从 0 到 1：Node.js 调用 AI API 的完整避坑指南

别急着写代码，先把"钥匙"藏好

你有没有过这种经历：辛辛苦苦写了一个 AI 小工具，兴冲冲地开源到 GitHub，结果第二天收到 AWS 账单------几千美元。点开一看，有人用你的 API Key 挖矿了。

别笑，这种事真真切切地发生在无数开发者身上。API Key 就是你通往 AI 服务的"钥匙"，一旦泄露，轻则被薅羊毛，重则倾家荡产。

所以，在写第一行代码之前，我们先来聊聊怎么把这个"钥匙"藏好。

.env 文件：你的秘密保险箱

在项目根目录创建一个 .env 文件，内容大概长这样：

ini 复制代码

DEEPSEEK_API_KEY=sk-xxxxxxxxxxxxxxxxxxxx

注意格式：KEY=VALUE，而且 KEY 一定要大写。这是约定俗成的规矩，dotenv 库就是靠这个约定来解析的。

然后在 .gitignore 文件里加上：

bash 复制代码

.env

这样 Git 就不会把这个文件提交到远程仓库了，你的密钥只属于你自己。

dotenv：让环境变量"活"起来

光有 .env 文件还不够，代码怎么读取它呢？

javascript 复制代码

import dotenv from 'dotenv'
dotenv.config()

就这么两行代码，dotenv 会自动帮你读取 .env 文件，然后把里面的键值对加载到 process.env 对象中。

process.env：Node.js 的"环境字典"

process 是一个全局对象，代表当前 Node.js 进程。而 process.env 就是这个进程的"环境字典"，里面存放着各种环境变量。

javascript 复制代码

const apiKey = process.env.DEEPSEEK_API_KEY
console.log(apiKey) // sk-xxxxxxxxxxxxxxxxxxxx

为什么要这么大费周章？直接写死不行吗？

不行。因为不同环境需要不同的配置：

开发环境用测试 Key
生产环境用正式 Key
你的 Key 和我的 Key 不一样

把配置抽离到环境变量里，代码就能"一次编写，多处运行"了。

模块化开发：import 和 export 的艺术

假设你写了一个工具函数，想在多个地方复用。这时候就需要模块化了。

ES6 模块方案 vs 传统 CommonJS

Node.js 最初用的是 CommonJS 方案：

javascript 复制代码

// 导出
module.exports = { add }

// 导入
const { add } = require('./utils')

ES6 推出了更现代的模块方案：

javascript 复制代码

// 导出
export const add = (a, b) => a + b

// 导入
import { add } from './utils'

两者区别在哪？简单来说：

CommonJS 是运行时加载
ES6 模块是编译时加载

编译时加载意味着什么？意味着性能更好，静态分析更方便，树摇（Tree Shaking）更彻底。所以现在新建项目，强烈推荐用 ES6 模块方案。

.mjs 后缀：让浏览器也能读懂

如果你想把文件命名为 .js 但又想用 ES6 模块，只需要在 package.json 里加一行：

json 复制代码

{
  "type": "module"
}

但如果你的文件叫 index.mjs，那就不需要改 package.json 了------.mjs 后缀天然就是 ES6 模块的标识。

所以你现在看到的代码文件都是 index.mjs，就是这个原因。

async/await：让异步代码"同步"起来

终于到重头戏了。

为什么 API 请求要用 async？

看这段代码：

javascript 复制代码

const result = client.chat.completions.create({
    messages: [{ role: 'user', content: '你好' }]
})
console.log(result) // 打印出来看看？

如果你直接这么写，打印出来的可能不是 AI 的回复，而是一个 Promise 对象。因为 chat.completions.create 是一个异步操作------它需要时间等待服务器响应。

JavaScript 的执行顺序是这样的：

同步代码：按顺序立即执行
异步代码：交给 Web APIs / Node.js 处理，不阻塞主线程

API 请求属于异步代码。如果不特殊处理，代码会"跳过"等待，直接执行下一行。

await 到底在"等"什么？

await 关键字的作用就是：暂停当前函数的执行，等待 Promise 完成后再继续。

javascript 复制代码

const main = async () => {
    console.log('开始请求')
    const result = await client.chat.completions.create({...})
    console.log('收到回复')
    console.log(result.choices[0].message.content)
}

