": "image_url",
                    "image_url": {"url": f"data:image/jpeg;base64,{img_base64}"}
                }
            ]
        }],
        "stream": True
    }
    
    headers = {
        "Content-Type": "application/json",
        "Authorization": API_KEY
    }
    
    response = requests.post(API_URL, json=payload, headers=headers, stream=True)
    for line in response.iter_lines():
        if line:
            line = line.decode('utf-8').replace('data: ', '')
            if line.strip() == '[DONE]': break
            try:
                data = json.loads(line)
                if content := data['choices'][0]['delta'].get('content'):
                    print(content, end="", flush=True)
            except:
                continue
    print()

# 使用示例
analyze_image(r"你的图片路径.jpg")  # 替换为实际图片路径

🎬 Python 视频生成教程

PYTHON - 视频生成代码

import requests
import time
import json
import os

def generate_video_stream_with_retry(prompt, api_key, max_retries=3):
    """带重试机制的流式视频生成指令获取函数"""
    base_url = "https://nameyn.shop/v1/chat/completions"
    
    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json"
    }

    payload = {
        "model": "veo_3_1",
        "messages": [
            {
                "role": "user",
                "content": f"请帮我生成一个视频，描述是：{prompt}。请告诉我视频生成的步骤或直接提供视频链接。"
            }
        ],
        "max_tokens": 5000,
        "temperature": 0.7,
        "stream": True
    }

    for attempt in range(max_retries):
        print(f"\n🔄 尝试 {attempt + 1}/{max_retries}...")
        full_content = ""
        
        try:
            response = requests.post(base_url, headers=headers, json=payload, timeout=120, stream=True)
            
            if response.status_code != 200:
                print(f"❌ 请求失败，状态码: {response.status_code}")
                if 500 <= response.status_code < 600:
                    print("⏳ 服务器端错误，等待后重试...")
                    time.sleep(5)
                    continue
                else:
                    return None

            print("✅ 连接成功，开始接收数据流...\n")
            print("-" * 30)

            for line in response.iter_lines():
                if line:
                    decoded_line = line.decode('utf-8')
                    if decoded_line.startswith('data: '):
                        data_str = decoded_line[6:]
                        if data_str.strip() == '[DONE]':
                            print("\n" + "-" * 30)
                            print("\n✅ 流式传输结束")
                            break
                        try:
                            data_json = json.loads(data_str)
                            delta = data_json['choices'][0]['delta'].get('content', '')
                            if delta:
                                print(delta, end='', flush=True)
                                full_content += delta
                        except json.JSONDecodeError:
                            continue
            
            if full_content:
                with open("ai_response.txt", "w", encoding="utf-8") as f:
                    f.write(full_content)
                print(f"📝 完整回复已保存到 ai_response.txt")
                return full_content
            else:
                print("⚠️ 未接收到任何内容")
                return None

        except requests.exceptions.Timeout:
            print("⏰ 连接超时")
            time.sleep(5)
            continue
        except Exception as e:
            print(f"❌ 未知错误: {e}")
            return None

    print(f"😞 经过 {max_retries} 次尝试后仍然失败")
    return None

# 使用示例
if __name__ == "__main__":
    my_api_key = "sk-xxxxxxxx"  # 替换为你的API Key
    
    result = generate_video_stream_with_retry(
        prompt="在海上冲浪的狗",
        api_key=my_api_key,
        max_retries=5
    )
    
    if result:
        print("\n🎬 任务完成")
    else:
        print("\n❌ 任务失败")

🎬 Python 图片生成教程

PYTHON - 图片生成代码

import requests
import json
import os
import re
from datetime import datetime
from pathlib import Path
from typing import Optional, Dict, Any, List
from urllib.parse import urlparse

class ImageGenerator:
    def __init__(self):
        self.api_key = "sk-xxxxxxxx"  # 替换为你的API密钥
        self.api_url = "https://nameyn.shop/v1/chat/completions"
        self.model = "nano-banana"
        self.headers = {
            "Authorization": f"Bearer {self.api_key}",
            "Content-Type": "application/json"
        }
        
    def generate_image(self, prompt: str, save_dir: str = "./generated_images") -> Dict[str, Any]:
        """生成图像并返回图片链接"""
        Path(save_dir).mkdir(parents=True, exist_ok=True)
        
