从零到一，10分钟搭建我们的第一个 AI 对话应用！
前置知识
在本篇开始之前，我们可能需要具备以下知识：
- 会写基础的 JavaScript/node.js代码（能看懂 async/await 即可）
- 了解环境变量的概念（不知道也没关系，跟着做就行）
万事开头难
现在处于AI发展风口期，部分人可能会觉得：这个东西好高大上，我不会...。其实任何一件事，只要开始做了，就一定能成！
第一步：注册 DeepSeek API 账号
本文以 DeepSeek 为例，实现注册我们自己的 API 账号。
为什么选 DeepSeek？
- 国内出品，注册简单，不需要魔法
- 价格便宜，对新手小白和开发者都比较友好
- 社区活跃
注册步骤
- 打开 DeepSeek 开放平台
- 手机号注册
- 进入控制台，选择“API Keys”，创建 API Key
- 复制 API Key！复制 API Key！复制 API Key！
这里一定要注意：为了防止 API Key 被泄漏，所有 API Key 只有在创建的时候才可以复制！ 这里一定要注意：为了防止 API Key 被泄漏，所有 API Key 只有在创建的时候才可以复制！ 这里一定要注意：为了防止 API Key 被泄漏，所有 API Key 只有在创建的时候才可以复制！
从上述截图中可以看到，保存之后的 API Key只有开头和结尾几个字母，中间是一大串 * ；如果创建时没保存，那么这个 API Key 只能删除重建了！
第二步：项目初始化- 创建Node.js项目
创建项目
我虽然是 Vue 开发者，但我们的第一个实验，还是用最简单的 Node.js 脚本跑通，排除前端复杂度的干扰：
# 创建项目文件夹
mkdir AiAgentLearning
cd AiAgentLearning
# 初始化npm项目
npm init -y
# 安装依赖
npm install dotenv
创建.env文件 - 存放 API Key
在项目根目录创建 .env 文件，由于我个人习惯，我是倾向把 API Key 和 请求 URL 放在一起的，方便后续成套修改：
DEEPSEEK_API_KEY=你自己的key
DEEPSEEK_BASE_URL=完整请求url
创建.gitignore - 防止 API Key 误上传
.env
node_modules
对于需要上传 GIT 的同学来说，还是得先建
.gitignore再写代码，以免 API Key 泄漏，比较现在爬虫还是挺多的！！！ 当然，如果不用上传 GIT，此步骤可以省略！
验证环境变量
一切完成之后我们可以先验证自己的环境变量是否设置成功：
require('dotenv').config()
console.log('API Key前5位：', process.env.DEEPSEEK_API_KEY?.substring(0, 5))
如果能看到 API Key 的前几位正常打印输出就说明成功了！
第一个非流式请求 - 先跑通
前期不用追求太完美，先跑通一个最简单的非流式调用，建立信心。
创建 simple-request.js
require('dotenv').config()
async function callDeepSeek() {
try {
const response = await fetch(process.env.DEEPSEEK_BASE_URL, {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': `Bearer ${process.env.DEEPSEEK_API_KEY}`
},
body: JSON.stringify({
model: 'deepseek-chat',
messages: [
{ role: 'user', content: 'hello' }
],
stream: false // 非流式
})
})
const data = await response.json()
console.log('AI回复：')
console.log(data.choices[0].message.content)
} catch (error) {
console.error('请求失败：', error)
}
}
callDeepSeek()
如果一切顺利，我们就会看到 AI 的回复，这就成功调用了一次 API：
这只是问答示例，除了
hello，也可以输入任何我们想输入的内容！在收到回复之前，这个过程可能要等几秒钟。
实现流式问答
为什么需要流式？
| 模式 | 体验 | 适用场景 |
|---|---|---|
| 非流式 | 等待5-10秒，然后一次性看到全部内容 | 后台批处理、代码生成 |
| 流式 | 像打字机一样逐字出现，用户体验好 | 聊天机器人、实时交互 |
核心区别：流式回答用 stream: true，数据是分块（chunk）返回的。
创建stream-request.js - 第一个流式问答
require('dotenv').config()
async function streamChat() {
try {
const response = await fetch(process.env.DEEPSEEK_BASE_URL, {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': `Bearer ${process.env.DEEPSEEK_API_KEY}`
},
body: JSON.stringify({
model: 'deepseek-chat',
messages: [
{ role: 'system', content: '你是一个前端开发助手' },
{ role: 'user', content: '解释一下Vue3的ref和reactive的区别，用生活类比' }
],
stream: true // 关键：开启流式
})
})
// 处理流式响应
const reader = response.body.getReader()
const decoder = new TextDecoder('utf-8')
let buffer = '' // 用于处理可能的不完整数据块
console.log('AI回复：\n')
while (true) {
const { done, value } = await reader.read()
if (done) break
// 解码收到的数据块
const chunk = decoder.decode(value)
buffer += chunk
// SSE格式是以\n\n分隔的
const lines = buffer.split('\n\n')
buffer = lines.pop() || '' // 最后一行可能不完整，留到下次处理
for (const line of lines) {
if (line.startsWith('data: ')) {
const data = line.slice(6) // 去掉 'data: ' 前缀
// 跳过 [DONE] 消息
if (data === '[DONE]') continue
try {
const parsed = JSON.parse(data)
const content = parsed.choices[0]?.delta?.content || ''
if (content) {
process.stdout.write(content) // 逐字打印，不换行
}
} catch (e) {
// 忽略解析错误（有时会有空行）
}
}
}
}
console.log('\n\n 流式响应完成')
} catch (error) {
console.error('请求失败：', error)
}
}
streamChat()
如果一切顺利，我们就会看到 AI 的回复：
这个过程基本不需要我们等多久，就有结果开始输出了！而且流式版本就像打字机一样，逐个字符输出，用户体验好太多了。
深入理解 Token
什么是 Token
Token 是 AI 模型处理文本的基本单位，可以简单理解为：
- 英文：1个单词 ≈ 1-2 个 token
- 中文：1个汉字 ≈ 1-2 个 token
- 标点符号：也算 token
举个例子：
"我爱编程"可能被切分为：["我", "爱", "编", "程"] 或 ["我爱", "编程"]，大概是 8 个 token。我们向 AI 提问，AI 再返回给我们结果，这中间的所有过程，都是需要计算 token 的！
Token 计费示例
以 DeepSeek 的计价为例：
| 项目 | 价格 |
|---|---|
| 百万tokens输入（缓存命中） | 0.2元 |
| 百万tokens输入（缓存未命中） | 2元 |
| 百万tokens输出 | 3元 |
我们写一个简单点的问答，大概消耗：
- 问题：20-50 tokens
- 回答：100-500 tokens
总成本：约 0.00005 元（5分钱能玩100次！）
token 使用注意事项
- 提示器和问题不要太复杂，精简系统提示
- 控制回复长度，限制最大输出长度
- 控制创造性，创造性越高越耗token
结语
技术的门槛往往不在技术本身，而在于我们是否愿意迈出第一步，希望这篇文章能帮我们跨过这个坎！
对于文章中错误的地方或有任何疑问，欢迎在评论区留言讨论！
