使用Nodejs快速为Web应用集成多模型对话能力

使用Nodejs快速为Web应用集成多模型对话能力

1. 准备工作

在开始集成前，请确保已具备以下条件：一个可用的Taotoken账户，并在控制台创建了API Key。登录Taotoken平台后，可以在模型广场查看支持的模型ID列表。对于Web应用开发，建议将API Key存储在环境变量中，避免硬编码在代码里。

Node.js环境需要安装16.x或更高版本。我们将使用openai这个官方维护的npm包来简化API调用过程。创建一个新的项目目录，运行npm init -y初始化项目，然后安装依赖：

npm install openai dotenv

2. 配置Taotoken连接

在项目根目录创建.env文件，添加你的Taotoken API Key：

TAOTOKEN_API_KEY=your_api_key_here

接下来创建核心的API调用模块。新建aiService.js文件，编写以下代码：

import OpenAI from "openai"; import dotenv from "dotenv"; dotenv.config(); const client = new OpenAI({ apiKey: process.env.TAOTOKEN_API_KEY, baseURL: "https://taotoken.net/api", }); export async function getAIResponse(messages, model = "claude-sonnet-4-6") { try { const completion = await client.chat.completions.create({ model, messages, }); return completion.choices[0]?.message?.content; } catch (error) { console.error("AI API Error:", error); throw error; } }

这段代码配置了Taotoken的连接，baseURL设置为https://taotoken.net/api，这是OpenAI兼容SDK的正确配置方式。我们封装了一个简单的getAIResponse函数，接收消息历史和模型ID参数。

3. 构建Express API端点

为了在前端安全地调用AI服务，我们需要创建一个后端API端点。安装Express：

npm install express cors

创建server.js文件：

import express from "express"; import cors from "cors"; import { getAIResponse } from "./aiService.js"; const app = express(); app.use(cors()); app.use(express.json()); app.post("/api/chat", async (req, res) => { try { const { messages, model } = req.body; const response = await getAIResponse(messages, model); res.json({ success: true, response }); } catch (error) { res.status(500).json({ success: false, error: error.message }); } }); const PORT = process.env.PORT || 3000; app.listen(PORT, () => { console.log(`Server running on port ${PORT}`); });

这个简单的Express服务器创建了一个/api/chat端点，接收前端发送的消息历史和可选模型参数，然后调用Taotoken API获取响应。

4. 前端集成示例

在前端项目中，你可以这样调用我们创建的后端API：

async function sendMessage(messages, model) { const response = await fetch("http://localhost:3000/api/chat", { method: "POST", headers: { "Content-Type": "application/json", }, body: JSON.stringify({ messages, model }), }); const data = await response.json(); if (data.success) { return data.response; } else { throw new Error(data.error); } } // 使用示例 const chatHistory = [ { role: "user", content: "你好，请介绍一下你自己" } ]; sendMessage(chatHistory, "claude-sonnet-4-6") .then(response => console.log(response)) .catch(error => console.error(error));

5. 进阶配置与错误处理

在实际生产环境中，你可能需要添加更多功能：

1. 模型切换：可以在前端添加模型选择器，将用户选择的模型ID传递给后端
2. 速率限制：在Express中添加中间件限制API调用频率
3. 对话历史管理：使用数据库存储和检索对话历史
4. 流式响应：对于长响应，可以修改后端支持流式传输

以下是一个支持流式响应的修改版本：

// 在aiService.js中添加 export async function getAIStream(messages, model, callback) { const stream = await client.chat.completions.create({ model, messages, stream: true, }); for await (const chunk of stream) { callback(chunk.choices[0]?.delta?.content || ""); } } // 在server.js中修改端点 app.post("/api/chat-stream", async (req, res) => { res.setHeader("Content-Type", "text/event-stream"); res.setHeader("Cache-Control", "no-cache"); res.setHeader("Connection", "keep-alive"); const { messages, model } = req.body; try { await getAIStream(messages, model, (chunk) => { res.write(`data: ${JSON.stringify({ chunk })}\n\n`); }); res.end(); } catch (error) { res.write(`data: ${JSON.stringify({ error: error.message })}\n\n`); res.end(); } });

6. 部署注意事项

当准备将应用部署到生产环境时，需要考虑以下几点：

• 将API Key存储在安全的配置管理系统中
• 设置适当的CORS策略，只允许你的前端域名访问
• 添加API调用的认证中间件
• 监控API使用情况和费用

通过Taotoken平台，你可以在控制台查看详细的用量统计和费用信息，帮助管理AI服务的使用情况。

Taotoken