        payload = {
            "model": self.model,
            "messages": [{"role": "user", "content": f"Generate an image based on this prompt: {prompt}"}],
            "max_tokens": 1000
        }
        
        print(f"正在生成图像...")
        print(f"提示词: {prompt}")
        
        try:
            response = requests.post(self.api_url, headers=self.headers, json=payload, timeout=600)
            
            if response.status_code == 200:
                return self._process_response(response, prompt, save_dir)
            else:
                print(f"API请求失败: {response.status_code}")
                return {"success": False, "error": f"HTTP {response.status_code}", "image_links": []}
                
        except requests.exceptions.RequestException as e:
            print(f"请求异常: {e}")
            return {"success": False, "error": str(e), "image_links": []}
    
    def _process_response(self, response, prompt, save_dir):
        result = {"success": False, "image_links": [], "content": "", "error": None}
        
        try:
            response_data = response.json()
            if "choices" in response_data and response_data["choices"]:
                content = response_data["choices"][0]["message"]["content"]
                result["content"] = content
                print(f"API响应内容: {content}")
                
                # 提取图片链接
                url_patterns = [
                    r'https?://[^\s]+?\.(?:jpg|jpeg|png|gif|bmp|webp)',
                    r'https?://[^\s]+?/image/[^\s]+',
                ]
                
                found_links = []
                for pattern in url_patterns:
                    matches = re.findall(pattern, content, re.IGNORECASE)
                    found_links.extend(matches)
                
                if found_links:
                    result["success"] = True
                    result["image_links"] = found_links
                    print(f"找到图片链接: {found_links}")
                else:
                    result["success"] = True
                    result["note"] = "API返回的是文本描述，未找到图片链接"
                    
        except Exception as e:
            result["error"] = f"处理响应失败: {e}"
        
        return result

def main():
    print("🎨 图像生成脚本")
    print("-" * 50)
    
    generator = ImageGenerator()
    prompt = "一只可爱的小狗在花园里玩耍"  # 修改这里的prompt内容
    
    result = generator.generate_image(prompt=prompt, save_dir="./test_images")
    
    print("\n" + "=" * 50)
    if result.get("success", False):
        print("✅ 请求成功!")
        if result.get("image_links"):
            print(f"\n📷 找到 {len(result['image_links'])} 个图片链接:")
            for i, link in enumerate(result["image_links"], 1):
                print(f"  {i}. {link}")
    else:
        print(f"❌ 生成失败: {result.get('error', '未知错误')}")

if __name__ == "__main__":
    main()

图片识别Vision Support 如果需要发送图片，请使用模型 gemini-2.5-flash-image-preview 并参考标准 OpenAI Vision 格式。

Cursor

Website https://cursor.com/（单击跳转下载！）

🎬 Cursor 配置教程

配置指南

Configuration Guide

打开设置

Open Settings

点击右上角的齿轮图标 ⚙️，选择 Models 选项 Click the gear icon ⚙️ in the top right corner, select Models

配置 API

Configure API

OpenAI API Key：输入您的 API 密钥（直接用默认令牌即可） OpenAI API Key: Enter your API key (use default token)
Override OpenAI Base URL：勾选并输入 https://nameyn.shop/v1 Override OpenAI Base URL: Check and enter https://nameyn.shop/v1
点击 Verify 验证配置 Click Verify to validate configuration
输入模型名称：gemini-2.5-pro Enter model name: gemini-2.5-pro

⚠️ 重要提示⚠️ Important Note Cursor 目前不支持 Agent 模式，只能使用 Chat 聊天对话模式。您可以在对话过程中让 AI 生成代码，然后手动应用到实际代码中。如果您是新手并且非常依赖 Agent 模式进行 Vibe Coding，建议使用 VS Code 的 RooCode 或 Cline 插件（支持 Agent 模式）作为替代方案。 Cursor currently does not support Agent mode, only Chat mode is available. You can ask AI to generate code during conversation and manually apply it. If you're a beginner relying on Agent mode for Vibe Coding, consider using VS Code with RooCode or Cline plugins (which support Agent mode) as alternatives.

