当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > Minimax API 如何配置 Webhook 接收任务结果?

Minimax API 如何配置 Webhook 接收任务结果?

2026-05-05 17:27:36 0浏览 收藏

来到golang学习网的大家,相信都是编程学习爱好者,希望在这里学习科技周边相关编程知识。下面本篇文章就来带大家聊聊《Minimax API 如何配置 Webhook 接收任务结果?》,介绍一下,希望对大家的知识积累有所帮助,助力实战开发!

需配置HTTPS回调端点、在请求中传入webhook_url、验证X-Minimax-Signature签名、可选设全局Webhook、通过控制台日志调试;所有步骤须确保3秒内返回200且使用有效TLS证书。

Minimax API 如何配置 Webhook 接收任务结果?

如果您希望 Minimax API 在任务完成后通过 Webhook 通知您的服务,则需在调用任务接口时指定有效的回调地址,并确保该地址能正确响应 Minimax 发起的 HTTP POST 请求。以下是配置 Webhook 接收任务结果的具体步骤:

一、准备可公开访问的 HTTPS 回调端点

Minimax 要求 Webhook 地址必须为 HTTPS 协议,且服务器需具备有效 TLS 证书,不能使用自签名证书或 localhost 地址。该端点需能接收 application/json 格式的 POST 请求,并在 3 秒内返回 HTTP 200 状态码,否则 Minimax 将视为回调失败并可能重试。

1、部署一个支持 HTTPS 的 Web 服务,例如使用 Nginx + Let’s Encrypt 或云函数(如阿里云函数计算、Vercel、Cloudflare Workers)暴露公网端点。

2、确保该端点路径(如 https://yourdomain.com/minimax/webhook)已配置 CORS(非必需但建议),且不强制校验请求来源。

3、在服务代码中添加对 POST /minimax/webhook 路径的处理逻辑,解析原始 JSON 体,提取 task_id、status、result 等字段。

二、在任务请求中传入 webhook_url 参数

调用 Minimax 的异步任务接口(例如 text_to_speech、chat_completion 等带 async=true 的版本)时,需在请求体中显式提供 webhook_url 字段,其值为上一步准备好的 HTTPS 地址。Minimax 将在任务状态变更(尤其是 status 变为 success 或 failed)时向该地址推送结果。

1、构造 JSON 请求体,包含必需参数及 webhook_url 字段,例如:{"model": "abab6.5-chat", "messages": [...], "async": true, "webhook_url": "https://yourdomain.com/minimax/webhook"}。

2、使用 curl 或 SDK 发送 POST 请求至 Minimax 对应的异步接口 URL(如 https://api.minimax.chat/v1/text/chatcompletion_pro)。

3、记录返回的 task_id,用于后续比对 Webhook 中收到的 task_id,防止伪造请求或重复处理。

三、验证并响应 Minimax 的 Webhook 请求

Minimax 向您端点发送的请求携带 X-Minimax-Signature 头,用于签名验证。您需使用平台提供的 secret(在 Minimax 控制台 Webhook 设置页获取)对原始请求体进行 HMAC-SHA256 签名比对,确保请求真实来自 Minimax。

1、从请求头中提取 X-Minimax-Signature 值,格式为 t={timestamp},v1={signature}。

2、将时间戳与请求体原文拼接(如 timestamp + "." + raw_body),用您的 webhook_secret 进行 HMAC-SHA256 计算,并将结果转为十六进制小写字符串。

3、比对计算出的 signature 与 header 中 v1 后的值是否一致;一致则继续处理,否则返回 HTTP 401 并终止。

四、配置 Minimax 控制台全局 Webhook(可选替代方式)

若多个任务共用同一回调逻辑,可在 Minimax 开发者控制台中设置全局默认 Webhook 地址。该配置将自动应用于所有未显式传入 webhook_url 的异步任务请求,减少每次调用的手动传参负担。

1、登录 Minimax 控制台,进入「API 密钥与 Webhook」页面。

2、在「Webhook 设置」区域填写 https://yourdomain.com/minimax/webhook,并保存 secret(该 secret 仅显示一次,请立即备份)。

3、启用「启用全局 Webhook」开关;此后发起 async=true 请求时,即使不带 webhook_url 字段,也将默认触发此地址。

五、调试 Webhook 接收行为

Minimax 提供 Webhook 日志查询功能,可用于确认请求是否成功发出、目标服务器是否响应 200、签名验证是否通过。当接收异常时,日志中会明确标注错误类型(如 connection timeout、invalid signature、non-2xx response)。

1、在控制台「Webhook 日志」页筛选目标 task_id 或时间范围,查看最近 7 天内的全部回调记录。

2、对失败条目点击「重试」按钮,触发 Minimax 再次推送相同 payload(仅限 3 次重试机会)。

3、在本地使用 ngrok 或 localtunnel 创建临时 HTTPS 隧道,将 https://xxx.ngrok.io/minimax/webhook 作为测试地址接入控制台,快速验证端点逻辑。

到这里,我们也就讲完了《Minimax API 如何配置 Webhook 接收任务结果?》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!

天猫2025双十一跨店满减玩法 天猫满减叠加红包技巧天猫2025双十一跨店满减玩法 天猫满减叠加红包技巧
上一篇
天猫2025双十一跨店满减玩法 天猫满减叠加红包技巧
Laravel如何设置会话驱动方式_Laravel设置会话驱动方式方法【存储】
下一篇
Laravel如何设置会话驱动方式_Laravel设置会话驱动方式方法【存储】
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    337次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    394次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    388次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    353次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    178次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码