保姆级教程：用One API零代码管理OpenAI/Claude/Gemini密钥

Aurora曙光

506人浏览 · 2026-02-25 00:08:55

Aurora曙光 · 2026-02-25 00:08:55 发布

保姆级教程：用One API零代码管理OpenAI/Claude/Gemini密钥

1. 为什么需要统一的AI模型管理平台

现在AI大模型太多了，OpenAI的ChatGPT、Anthropic的Claude、Google的Gemini，还有国内的各种大模型，每个都要单独申请密钥、单独管理，实在是太麻烦了。

想象一下这样的场景：你开发了一个AI应用，想要同时支持多个模型，让用户自己选择。传统做法是每个模型都要写不同的接口调用代码，管理不同的密钥，处理不同的计费方式。这不仅增加了开发复杂度，还容易出错。

One API就是为了解决这个问题而生的。它就像一个"万能转换器"，把所有AI模型的API都统一成OpenAI的格式，你只需要写一套代码，就能调用所有主流大模型。

2. One API能做什么

2.1 统一管理所有主流模型

One API支持30多种主流大模型，包括：

国际模型：OpenAI ChatGPT系列、Anthropic Claude系列、Google Gemini系列、Mistral系列
国内模型：百度文心一言、阿里通义千问、讯飞星火、智谱ChatGLM、360智脑、腾讯混元
其他模型：DeepSeek、字节豆包、Moonshot、百川、MINIMAX等

2.2 强大的管理功能

密钥管理：统一管理所有模型的API密钥，设置额度、过期时间、访问权限
负载均衡：自动在多个渠道间分配请求，提高可用性
费用控制：设置用户额度，防止滥用，支持兑换码充值
权限管理：按用户分组设置不同的模型访问权限和费率

2.3 开发者友好

统一API格式：所有模型都使用OpenAI兼容的API格式
开箱即用：单文件部署，无需复杂配置
扩展性强：支持自定义主题、登录方式、页面内容

3. 快速安装部署

3.1 使用Docker一键部署

最简单的部署方式就是使用Docker，只需要一条命令：

docker run --name one-api -d --restart always \
  -p 3000:3000 \
  -e TZ=Asia/Shanghai \
  -v /home/ubuntu/data/one-api:/data \
  justsong/one-api

这条命令的含义是：

--name one-api：给容器起个名字
-d：后台运行
--restart always：自动重启
-p 3000:3000：把容器的3000端口映射到主机的3000端口
-e TZ=Asia/Shanghai：设置时区
-v /home/ubuntu/data/one-api:/data：把数据保存到主机目录

3.2 使用MySQL数据库（可选）

如果访问量比较大，建议使用MySQL而不是默认的SQLite：

docker run --name one-api -d --restart always \
  -p 3000:3000 \
  -e SQL_DSN="root:你的密码@tcp(数据库地址:3306)/oneapi" \
  -e TZ=Asia/Shanghai \
  -v /home/ubuntu/data/one-api:/data \
  justsong/one-api

3.3 验证安装

部署完成后，打开浏览器访问 http://你的服务器IP:3000，应该能看到登录界面。使用默认账号登录：

用户名：root
密码：123456

重要安全提示：第一次登录后，请立即修改默认密码！

4. 配置和使用指南

4.1 添加第一个AI模型渠道

登录后，按照以下步骤添加模型渠道：

点击左侧菜单的"渠道"
点击"添加渠道"按钮
选择模型类型（比如OpenAI）
填写渠道名称和API密钥
设置其他参数（可选）
点击"提交"

以OpenAI为例，你需要准备：

渠道名称：自定义一个名字，比如"我的OpenAI"
模型类型：选择"OpenAI"
API密钥：填写你的OpenAI API密钥
代理地址（如果需要）：填写代理服务器地址

4.2 创建访问令牌

添加完渠道后，你需要创建令牌来访问API：

点击左侧菜单的"令牌"
点击"创建新令牌"
设置令牌名称和额度
选择允许访问的模型
点击"提交"

创建成功后，系统会生成一个令牌字符串，这个就是你的API访问凭证。

4.3 调用API示例

现在你可以用统一的方式调用所有模型了。以Python为例：

import openai

# 设置One API的地址和令牌
openai.api_base = "http://你的服务器IP:3000/v1"
openai.api_key = "你的令牌"

# 调用ChatGPT
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "你好，请介绍一下你自己"}]
)

print(response.choices[0].message.content)

同样的代码，只需要修改model参数，就可以调用其他模型：

# 调用Claude
response = openai.ChatCompletion.create(
    model="claude-3-sonnet",
    messages=[{"role": "user", "content": "你好，请介绍一下你自己"}]
)

# 调用Gemini
response = openai.ChatCompletion.create(
    model="gemini-pro",
    messages=[{"role": "user", "content": "你好，请介绍一下你自己"}]
)