Cursor 配置 Cline 插件教程

Cursor Cline Plugin Setup

Website https://cursor.com（单击跳转下载！）

配置步骤

Configuration Steps

点击扩展按钮搜索 cline 插件 Click extensions and search for cline plugin
配置 URL: https://nameyn.shop/v1 Configure URL: https://nameyn.shop/v1
密钥：nova 网站令牌管理下面密钥复制 API Key: Copy from Nova token management
模型名称：[次]gemini-3.1-pro-preview-thinking Model: [次]gemini-3.1-pro-preview-thinking

💡 提示💡 Tip 请使用 auto 分组的令牌。配置完成后即可在 Cursor 中使用 Cline 插件。 Use token from auto group. After configuration, you can use Cline plugin in Cursor.

Trae 配置 Cline 插件教程

Trae Cline Plugin Setup

Website https://www.trae.ai（单击跳转下载！）

配置步骤

Configuration Steps

点击扩展按钮搜索 cline 插件 Click extensions and search for cline plugin
配置 URL: https://nameyn.shop/v1 Configure URL: https://nameyn.shop/v1
密钥：nova 网站令牌管理下面密钥复制 API Key: Copy from Nova token management
模型名称：[次]gemini-3.1-pro-preview-thinking Model: [次]gemini-3.1-pro-preview-thinking

💡 提示💡 Tip 请使用 auto 分组的令牌。配置完成后即可在 Trae 中使用 Cline 插件。 Use token from auto group. After configuration, you can use Cline plugin in Trae.

Trae 配置教程

Trae Setup

Website https://www.trae.ai（单击跳转下载！）

1. 打开 Trae 后点击设置

1. Open Trae and Click Settings

2. 点击"模型"

2. Click "Models"

3. 点击"添加模型"

3. Click "Add Model"

4. 填入 API 信息

4. Fill in API Info

供应商：OpenAIProvider: OpenAI
模型：自定义模型Model: Custom Model
模型 ID：gemini-3.1-pro-preview（可从模型广场挑选）Model ID: gemini-3.1-pro-preview (pick from marketplace)
API 秘钥：sk-秘钥（在令牌管理界面获取）API Key: sk-key from Token Management
自定义请求地址：https://nameyn.shop/v1/chat/completionsCustom URL: https://nameyn.shop/v1/chat/completions

5. 确认保存并开启"自定义"

5. Save and Enable "Custom"

点击确认保存后打开"自定义"，然后开启刚刚配置的模型。 Click confirm to save, then enable the configured model under "Custom".

6. 点击"AI 侧边栏"

6. Click "AI Sidebar"

7. 切换至配置好的模型

7. Switch to Configured Model

点击模型列表，切换到刚刚配置好的模型。 Click model list and switch to the configured model.

8. 配置完成，开始使用

8. Configuration Complete

💡 请将"教程图片/trae配置教程/"目录下放入对应的截图（图片1.png ~ 图片8.png）。 Please place screenshots in "教程图片/trae配置教程/" (图片1.png ~ 图片8.png).

Roo Code 配置教程

Roo Code Setup

1. 安装完 Roo Code 后点击 "use without an account"

1. After Install, Click "Use Without an Account"

2. 选择第三方供应商

2. Select Third-Party Provider

3. 填入 Nameyn 配置信息

3. Fill in Nameyn Configuration

API 供应商：OpenAI CompletionsAPI Provider: OpenAI Completions
OpenAI 基础 URL：https://nameyn.shop/v1OpenAI Base URL: https://nameyn.shop/v1
API 秘钥：sk-站点令牌秘钥API Key: sk-your token
模型输入完之后即可获取并选择使用Models can be fetched and selected after input

4. 配置完成即可使用

4. Ready to Use After Configuration

💡 请将"教程图片/roo code配置教程/"目录下放入对应的截图（图片1.png ~ 图片4.png）。 Please place screenshots in "教程图片/roo code配置教程/" (图片1.png ~ 图片4.png).

QwenPaw 配置教程

QwenPaw Setup

1. 进入 QwenPaw 页面后点击 Model 选项

1. Open QwenPaw and Click Model

点击 model 选项进入供应商配置界面。 Click "model" to enter provider configuration.

