360智脑官方未提供公开Python可用API接口，仅支持网页端和App内嵌调用；唯一可行方案是通过OneAPI网关转换协议后调用，或本地使用开源的360-LLaMA-Factory进行后训练。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想用Python脚本自动调用360智脑开放平台的API获取安全建议、生成文案或处理长文本，但直接写curl或requests却总返回403 Forbidden或空响应——这不是你代码的问题，而是360智脑官方并未向公众开放直连API。
确认360智脑是否提供公开Python可用接口
访问360智脑开放平台（open.zhineng.360.cn）注册并进入控制台，查看“API文档”或“SDK下载”区域。你会发现：页面仅展示网页端交互示例、App内嵌调用说明，以及企业私有化部署申请入口；【没有Python SDK下载链接，也没有curl示例、OpenAPI 3.0规范或RESTful接口列表】。
尝试点击“创建应用”后生成的所谓“API Key”，它无法用于标准HTTP请求——该密钥仅在OneAPI等第三方网关中生效，且需配合特定渠道配置才能路由到360后端服务。
绕过限制：用OneAPI作为中间层调用
OneAPI是目前唯一稳定、可部署、支持360智脑渠道的开源API网关，它把360智脑的私有协议转换成标准OpenAI格式，让你能用熟悉的Python requests调用。
立即学习“Python免费学习笔记（深入）”；
第一步：在Linux服务器上运行OneAPI容器
执行以下命令拉取并启动服务（端口3000可按需修改）：
docker pull justsong/one-api → docker run --name one-api -d --restart always -p 3000:3000 -e TZ=Asia/Shanghai -v /home/ubuntu/data/one-api:/data justsong/one-api
第二步：登录OneAPI后台并添加360智脑渠道
浏览器打开 http://你的服务器IP:3000 → 使用默认账号 root / 密码 123456 登录 → 立即修改密码 → 左侧菜单点“渠道” → “添加渠道” → 类型选“360智脑” → 填入你在 open.zhineng.360.cn 应用管理中获取的 【API Key 和 Secret】（注意：此处Secret不是密码，是控制台生成的独立密钥字段）。
第三步：用Python发送标准OpenAI格式请求
确保OneAPI已启用360智脑渠道且状态为“启用”，然后运行这段代码：
import requests
url = "http://你的服务器IP:3000/v1/chat/completions"
headers = {"Authorization": "Bearer sk-xxx", "Content-Type": "application/json"}
data = {"model": "qwen-max", "messages": [{"role": "user", "content": "PHP如何防止反序列化漏洞？"}]}
response = requests.post(url, headers=headers, json=data)
print(response.json().get("choices")[0]["message"]["content"])
⚠️ 注意：这里的 sk-xxx 是你在OneAPI中为该渠道单独生成的“Key”，不是360平台原生密钥；model字段必须填OneAPI后台为360智脑渠道配置的模型标识（如 zhinao-7b-chat 或 qwen-max），填错会返回404。
替代方案：本地调用360-LLaMA-Factory做后训练
如果你的真实需求是长文本微调而非在线问答，360智脑已开源360-LLaMA-Factory，它专为Post-Training设计，支持任意长度序列，且完全本地运行，不依赖网络API。
方法一：克隆仓库并安装
git clone https://github.com/Qihoo360/360-LLaMA-Factory → cd 360-LLaMA-Factory → pip install -e .
方法二：一行代码启用序列并行（关键步骤）
执行SFT训练时，在原有LLaMA-Factory命令后追加参数 --sequence_parallel_size 2，例如：
python src/train_bash.py --model_name_or_path /path/to/360zhinao-7b --dataset your_data --sequence_parallel_size 2
这一步必须指定GPU卡数为2或更多，否则序列并行不生效；单卡运行会退化为普通训练，且显存占用翻倍。
