用 JS 和 Python 分别调通你的第一个 AI API
·
用 JS 和 Python 分别调通你的第一个 AI API
本文是【前端转 AI 全栈实战】系列第 03 篇。
上一篇：AI 全栈技术全景图：前端需要补什么 | 下一篇：多模型适配：一套代码接 6 家 AI 厂商
这篇文章你会得到什么
前两篇聊了方向和全景图，从这篇开始写代码。
今天的目标很简单：用 JS 和 Python 分别调通一个 AI API，各写一个命令行版的 AI 问答机器人。
做完这篇，你就完成了 AI 应用开发的第一步——从"没调过 AI API"变成"调过了"。听起来很小，但很多人就是卡在这一步。
第一步：注册 + 获取 API Key
推荐先用 DeepSeek，理由：
- 便宜：约 ¥1/百万 input token，比 OpenAI 便宜 10 倍+
- 快：国内服务器，延迟低
- 兼容：完全兼容 OpenAI API 格式，之后切换其他厂商改个 URL 就行
注册流程：
- 打开 platform.deepseek.com
- 注册账号（手机号即可）
- 进入控制台 → API Keys → 创建新 Key
- 复制保存好（只显示一次）
新用户通常有免费额度，学习阶段完全够用。
如果你已有 OpenAI 的 Key，也可以直接用。代码一样，只是改一下 Base URL 和 Key。
JS 版：用 Node.js 调 AI API
环境准备
确保你有 Node.js 18+（需要原生 fetch 支持）：
node -v # 确认 >= 18
创建项目
mkdir ai-chat-js && cd ai-chat-js
新建一个 .env 文件存放 API Key：
DEEPSEEK_API_KEY=sk-xxxxxxxxxxxxxxxx
核心代码
新建 chat.mjs：
import { readFileSync } from 'fs'
import { createInterface } from 'readline'
// 加载 .env
const env = Object.fromEntries(
readFileSync('.env', 'utf-8')
.split('\n')
.filter(line => line.includes('='))
.map(line => line.split('=').map(s => s.trim()))
)
const API_KEY = env.DEEPSEEK_API_KEY
const BASE_URL = 'https://api.deepseek.com'
async function callAI(messages) {
const res = await fetch(`${BASE_URL}/chat/completions`, {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': `Bearer ${API_KEY}`,
},
body: JSON.stringify({
model: 'deepseek-chat',
messages,
temperature: 0.7,
max_tokens: 2000,
}),
})
if (!res.ok) {
const err = await res.text()
throw new Error(`API 请求失败 (${res.status}): ${err}`)
}
const data = await res.json()
return data.choices[0].message.content
}
// 交互式聊天
const rl = createInterface({ input: process.stdin, output: process.stdout })
const messages = [{ role: 'system', content: '你是一个有帮助的 AI 助手。' }]
function ask() {
rl.question('\n你: ', async (input) => {
if (!input.trim() || input === 'exit') {
console.log('再见！')
rl.close()
return
}
messages.push({ role: 'user', content: input })
try {
const reply = await callAI(messages)
console.log(`\nAI: ${reply}`)
messages.push({ role: 'assistant', content: reply })
} catch (err) {
console.error(`\n错误: ${err.message}`)
}
ask()
})
}
console.log('AI 聊天机器人（输入 exit 退出）')
ask()
运行
node chat.mjs
效果：
AI 聊天机器人（输入 exit 退出）
你: 用一句话解释什么是 API
AI: API 是一组预定义的规则和协议，让不同的软件程序能够互相通信和交换数据。
你: 那 AI API 呢
AI: AI API 是专门提供人工智能能力的接口，你发送文本给它，它返回 AI 生成的回复，比如 ChatGPT 的对话接口。
你: exit
再见！
约 50 行代码，你就有了一个支持多轮对话的 AI 聊天机器人。
Python 版：用原生 requests 调同一个 API
环境准备
确保你有 Python 3.11+：
python --version # 确认 >= 3.11
推荐用 uv 管理 Python 环境（比 pip 快 10 倍）：
# 安装 uv（如果没有）
pip install uv
创建项目
mkdir ai-chat-py && cd ai-chat-py
同样新建 .env 文件：
DEEPSEEK_API_KEY=sk-xxxxxxxxxxxxxxxx
安装依赖：
uv pip install requests python-dotenv
核心代码
新建 chat.py：
import os
import requests
from dotenv import load_dotenv
load_dotenv()
API_KEY = os.getenv("DEEPSEEK_API_KEY")
BASE_URL = "https://api.deepseek.com"
def call_ai(messages: list) -> str:
res = requests.post(