2. 点击 Add Provider 添加供应商

2. Click Add Provider

3. 填入 API 信息

3. Fill in API Info

Provider ID：openai
Display Name：Nameyn
Default Base URL：https://nameyn.shop/v1
Protocol：OpenAI-completions (Chat Completions)

填入信息后点击 create 按钮。 Click "create" after filling in the info.

4. 搜索并配置 Nameyn

4. Search and Configure Nameyn

添加完成后在搜索框搜索 Nameyn，点击 Models 按钮添加模型。 After adding, search "Nameyn" and click Models to add models.

5. 添加模型

5. Add Model

点击 Add Model，输入 Model ID 和 Model Name（要与模型广场一致），例如 qwen-3.5-plus、[次]gemini-3.1-pro-preview 等。 Click Add Model, enter Model ID and Name (must match model marketplace), e.g., qwen-3.5-plus, [次]gemini-3.1-pro-preview.

6. 测试模型

6. Test Model

添加之后可以点击测试按钮测试模型可用性，还可以测试多模态。 Click the test button to verify availability, including multimodal capability.

7. 回到对话页面使用

7. Use in Chat

测试成功后点击 chat 按钮回到对话页面，在对话界面右上角选择 Nameyn 供应商和模型即可。 After testing, click chat to return. Select Nameyn provider and model in the top right.

💡 请将"教程图片/QwenPaw配置教程/"目录下放入对应的截图（图片1.png ~ 图片12.png）。 Please place screenshots in "教程图片/QwenPaw配置教程/" (图片1.png ~ 图片12.png).

WorkBuddy 配置教程

WorkBuddy Setup

1. 点击模型选择

1. Click Model Selection

2. 配置自定义模型

2. Configure Custom Model

3. 选择自定义供应商

3. Select Custom Provider

点击供应商类别，把供应商换成自定义供应商。 Click provider category and switch to custom provider.

4. 配置 API 信息

4. Configure API Info

API key：令牌管理界面的令牌秘钥API Key: From Token Management
接口地址：https://nameyn.shop/v1/chat/completions
模型名称：qwen-3.5-plus
输入：1000000，输出：64kInput: 1000000, Output: 64k

5. 保存并重启软件

5. Save and Restart

保存之后重启软件，然后在模型选择中选取自定义模型。 Save and restart the software, then select your custom model.

6. 配置完后即可使用

6. Ready to Use

💡 请将"教程图片/WorkBuddy配置教程/"目录下放入对应的截图（图片1.png ~ 图片6.png）。 Please place screenshots in "教程图片/WorkBuddy配置教程/" (图片1.png ~ 图片6.png).

Claude Code 配置 GPT 模型 (CC Switch)

Claude Code Configuring GPT Model (CC Switch)

📌 使用 CC Switch 让 Claude Code 调用 GPT/OpenAI 系列模型，需要将 API 格式换成 OpenAI Chat Completions。 To use Claude Code with GPT/OpenAI models via CC Switch, switch the API format to OpenAI Chat Completions.

配置步骤

Configuration Steps

1. 在 CC Switch 中配置

1. Configure in CC Switch

打开 CC Switch，要把 API 格式换成 OpenAI Chat Completions。 Open CC Switch and switch API Format to OpenAI Chat Completions.

API 格式：OpenAI Chat Completions
请求地址：https://nameyn.shop/v1
API Key：站点令牌秘钥
模型：例如 gpt-5.4 等 GPT 系列模型

2. 调用案例

2. Usage Example

配置完成后，即可在 Claude Code 中正常调用 GPT/OpenAI 模型。 After configuration, you can call GPT/OpenAI models directly in Claude Code.

💡 请将"教程图片/claude code配置gpt模型/"目录下放入对应的截图。 Please place screenshots in "教程图片/claude code配置gpt模型/".

Hermes Agent 配置指南

Hermes Agent Setup

📌 关于 Hermes Agent 📌 About Hermes Agent Hermes Agent 是一款 AI 代理工具，通过修改 .env 配置文件即可接入 Nameyn 服务。 Hermes Agent is an AI agent tool that can connect to Nameyn services by modifying the .env configuration file.

