Baidu Chat Reverse Engineering (wenxin2api)

逆向百度文心助手 (chat.baidu.com) 的纯算法实现，支持 OpenAI 兼容 API。

逆向成果

1. 核心 API 发现

• 主聊天 API: POST https://chat.baidu.com/aichat/api/conversation
• 响应格式: text/event-stream (SSE)
• Token 获取: 从页面 HTML 中内联的 aiTabFrameBaseData JSON 提取

2. Token 生成算法 (已逆向)

chat_token = base64("{token}|{MD5(query)}|{timestamp}|{lid}")-{lid}-3

• token 和 lid 从页面初始化数据获取
• MD5 使用标准 spark-md5 算法对查询字符串哈希
• timestamp 为当前毫秒时间戳

3. 支持的模型 (3个)

OpenAI 模型名	Baidu 模型	说明
baidu-smart	smartMode	默认智能模式
baidu-deepseek	deepseek	DeepSeek 深度思考
baidu-ds-v4	ds-v4	DeepSeek-V4 Pro

4. Thinking (深度思考) 支持

• 通过 deep_search=True 启用深度思考
• SSE 响应中解析 thinking / thinking_content / reasoning 字段
• 转换为 OpenAI 的 reasoning_content 字段

5. 工具调用支持

• 请求中传入 OpenAI 兼容的 tools 后，服务端会自动追加系统提示词
• 上游模型按 XML 输出标准工具结构：

<tool_calls>
  <tool_call>
    <name>get_weather</name>
    <arguments>{"city":"北京"}</arguments>
  </tool_call>
</tool_calls>

• 服务端会解析 XML，并返回 OpenAI 兼容的 message.tool_calls

6. 文件结构

├── baidu_chat.py      # 核心逆向客户端 (纯算法)
├── main.py            # OpenAI 兼容 API 服务器
├── config.toml        # 配置文件
├── requirements.txt   # 依赖
└── config/            # 逆向分析产物 (JS 源码等)

使用方式

1. 安装依赖

pip install -r requirements.txt

2. 配置 Cookie (可选但推荐)

编辑 config.toml，填入从浏览器复制的 Cookie：

[cookies]
value = "BAIDUID=xxx; BIDUPSID=xxx; ..."

3. 启动 OpenAI 兼容服务器

python main.py --config config.toml
# 或指定端口
python main.py --port 8000

公网部署时建议在 config.toml 配置自定义密钥：

[auth]
api_keys = ["sk-your-secret-key"]

配置后，请求必须携带：

-H "Authorization: Bearer sk-your-secret-key"

Docker 一键部署：

docker compose up -d --build

多 Cookie 负载均衡：

[cookies]
values = [
  "BAIDUID=xxx; BIDUPSID=xxx; ...",
  "BAIDUID=yyy; BIDUPSID=yyy; ..."
]

服务端会为每个 Cookie 建立独立客户端，并按当前并发数均衡分发。某个 Cookie 不可用时会立即刷新当前会话并重试，仍失败则自动切到下一个 Cookie。

上下文压缩与新窗口：

[context]
fresh_conversation = true
max_chars = 12000
max_messages = 16
max_message_chars = 2000

每次请求都会使用新的百度对话窗口；OpenAI messages 会在本地压缩后作为单次 prompt 发送，避免百度侧上下文串线。

4. API 调用示例

curl http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-secret-key" \
  -d '{
    "model": "baidu-deepseek",
    "messages": [{"role": "user", "content": "1+1等于几"}],
    "stream": true
  }'

5. 工具调用示例

curl http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-secret-key" \
  -d '{
    "model": "baidu-smart",
    "messages": [{"role": "user", "content": "北京天气怎么样"}],
    "tools": [{
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Get weather by city",
        "parameters": {
          "type": "object",
          "properties": {"city": {"type": "string"}},
          "required": ["city"]
        }
      }
    }],
    "stream": false
  }'

返回中的工具调用：

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "",
      "tool_calls": [{
        "id": "call_xxx",
        "type": "function",
        "function": {
          "name": "get_weather",
          "arguments": "{\"city\":\"北京\"}"
        }
      }]
    },
    "finish_reason": "tool_calls"
  }]
}

6. CLI 直接调用

python baidu_chat.py "1+1等于几" --model deepseek
python baidu_chat.py "hello" --model smart

技术细节

逆向分析过程

1. Phase 1 - 侦察: 使用浏览器分析 chat.baidu.com 网络请求，识别出 aichat/api/conversation SSE 接口
2. Phase 2 - 静态分析: 下载并分析 search-js.js, chat-main-pc.js, common.js, vendors.js 等 Vite 构建产物
3. Phase 3 - 动态验证: Hook fetch API 捕获请求体，确认 chat_token 格式和参数结构
4. Phase 4 - 算法提取: 从 minified JS 中提取 getToken$1 函数，确认使用 spark-md5 进行标准 MD5 哈希

关键发现

• token 和 lid 存储在页面 HTML 的 <script name="aiTabFrameBaseData"> 中
• Token 算法：base64(token_val | MD5(query_str) | timestamp | lid) - lid - 3
• 模型通过 usedModel.modelName 和 isDeepseek header 控制
• SSE 事件类型：basedata (初始数据), ping (心跳), message (内容块)

注意事项

• 需要保持 Cookie 有效（特别是登录态相关的 Cookie）
• token 和 lid 在会话期间有效，过期后需重新获取页面
• 深度思考模型会返回更长的响应，建议增加 timeout
• 由于百度接口可能迭代更新，token 算法需持续验证

免责声明

本项目仅供学习交流使用，请遵守百度相关服务条款。不得用于商业用途或非法用途。