使用Node.js和Taotoken构建一个简单的AI对话服务端

告别海外账号与网络限制稳定直连全球优质大模型限时半价接入中。 点击领取海量免费额度使用Node.js和Taotoken构建一个简单的AI对话服务端基础教程类面向Node.js后端开发者讲解如何初始化一个项目安装openai包并配置baseURL与环境变量来连接Taotoken服务编写一个异步函数处理聊天补全请求最终部署一个可接收请求并返回AI回复的简易HTTP服务。1. 项目初始化与环境准备开始之前你需要确保本地已经安装了Node.js运行环境。我们将创建一个新的项目目录并初始化一个Node.js项目。打开你的终端执行以下命令来创建项目文件夹并进入。mkdir taotoken-chat-server cd taotoken-chat-server npm init -ynpm init -y命令会快速生成一个默认的package.json文件。接下来我们需要安装项目依赖。核心依赖是官方的openaiSDK它将帮助我们以编程方式调用大模型API。此外我们还需要express来构建一个简单的Web服务器以及dotenv来管理环境变量。npm install openai express dotenv安装完成后你的package.json文件中的dependencies部分应该会包含这三个包。为了在开发时能够热重载我们也可以安装nodemon作为开发依赖。npm install --save-dev nodemon然后在项目根目录下创建一个名为.env的文件。这个文件用于存储敏感信息和配置比如你的Taotoken API Key。请务必将.env添加到你的.gitignore文件中避免将密钥提交到代码仓库。2. 获取并配置Taotoken API密钥要使用Taotoken的服务你首先需要一个API Key。请访问Taotoken平台注册并登录后在控制台的API Key管理页面创建一个新的密钥。创建成功后复制这个密钥。打开刚才创建的.env文件将你的API Key和想要使用的模型ID填入。模型ID可以在Taotoken平台的模型广场页面查看和选择。TAOTOKEN_API_KEY你的_API_Key_粘贴在这里 TAOTOKEN_MODELclaude-sonnet-4-6 PORT3000这里我们设置了三个环境变量TAOTOKEN_API_KEY用于存放密钥TAOTOKEN_MODEL指定默认使用的模型PORT定义了我们的HTTP服务将要监听的端口号。3. 编写核心的AI对话函数接下来我们创建项目的主逻辑文件。在项目根目录下创建一个名为app.js的文件。首先我们需要导入必要的模块并加载环境变量。// app.js import OpenAI from openai; import express from express; import * as dotenv from dotenv; dotenv.config();现在初始化OpenAI客户端。这是连接Taotoken服务的关键步骤。你需要将baseURL设置为https://taotoken.net/api并将API Key从环境变量中传入。const client new OpenAI({ apiKey: process.env.TAOTOKEN_API_KEY, baseURL: https://taotoken.net/api, });然后我们编写一个异步函数来处理与AI模型的对话。这个函数接收一个消息字符串调用Taotoken的聊天补全接口并返回AI的回复。async function getAIResponse(userMessage) { try { const completion await client.chat.completions.create({ model: process.env.TAOTOKEN_MODEL, messages: [{ role: user, content: userMessage }], // 可根据需要添加其他参数如 temperature, max_tokens 等 }); return completion.choices[0]?.message?.content || 未收到回复。; } catch (error) { console.error(调用AI服务时出错:, error); return 请求处理失败: ${error.message}; } }这个函数使用了client.chat.completions.create方法其请求格式与OpenAI官方API完全兼容。我们传入模型ID和用户消息然后从响应中提取AI的回复内容。错误处理部分确保了服务在API调用异常时也能给出友好的提示。4. 构建并启动HTTP服务有了核心的对话函数我们现在需要创建一个Web服务器来暴露一个API端点。我们将使用Express框架因为它简单易用。在app.js文件的后续部分初始化Express应用并设置一个用于处理聊天请求的POST接口。const app express(); const port process.env.PORT || 3000; // 中间件解析JSON格式的请求体 app.use(express.json()); // 定义聊天接口 app.post(/api/chat, async (req, res) { const { message } req.body; if (!message || typeof message ! string) { return res.status(400).json({ error: 请求体中必须包含有效的 message 字符串。 }); } const aiReply await getAIResponse(message); res.json({ reply: aiReply }); }); // 可选的根路径访问提示 app.get(/, (req, res) { res.send(AI对话服务已运行。请使用 POST /api/chat 接口进行对话。); }); // 启动服务器 app.listen(port, () { console.log(服务端运行在 http://localhost:${port}); });这段代码创建了一个Express应用添加了JSON解析中间件。它定义了两个路由POST /api/chat是主要的对话接口它从请求体中获取用户消息调用我们之前写的getAIResponse函数并将AI的回复以JSON格式返回GET /是一个简单的状态页。最后在package.json文件中添加一个启动脚本以便于运行我们的服务。{ scripts: { start: node app.js, dev: nodemon app.js } }现在你可以在终端运行npm run dev来启动开发服务器。看到“服务端运行在 http://localhost:3000”的日志后就说明服务已经成功启动。5. 测试与部署服务启动后你可以使用任何HTTP客户端工具进行测试例如curl或者Postman。以下是一个使用curl进行测试的例子。curl -X POST http://localhost:3000/api/chat \ -H Content-Type: application/json \ -d {message: 你好请介绍一下你自己。}如果一切配置正确你应该会收到一个包含AI回复的JSON响应。这个简易的服务端现在已经可以处理对话请求了。对于生产环境部署你可以考虑使用PM2等进程管理工具来守护Node.js进程并将服务部署到云服务器或容器平台上。记得在部署环境中正确设置.env文件里的所有变量。通过以上步骤我们完成了一个连接Taotoken平台、具备基础AI对话能力的Node.js服务端。整个流程涵盖了从项目初始化、密钥配置、SDK集成到API封装和Web服务搭建的全过程你可以在此基础上扩展错误处理、对话历史、多模型支持等功能。 告别海外账号与网络限制稳定直连全球优质大模型限时半价接入中。 点击领取海量免费额度