f"{BASE_URL}/chat/completions",
headers={
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}",
},
json={
"model": "deepseek-chat",
"messages": messages,
"temperature": 0.7,
"max_tokens": 2000,
},
)
res.raise_for_status()
return res.json()["choices"][0]["message"]["content"]
def main():
print("AI 聊天机器人（输入 exit 退出）")
messages = [{"role": "system", "content": "你是一个有帮助的 AI 助手。"}]
while True:
user_input = input("\n你: ").strip()
if not user_input or user_input == "exit":
print("再见！")
break
messages.append({"role": "user", "content": user_input})
try:
reply = call_ai(messages)
print(f"\nAI: {reply}")
messages.append({"role": "assistant", "content": reply})
except requests.RequestException as err:
print(f"\n错误: {err}")
if __name__ == "__main__":
main()
运行
python chat.py
效果和 JS 版一模一样——因为调的是同一个 API。
同一个 API，两种语言对比
把关键部分放在一起对比，你会发现它们几乎一样：
请求发送
JS：
const res = await fetch(`${BASE_URL}/chat/completions`, {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': `Bearer ${API_KEY}`,
},
body: JSON.stringify({ model, messages, temperature, max_tokens }),
})
const data = await res.json()
Python：
res = requests.post(
f"{BASE_URL}/chat/completions",
headers={
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}",
},
json={"model": model, "messages": messages, "temperature": temperature, "max_tokens": max_tokens},
)
data = res.json()
几乎 1:1 对应。 URL 一样、Header 一样、Body 一样、返回结构一样。差别只在语法层面。
核心差异总结
| JS (Node.js) | Python | |
|---|---|---|
| HTTP 请求 | fetch() 原生 |
requests.post() 第三方库 |
| JSON 序列化 | JSON.stringify() |
json= 参数自动处理 |
| 异步 | async/await |
同步（也可用 httpx 异步） |
| 环境变量 | 手动读 .env | python-dotenv 库 |
| 交互输入 | readline 模块 |
input() 内置函数 |
| 代码行数 | ~50 行 | ~35 行 |
Python 代码更短，主要因为 input() 是内置的，不需要像 JS 那样用 readline 创建接口。
请求参数详解
不管 JS 还是 Python，发给 AI API 的参数都是同一套：
{
"model": "deepseek-chat",
"messages": [
{ "role": "system", "content": "你是一个有帮助的 AI 助手。" },
{ "role": "user", "content": "你好" }
],
"temperature": 0.7,
"max_tokens": 2000
}
model
指定用哪个模型。不同厂商有不同的模型名：
| 厂商 | 模型名 |
|---|---|
| DeepSeek | deepseek-chat / deepseek-reasoner |
| OpenAI | gpt-4o / gpt-4o-mini |
| Claude | claude-sonnet-4-20250514 |
| 通义千问 | qwen-plus |
messages
对话历史数组，每条消息有 role 和 content：
- system：系统指令，告诉 AI 它是谁、怎么回答。放在最前面，只需要一条。
- user：用户说的话。
- assistant：AI 之前的回复。多轮对话靠把历史消息都带上。
const messages = [
{ role: 'system', content: '你是一个前端技术专家。' },
{ role: 'user', content: '什么是 SSE？' },
{ role: 'assistant', content: 'SSE 是 Server-Sent Events...' },
{ role: 'user', content: '它和 WebSocket 有什么区别？' }, // 当前问题
]
每次请求都要把完整的对话历史发过去——AI 没有记忆，它靠 messages 数组理解上下文。
temperature
控制回复的"随机性"，范围 0-2：
- 0：最确定，每次回答几乎一样（适合代码生成、JSON 输出）
- 0.7：适中，有点创造性（日常对话推荐）
- 1.5+：很随机，可能胡说八道
max_tokens
限制回复的最大长度。1 token ≈ 0.75 个英文单词 ≈ 0.5 个中文字。
设成 2000 大约能输出 1000 字中文，日常够用。设太大会增加成本和延迟。
返回结构
AI API 返回的 JSON 长这样：
{
"id": "chatcmpl-xxx",
"object": "chat.completion",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "这是 AI 的回复..."
