一文让你轻松上手，在你的项目中增加ai功能

_一两风
143 阅读3分钟

🌐 调用大语言模型（LLM）API 指南

本文档介绍如何使用 OpenAI 及其兼容接口调用大语言模型（LLM），涵盖核心概念、常用接口、SDK 使用方式以及最佳实践。适合初学者快速上手，也便于开发者构建对话系统、智能助手等应用。

1. 核心接口类型对比

✅ 文本补全接口（Completion）

适用于简单的“输入提示 → 生成文本”任务，即通过一个 prompt 直接生成后续内容。

请求示例：
{
  "model": "text-davinci-003",
  "prompt": "写一首春天的诗",
  "max_tokens": 100
}
返回结果示例：
{
  "text": "春风拂面花自开，柳绿桃红映山川。\n溪水潺潺鸟欢唱，人间处处是芳年。"
}

⚠️ 注意：该接口属于早期设计，不支持多轮对话角色管理，且已被 OpenAI 官方逐步弃用。新项目推荐使用更灵活的 Chat Completion 接口。

✅ 聊天接口（Chat Completion）

现代主流接口，基于“对话历史”的交互模式，支持多角色参与（system、user、assistant），非常适合构建聊天机器人、智能客服、多轮问答等场景。

请求示例：
{
  "model": "gpt-3.5-turbo",
  "messages": [
    {
      "role": "system",
      "content": "你是一个诗人，擅长用中文写诗。"
    },
    {
      "role": "user",
      "content": "写一首春天的诗"
    }
  ]
}
返回结果示例：
{
  "choices": [
    {
      "message": {
        "role": "assistant",
        "content": "春风拂面花自开，\n柳绿桃红映山川。\n溪水潺潺鸟欢唱，\n人间处处是芳年。"
      }
    }
  ]
}

✅ 优势：结构清晰、支持上下文记忆、易于实现复杂对话逻辑。

2. 对话中的三大核心角色

在 chat/completions 接口中，messages 数组中的每一条消息都包含一个 role 字段，用于定义说话者的身份。以下是三个关键角色的含义：

角色（role）含义作用
system系统指令设定模型的行为风格、语气、能力范围等“人格”特征。通常只在对话开始时设置一次。
user用户输入表示用户提出的问题或指令，是模型响应的直接触发点。
assistant助手回复表示模型之前的回答，用于维持多轮对话的连贯性。

📌 示例说明

[  { "role": "system",   "content": "你是一个幽默风趣的科普博主" },  { "role": "user",     "content": "请解释什么是黑洞？" },  { "role": "assistant","content": "想象一下宇宙有个超级贪吃的胃……" },  { "role": "user",     "content": "那它会把地球吸进去吗？" }]
  • system 告诉模型：“你要用轻松有趣的方式讲解科学。”
  • 第一个 user 提问，引发回答；
  • assistant 回答后被记录；
  • 第二个 user 继续追问，模型能基于前面的回答继续对话。

💡 提示：省略 system 角色也可以工作，但加入它可以显著提升回答质量和一致性。

3. 使用 SDK 调用 API（JavaScript/Node.js）

推荐使用官方 openai SDK 简化开发流程。

初始化客户端

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'your-api-key',           // 必填：你的 API 密钥
  baseURL: 'https://api.302.ai/v1'  // 可选：使用第三方兼容 OpenAI 的服务地址
});

🔐 安全提示：

  • apiKey 是敏感信息，切勿暴露在前端代码或版本控制中（如 GitHub）。
  • 建议将 API 调用封装在后端服务中，前端通过自己的服务器中转请求。

发起聊天请求（异步）

const response = await client.chat.completions.create({
  model: 'gpt-3.5-turbo',
  messages: [
    { role: 'system',   content: '你是一个诗人，擅长用中文写诗。' },
    { role: 'user',     content: '写一首春天的诗' }
  ]
});

// 输出模型回复
console.log(response.choices[0].message.content);

✅ choices[0] 表示首选生成结果；delta.content 用于流式输出。

4. 手动发送 HTTP 请求（Fetch 示例）

如果不使用 SDK，也可以直接调用 REST API。

fetch('https://api.302.ai/v1/chat/completions', {
  method: 'POST',
  headers: {
    'Authorization': 'Bearer your-api-key',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'gpt-3.5-turbo',
    messages: [
      { role: 'user', content: '写一首春天的诗' }
    ]
  })
})
.then(res => res.json())
.then(data => console.log(data.choices[0].message.content));

✅ 适用于浏览器环境或轻量级脚本。

5. 常见错误排查

错误信息原因解决方案
Missing 302 Apikey缺少 API 密钥检查 apiKey 是否正确填写
Invalid authorization密钥无效或格式错误确保以 Bearer xxx 形式传递
Model not found模型名称拼写错误查阅平台支持的模型列表
Request timed out网络延迟或服务器问题检查网络连接或更换 endpoint
avatar
文章
阅读
粉丝