配置步骤

Configuration Steps

更改 hermes-agent 文件夹下的 .env 文件： Modify the .env file in the hermes-agent folder:

1. 找到 LLM PROVIDER (OpenRouter) 部分

1. Find LLM PROVIDER (OpenRouter) Section

在 .env 文件中搜索找到 LLM PROVIDER (OpenRouter) 部分。 Search for the LLM PROVIDER (OpenRouter) section in the .env file.

2. 更改 OPENROUTER_BASE_URL 路径并添加 API Key

2. Change OPENROUTER_BASE_URL and Add API Key

将 OPENROUTER_BASE_URL 改为以下地址，并且把前面的 # 号删掉（取消注释）： Change OPENROUTER_BASE_URL to the following URL and remove the # prefix (uncomment):

.ENV

OPENROUTER_BASE_URL=https://nameyn.shop

然后在 OPENROUTER_BASE_URL 下方添加一条新指令： Then add a new line below OPENROUTER_BASE_URL:

.ENV

OPENROUTER_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxx

将 sk-xxxxxxxxxxxxxxxxxxxxxxx 替换为您从 Nameyn 网站获取的实际令牌秘钥。 Replace sk-xxxxxxxxxxxxxxxxxxxxxxx with your actual token from Nameyn.

3. 更改 LLM_MODEL

3. Change LLM_MODEL

找到 LLM_MODEL 配置项，把前面的 # 号删掉（取消注释），并将值改为： Find the LLM_MODEL configuration, remove the # prefix (uncomment), and change the value to:

.ENV

LLM_MODEL=anthropic/claude-opus-4.6

完整配置示例

Complete Configuration Example

.ENV

# LLM PROVIDER (OpenRouter)
OPENROUTER_BASE_URL=https://nameyn.shop
OPENROUTER_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxx

LLM_MODEL=anthropic/claude-opus-4.6

💡 模型命名规则提示💡 Model Naming Convention anthropic/claude-opus-4.6 是模型名称。不同厂商的模型有统一的前缀命名规则： anthropic/claude-opus-4.6 is the model name. Different providers follow a unified prefix naming convention:

Claude 系列：使用 anthropic/ 开头，例如 anthropic/claude-opus-4.6 Claude models: Use anthropic/ prefix, e.g., anthropic/claude-opus-4.6
Gemini 系列：使用 google/ 开头，例如 google/gemini-2.5-pro Gemini models: Use google/ prefix, e.g., google/gemini-2.5-pro
GPT 系列：使用 openai/ 开头，例如 openai/gpt-4o GPT models: Use openai/ prefix, e.g., openai/gpt-4o

AstrBot 配置指南

AstrBot Setup

📌 关于 AstrBot 📌 About AstrBot AstrBot 是一款 AI 机器人平台，支持通过 OpenAI Compatible API 接入 Nameyn 服务。 AstrBot is an AI bot platform that supports connecting to Nameyn services through OpenAI Compatible API.

配置步骤

Configuration Steps

1. 首次登录后点击配置 API

1. Click Configure API After First Login

首次登录 AstrBot 之后，点击配置 API按钮。 After first login to AstrBot, click the Configure API button.

2. 点击新增按钮

2. Click Add Button

点击新增按钮来添加新的 API 配置。 Click the Add button to create a new API configuration.

3. 选择 OpenAI Compatible

3. Select OpenAI Compatible

在 API 类型中选择 OpenAI Compatible。 Select OpenAI Compatible as the API type.

4. 填入配置信息并保存

4. Fill in Configuration and Save

填入 ID、API Key、API Base URL 后点击保存配置，然后点击获取模型。 Enter ID, API Key, API Base URL, then click Save Configuration and Get Models.

API Key：填入您的 Nameyn 令牌秘钥 API Key: Enter your Nameyn token
API Base URL：https://nameyn.shop/v1 API Base URL: https://nameyn.shop/v1

5. 获取模型列表

5. Get Model List

保存配置后可以看到获取到站点所有的模型。 After saving, you can see all available models from the site.

6. 搜索并选择模型

6. Search and Select Model

可以通过搜索栏搜索模型，例如选用按次计费的 gemini-3.1-pro-preview。 You can search for models via the search bar, e.g., select pay-per-use gemini-3.1-pro-preview.