执行顺序变成了：

css 复制代码

开始请求
[等待 API 响应...]
收到回复
[打印 AI 的回复]

如果不用 await，顺序就变成了：

css 复制代码

开始请求
[立即执行下一行]
收到回复（不对，应该是 Promise）
[打印 Promise 对象]

async 函数：承诺一定会有结果

async 函数有什么特别？它的返回值一定是一个 Promise。

javascript 复制代码

async function getData() {
    return 'Hello'
}

// 等价于：
function getData() {
    return Promise.resolve('Hello')
}

所以 main 函数前面要加 async，是为了告诉 JavaScript："这个函数里有异步操作，我要用 await 来控制执行顺序。"

实战：调用 AI API 的正确姿势

好了，理论基础打扎实了，现在来写真正的代码。

OpenAI SDK 的初始化

javascript 复制代码

import { OpenAI } from 'openai'
import dotenv from 'dotenv'

dotenv.config()

const client = new OpenAI({
    apiKey: process.env.DEEPSEEK_API_KEY,
    baseURL: 'https://api.deepseek.com/v1',
    model: 'deepseek-chat',
})

注意这里用的是 new OpenAI()，不是 OpenAI()。因为 OpenAI 是一个类，必须实例化才能使用。

chat.completions.create 的正确调用方式

javascript 复制代码

const main = async () => {
    const result = await client.chat.completions.create({
        model: 'deepseek-chat',
        messages: [
            {
                role: 'user',
                content: '你好'
            }
        ]
    })
    console.log(result.choices[0].message.content)
}

main()

参数解释：

model：指定用哪个模型
messages：对话历史，数组格式
- role：角色，user 表示用户，assistant 表示 AI
- content：消息内容

常见报错及解决方案

报错 1：Class constructor OpenAI cannot be invoked without 'new'

arduino 复制代码

原因：忘了加 new 关键字
解决：const client = new OpenAI({...})

报错 2：APIConnectionError: Connection error

markdown 复制代码

原因：网络连接问题，可能是：
  - DNS 解析失败
  - 代理配置问题
  - 网络不可达
解决：
  - 检查网络连接
  - 配置代理环境变量
  - 确认 API 地址是否正确

报错 3：Invalid API Key

markdown 复制代码

原因：API Key 无效或未设置
解决：
  - 确认 .env 文件存在且格式正确
  - 确认 KEY 名称匹配（DEEPSEEK_API_KEY）
  - 确认 API Key 没有过期

AIGC 工程化开发流程总结

恭喜你，看到这里说明你已经掌握了 AI 项目开发的核心套路。让我来总结一下：

AI 项目的标准开发套路

初始化项目
bash 复制代码
```
npm init -y
npm i openai dotenv
```
配置环境变量
- 创建 .env 文件，存放 API Key
- 在 .gitignore 中忽略 .env
初始化 AI 客户端
- 实例化 OpenAI（或其他 SDK）
- 配置 baseURL 和 model
编写入口函数
- 用 async 声明异步函数
- 用 await 等待 API 响应
调用 chat.completions.create
- 构建 messages 数组
- 解析返回结果

从"Hello World"到"智能助手"的进化之路

今天你学会的只是一个最简单的例子------给 AI 发一条消息，收到一条回复。

但这只是冰山一角。

真正的 AI 应用可能是：

对话式客服机器人
智能代码助手
自动文案生成器
多轮对话的记忆管理
工具调用和插件系统

每一步进阶都需要在今天的基础上加更多"调料"：流式输出、错误重试、上下文管理、Token 优化...

但无论如何，核心永远是这几行代码。你今天学到的，是 AIGC 开发的"内功心法"。

最后留个思考题：如果让你给 AI 加一个"记住对话历史"的功能，你会怎么改这段代码？

欢迎在评论区秀出你的方案！