SPACE BUNNY API
从一个可用提示词，走到一次产品请求。
在自己的应用中复用 Space Bunny 工作流。发送长上下文、图片或兼容的视频 URL，选择推理强度，并把 API key 保留在服务端。
client.pyPOST /api/v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://spacebunny.app/api/v1",
api_key=SPACE_BUNNY_API_KEY,
)
response = client.chat.completions.create(
model="stealth/space-bunny-alpha",
messages=[{"role": "user", "content": prompt}],
extra_body={"reasoning": {"effort": "low"}},
)一个端点，多种工作流
保持请求熟悉，只在任务需要时增加深度。
Space Bunny 使用 chat-completions 形状，让你的应用从小请求开始，再按需加入上下文、媒体、结构化输出或工具。
更大的工作上下文
当任务依赖整体信息时，可以在一次请求中带上文档、代码库文件、研究资料和对话历史。
文本与视觉输入
可以在文字指令旁一起分析源代码、截图、图表或兼容的视频 URL。
五档推理强度
日常任务从 low 开始；当更深入的分析值得其成本时，再使用 medium、high、xhigh 或 max。
文本、JSON 与工具
可以请求机器可读的 JSON 或经过批准的工具调用，但应用仍需在执行前校验结果。
从 Playground 到生产环境
从实验到接入，只需要一条短路径。
从浏览器迁移到服务端时，不需要重新设计整套工作流。
01
先测试真实任务
在 Playground 中测试一个可以验证结果的提示词，并记录有效的上下文、输出格式和推理强度。
02
创建服务端 API key
把 key 保存在环境变量或密钥管理器中，不要放进浏览器代码、公开提示词或代码仓库。
03
发送同样的请求
使用 OpenAI 客户端模式，设置 Space Bunny 模型 ID，并只按需要添加多模态内容、JSON 或工具。
请求结构
从最小的有效请求开始。
model 和 messages 是核心字段。推理、响应格式、工具和输出限制都是有目的的控制项。
request.json
{
"model": "stealth/space-bunny-alpha",
"messages": [
{
"role": "system",
"content": "Be careful and concise."
},
{
"role": "user",
"content": "Review this migration plan."
}
],
"reasoning": { "effort": "low" },
"response_format": { "type": "json_object" },
"max_completion_tokens": 2048
}由应用掌控边界
模型可以提议，但最终由你的应用决定。
把文本、JSON 和工具调用都视为模型输出。在产生外部副作用前，校验 schema、权限、资源范围、速率限制、幂等性和审批边界。
凭据只保留在服务端
校验 JSON 和工具参数
为超时、限流和上游失败准备回退
敏感操作需要人工审批