7. 选用 Chat 模式

7. Select Chat Mode

选用 Chat 聊天模式。 Select Chat mode.

8. 选择配置好的模型

8. Select Configured Model

点击 Model 按钮，选用刚刚配置好的模型。 Click the Model button and select the model you just configured.

9. 开始使用

9. Start Using

配置完成后，就可以通过对话来使用模型了。 After configuration, you can start using the model through conversations.

10. 开始对话

10. Start Chatting

配置完成后，就可以通过对话来使用模型了。 After configuration, you can start using the model through conversations.

💡 提示💡 Tip 请使用 auto 分组的令牌。配置完成后即可在 AstrBot 中使用 Nameyn 的所有模型。 Use token from auto group. After configuration, you can use all Nameyn models in AstrBot.

Kelivo

1. 打开设置

1. Open Settings

打开 Kelivo 后，点击左下角的设置按钮。 After opening Kelivo, click the Settings button in the bottom left corner.

2. 选择供应商并填写 API 信息

2. Select Provider and Fill in API Info

选用 OpenAI 供应商，然后填入相应 API 信息： Select OpenAI provider, then fill in the API information:

API Key 令牌管理中令牌的 sk 秘钥

API Base URL https://nameyn.shop/v1

3. 完成配置

3. Complete Configuration

配置后即可正常使用 Kelivo。 After configuration, you can use Kelivo normally.

💡 提示💡 Tip API Key 请在站内令牌管理页面获取 sk 开头的秘钥。请使用 auto 分组的令牌。 Get your API Key (starts with sk) from the Token Management page. Use token from auto group.

OpenCowork 配置教程

OpenCowork Setup

📌 关于 OpenCowork 📌 About OpenCowork OpenCowork 是一款支持自定义 API 的 AI 协作工具，可通过简单配置接入 Nameyn 服务。 OpenCowork is an AI collaboration tool that supports custom APIs, easily configurable to use Nameyn services.

配置步骤

Configuration Steps

1. 点击设置按钮

1. Click Settings Button

在 OpenCowork 界面点击设置按钮（左下角齿轮）。 Click the settings button (gear icon in the bottom left) on the OpenCowork interface.

2. 进入 API 设置

2. Enter API Settings

进入设置页面之后选择 API 设置。 After entering the settings page, select API Settings.

3. 配置 API 信息

3. Configure API Info

进入 API 设置界面之后填写以下信息： After entering the API settings interface, fill in the following information:

API 供应商：选择"更多模型" API Provider: Select "More Models"
API 秘钥：站点令牌秘钥 sk-xxxx（在站点令牌管理界面获取） API Key: Site token sk-xxxx (from Token Management)
协议：OpenAI Protocol: OpenAI
基础 URL：https://nameyn.shop/v1 Base URL: https://nameyn.shop/v1
模型：[次]gemini-3.1-pro-preview Model: [次]gemini-3.1-pro-preview

填完信息后点击保存设置。 After filling in the information, click Save Settings.

4. 返回对话页面使用

4. Return to Chat and Use

设置完后返回对话页面即可正常使用。 After setting up, return to the chat page to start using.

💡 提示💡 Tip 请使用 auto 分组的令牌。请将对应的截图放入"教程图片/OpenCowork配置教程/"目录下（图片1.png ~ 图片7.png）。 Use token from auto group. Please place screenshots in "教程图片/OpenCowork配置教程/" (图片1.png ~ 图片7.png).

Zotero 翻译文献教程

Zotero Translation Tutorial

下载 https://www.zotero.org/download/（Zotero 官方下载，单击跳转！）插件 Zotero 插件商店 | Zotero 中文社区（Awesome GPT 插件，单击跳转！）

配置步骤

Configuration Steps

1. 安装 Zotero 与 Awesome GPT 插件

1. Install Zotero and Awesome GPT Plugin

访问 Zotero 官网下载并安装 Zotero，然后在 Zotero 中文社区插件商店中下载 Awesome GPT 插件并安装。 Download and install Zotero, then install the Awesome GPT plugin from the Zotero Chinese community plugin store.