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 25,
"completion_tokens": 150,
"total_tokens": 175
}
}
你需要关心的字段：
choices[0].message.content—— AI 的回复文本usage.total_tokens—— 本次消耗的 token 数（算钱用）finish_reason——stop表示正常结束，length表示被 max_tokens 截断了
错误处理
调 AI API 常见的错误：
| 状态码 | 含义 | 处理方式 |
|---|---|---|
| 401 | API Key 无效或过期 | 检查 Key 是否正确 |
| 429 | 请求太频繁（限流） | 等几秒重试，或降低请求频率 |
| 400 | 参数错误（如 token 超限） | 检查 messages 长度，减少上下文 |
| 500 | 服务端错误 | 稍后重试 |
| 超时 | 模型生成太慢 | 设置合理的 timeout，或换模型 |
实际开发中，429（限流）是最常遇到的。后面的文章会专门讲重试机制和降级策略。
计算成本
调一次 AI API 要花多少钱？以 DeepSeek 为例：
| 模型 | Input 价格 | Output 价格 |
|---|---|---|
| deepseek-chat | ¥1 / 百万 tokens | ¥2 / 百万 tokens |
一次普通对话大约消耗 500 tokens（input + output），成本约 ¥0.001——千分之一毛钱。
日常开发学习，一天调几百次也就几毛钱。不用担心成本，先跑起来再说。
用 openai SDK 简化代码（可选）
上面的代码用的是原生 HTTP 请求，好处是理解底层原理。实际开发中可以用官方 SDK 简化：
JS 版（openai 包）
npm install openai
import OpenAI from 'openai'
const client = new OpenAI({
apiKey: process.env.DEEPSEEK_API_KEY,
baseURL: 'https://api.deepseek.com',
})
const response = await client.chat.completions.create({
model: 'deepseek-chat',
messages: [{ role: 'user', content: '你好' }],
})
console.log(response.choices[0].message.content)
Python 版（openai 包）
uv pip install openai
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com",
)
response = client.chat.completions.create(
model="deepseek-chat",
messages=[{"role": "user", "content": "你好"}],
)
print(response.choices[0].message.content)
两个版本几乎一模一样——因为 Python 的 openai 包和 JS 的 openai 包 API 设计是对齐的。
DeepSeek / 通义千问 / Gemini 都兼容 OpenAI 格式，所以用
openai这个包就能调大部分厂商的 API，只需要换baseURL和apiKey。
总结
- AI API 本质就是一个 HTTP POST 接口——发 JSON、收 JSON，和你之前调后端接口没区别。
- JS 和 Python 调同一个 API，请求参数和返回结构完全一样，只是语法不同。
- 核心参数就四个：
model、messages、temperature、max_tokens。 - 多轮对话靠把完整历史 messages 数组带上，AI 本身没有记忆。
- DeepSeek 一次对话成本约 ¥0.001，学习阶段放心调。
openaiSDK（JS/Python 都有）可以简化代码，且同时兼容多家厂商。
下一篇，我们来解决一个实际问题：不想绑死一家 AI 厂商，怎么用一套代码同时适配 OpenAI、DeepSeek、Claude、通义千问、Gemini、Ollama 六家？
讨论话题：你调通了第一个 AI API 了吗？用的哪家服务？遇到什么坑？欢迎评论区交流。
欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。
更多推荐
7
0- 0
已为社区贡献5条内容
所有评论(0)