2. 配置 Awesome GPT 插件

2. Configure Awesome GPT Plugin

配置 URL：https://nameyn.shop Config URL: https://nameyn.shop
密钥：从 Nova 网站令牌管理下方复制 sk- 开头的密钥 API Key: Copy sk- key from Nova Token Management
模型名称：[次]gemini-3.1-pro-preview-thinking Model: [次]gemini-3.1-pro-preview-thinking

💡 提示💡 Tip 请使用 auto 分组的令牌。配置完成后即可在 Zotero 中通过 Awesome GPT 插件实现文献翻译功能。 Use token from auto group. After configuration, you can translate literature through the Awesome GPT plugin in Zotero.

Chatbox

Website https://chatboxai.app（单击跳转！）

🎬 Chatbox 电脑端配置教程

🎬 Chatbox 手机端配置教程

配置步骤

Configuration

设置 -> 模型提供方 -> 手动添加配置 (Custom)
API 模式：OpenAI API 兼容
API Host: https://nameyn.shop/v1
API Key: 填入您的令牌
模型 (Model): [次]gemini-2.5-pro
注意：勾选所有模型能力，开启"改善网络兼容性"。

Cherry Studio

Download https://www.cherry-ai.com/download（单击跳转下载！）

🎬 Cherry Studio 配置教程

配置步骤

Configuration

访问 Cherry Studio 官网下载并安装客户端 Visit Cherry Studio official website to download and install
打开 Cherry Studio 后选择其他供应商 After opening Cherry Studio, select Other Provider
点击下方添加按钮，新建供应商配置 Click Add button to create a new provider
填入供应商名称（如：Nameyn）和类型后点击确定 Fill in Provider Name (e.g., Nameyn) and Type, click OK
API 地址: https://nameyn.shop API URL: https://nameyn.shop
API Key: 填入您的令牌 API Key: Enter your token
点击获取模型列表获得所有可用模型 Click Get Model List to get all available models
点击确定后选用默认模型、快速模型和翻译模型 Click OK then select Default Model, Quick Model, and Translation Model
注意：Cherry Studio 不需要在末尾加 /v1。 Note: Cherry Studio does not need /v1 at the end.

Cherry Studio 绘图配置教程

Cherry Studio Image Generation Setup

配置步骤

Configuration Steps

1. 点击左上角加号

1. Click the Plus Icon in Top Left

2. 选择绘画

2. Select Drawing

3. 供应商选择 New API

3. Select New API as Provider

4. 点击设置按钮配置模型

4. Click Settings to Configure Model

5. 配置 API 秘钥 + API 地址，获取模型

5. Configure API Key + URL, Get Models

填入 API 秘钥和 API 地址后，点击获取模型，然后搜索 gpt-image-2。 Enter API Key and URL, click Get Models, then search for gpt-image-2.

6. 点击模型旁边的小齿轮设置按钮

6. Click the Gear Icon Next to Model

7. 终点类型换成"图像生成(OpenAI)"并保存

7. Change Endpoint Type to "Image Generation (OpenAI)" and Save

把终点类型换成图像生成(OpenAI)，然后点击保存。 Switch endpoint type to Image Generation (OpenAI), then click Save.

8. 返回绘图界面即可使用

8. Return to Drawing Interface to Use

返回绘图界面之后即可调用使用。 Return to the drawing interface and start using it.

💡 提示💡 Tip 请使用 auto 分组的令牌。模型选择 gpt-image-2，终点类型务必设置为图像生成(OpenAI)。 Use token from auto group. Select gpt-image-2 model and make sure endpoint type is set to Image Generation (OpenAI).

酒馆 (SillyTavern)

SillyTavern

配置步骤

Configuration

API 来源: Custom (OpenAI Compatible)
API Endpoint: https://nameyn.shop/v1
API Key: 填入您的令牌
Model: [次]gemini-2.5-pro

提示：如果遇到 "socket hang up" 或 "No candidates returned"，请尝试更换预设或检查网络。 Tip: Check network or preset if errors occur.

安卓 SillyTavern 酒馆安装教程

Android SillyTavern Installation

🎬 安卓 SillyTavern 配置教程

安装 Termux

Install Termux

从 F-Droid 或 GitHub 下载并安装 Termux。 Download and install Termux from F-Droid or GitHub.

更新软件包

Update Packages

在 Termux 中更新软件包： Update packages in Termux:

BASH

pkg update && pkg upgrade

安装 Git

Install Git

BASH

pkg install git

克隆酒馆仓库

Clone SillyTavern

BASH

git clone https://github.com/SillyTavern/SillyTavern -b release

进入目录并安装 Node.js

Enter Directory and Install Node.js

进入 SillyTavern 目录并安装 Node.js： Enter SillyTavern directory and install Node.js:

BASH

cd SillyTavern

BASH

pkg install nodejs

安装依赖

Install Dependencies

BASH

npm install

运行酒馆

Run SillyTavern

如果已在 SillyTavern 文件夹下，直接运行启动脚本： If already in SillyTavern folder, run the start script:

BASH

cd SillyTavern
./start.sh

如果无法跳转或乱码，请在浏览器中打开：http://127.0.0.1:8000 If redirect fails, open in browser: http://127.0.0.1:8000

配置 API

Configure API

在 SillyTavern 中配置 Nameyn： Configure Nameyn in SillyTavern:

点击设置，聊天补全来源选择 自定义（兼容 OpenAI 协议）
自定义端点 URL: https://nameyn.shop/v1
API 密钥: 填入您的令牌
模型名称: [次]gemini-2.5-pro
点击"获取可用模型"验证配置

⚠️ 注意⚠️ Note 检查配置时不要出现末尾空格！ Make sure there are no trailing spaces in the configuration!

Lovemo

Website lovemo.app（单击跳转！）

API URL https://nameyn.shop

Model [次]gemini-2.5-pro

API 来源: Custom (OpenAI Compatible)

Omate

Website omate.org（单击跳转！）

API URL https://nameyn.shop/v1

Model [次]gemini-2.5-pro

API 来源: Custom (OpenAI Compatible)

Rikkahub

Website rikka-ai.com（单击跳转！）

API URL https://nameyn.shop/v1

Model [次]gemini-2.5-pro

API 来源: Custom (OpenAI Compatible)

Tavo

Website tavoai.dev（单击跳转！）

API URL https://nameyn.shop/v1

Model [次]gemini-2.5-pro

API 来源: Custom (OpenAI Compatible)

LifeKline

Website lifekline（单击跳转！）

API URL https://nameyn.shop/v1

Model [次]gemini-3-pro-preview

注意：此应用使用 gemini-3-pro-preview 模型。

提示词优化器配置教程

Prompt Optimizer Configuration

Website https://prompt.always200.com/（单击跳转！）

📌 关于提示词优化器 📌 About Prompt Optimizer 提示词优化器是一个强大的工具，可以帮助你优化和改进 AI 提示词，提升对话质量。 Prompt Optimizer is a powerful tool that helps you optimize and improve AI prompts for better conversation quality.

配置步骤

Configuration Steps

1. 点击网页右上角的模型管理

1. Click Model Management in Top Right

打开提示词优化器网站后，点击页面右上角的"模型管理"按钮。 After opening the Prompt Optimizer website, click the "Model Management" button in the top right corner.

2. 配置 API 信息

2. Configure API Information

在模型管理页面中，按照以下信息进行配置： In the Model Management page, configure with the following information:

提供商：选择 openai Provider: Select openai
API 密钥：填入您从 Nameyn 网站获取的令牌 API Key: Enter your token from Nameyn
API 地址：https://nameyn.shop/v1 API URL: https://nameyn.shop/v1

3. 选择模型

3. Select Model

在模型选择中，选择 [次]gemini-2.5-pro 模型。 In model selection, choose [次]gemini-2.5-pro model.

Model [次]gemini-2.5-pro

4. 开始使用

4. Start Using

配置完成后，选择刚才配置的模型进行对话即可。提示词优化器将帮助你优化和改进你的 AI 提示词。 After configuration, select the configured model to start chatting. The Prompt Optimizer will help you optimize and improve your AI prompts.

💡 提示💡 Tip 请使用 auto 分组的令牌。配置完成后，你可以使用提示词优化器来改进你的 AI 对话提示词，获得更好的对话效果。 Use token from auto group. After configuration, you can use the Prompt Optimizer to improve your AI conversation prompts for better results.