Node.js 调用 GPT-4o/Claude/Gemini 完整教程：两种方案，一个 Key 搞定

你兴冲冲打开 OpenAI 官网，准备用 Node.js 接入 GPT-4o，然后发现——

注册要海外手机号，付款要外币信用卡，请求还时不时超时报错。折腾半天，一行业务代码没写，光是"怎么连上去"就耗掉了一个下午。

这不是个例。这是绝大多数中国开发者接入海外 AI API 时的真实遭遇。

但如果我告诉你，改两行代码，就能在国内丝滑调用 GPT-4o、Claude 3.5、Gemini 1.5 等所有主流大模型，你会不会觉得今天这篇值得读完？

本文承诺：读完即会，代码即用。从环境搭建到生产级封装，全程手把手，每一步都能跑出结果。

---

一、为什么 Node.js 开发者需要 8848AI？

先把问题说清楚，再聊解法。

中国开发者直接调用海外 AI API，现实中面临三道坎：

[8848AI](https://api.884819.xyz) 解决的正是这三个问题：国内直连、支持人民币充值、完全兼容 OpenAI 接口标准，一个 API Key 调用所有主流模型。对开发者来说，迁移成本几乎为零。

至于为什么选 Node.js——前后端通吃、npm 生态成熟、异步处理天然适合 AI 的流式输出。更重要的是，现在最火的 AI 应用框架（LangChain.js、Vercel AI SDK）都是 JS 优先。学会这一套，全栈 AI 应用的大门就开了。

---

二、3 分钟完成环境准备

获取 API Key

打开 [api.884819.xyz](https://api.884819.xyz)，注册账号后进入控制台，点击「API Keys」→「创建新密钥」，复制保存好你的 Key（格式类似 sk-xxxxxxxx）。整个过程不到 1 分钟。

控制台里还能看到：可用模型列表、实时余额、用量统计。建议注册完先浏览一遍，对支持的模型有个整体认知。

8848AI 支持的主流模型一览

完整模型列表与实时定价请查看 → [api.884819.xyz](https://api.884819.xyz)

初始化项目

mkdir ai-demo && cd ai-demo
npm init -y
修改 package.json，添加 "type": "module" 以使用 ESM 语法

项目目录结构：

ai-demo/
├── .env                 # 存放 API Key（不要提交到 Git！）
├── package.json
├── src/
│   ├── fetch-basic.js   # 方案一：fetch 调用
│   ├── fetch-stream.js  # 方案一：流式输出
│   ├── openai-basic.js  # 方案二：openai 库
│   ├── openai-stream.js # 方案二：流式调用
│   └── ai-client.js     # 生产级封装
└── README.md

OPENAI_API_KEY=sk-你的密钥
OPENAI_BASE_URL=https://api.884819.xyz/v1

✅ Key 拿到了，项目建好了，第一个小目标达成。

---

三、方案一：原生 fetch 调用（零依赖，最轻量）

Node.js 18+ 内置 fetch，不需要安装任何依赖。适合脚本、轻量工具、或者你就是想彻底搞清楚底层原理。

示例 1：单轮对话（10 行代码）

// src/fetch-basic.js
const response = await fetch("https://api.884819.xyz/v1/chat/completions", {
method: "POST",
headers: {
"Content-Type": "application/json",
"Authorization": Bearer ${process.env.OPENAI_API_KEY},
},
body: JSON.stringify({
model: "gpt-4o-mini",       // 模型名，一行代码可切换
temperature: 0.7,            // 创造性：0=严谨，1=发散
messages: [
{ role: "user", content: "用一句话解释什么是大语言模型" }
],
}),
});

const data = await response.json();
console.log(data.choices[0].message.content);

运行 node src/fetch-basic.js，终端就会出现 AI 的回复。第一次看到这行文字，会有点小兴奋的。

示例 2：多轮对话（管理 messages 数组）

多轮对话的本质是：把历史消息一起发给模型。

// src/fetch-multi.js
const messages = [
{ role: "system", content: "你是一个简洁的技术助手，回答不超过50字" }
];

async function chat(userInput) {
messages.push({ role: "user", content: userInput });

const response = await fetch("https://api.884819.xyz/v1/chat/completions", {
method: "POST",
headers: {
"Content-Type": "application/json",
"Authorization": Bearer ${process.env.OPENAI_API_KEY},
},
body: JSON.stringify({ model: "gpt-4o-mini", messages }),
});

const data = await response.json();
const reply = data.choices[0].message.content;

messages.push({ role: "assistant", content: reply }); // 保存上下文
return reply;
}

console.log(await chat("Node.js 是什么？"));
console.log(await chat("它和 Deno 有什么区别？")); // 能记住上文

示例 3：流式输出（SSE，逐字蹦出来的效果）

这是让用户体验质变的关键——不用等模型生成完再显示，而是像 ChatGPT 一样逐字输出。

// src/fetch-stream.js
const response = await fetch("https://api.884819.xyz/v1/chat/completions", {
method: "POST",
headers: {
"Content-Type": "application/json",
"Authorization": Bearer ${process.env.OPENAI_API_KEY},
},
body: JSON.stringify({
model: "gpt-4o",
stream: true,               // 开启流式输出
messages: [{ role: "user", content: "写一首关于代码的五言绝句" }],
}),
});

// 逐行处理 SSE 数据流
for await (const chunk of response.body) {
const lines = Buffer.from(chunk).toString().split("\n").filter(Boolean);
for (const line of lines) {
if (!line.startsWith("data: ") || line === "data: [DONE]") continue;
const delta = JSON.parse(line.slice(6)).choices[0].delta.content;
if (delta) process.stdout.write(delta); // 不换行，逐字打印
}
}

跑起来那一刻，看着文字一个字一个字蹦出来——🔥 这就是 AI 应用该有的感觉。

---

四、方案二：openai 官方库（最优雅，推荐生产使用）

npm install openai dotenv

只需修改 baseURL 一个参数，openai 官方 SDK 就能无缝对接 8848AI。现有 OpenAI 项目迁移，改两行代码，完事。

示例 4：基础调用

// src/openai-basic.js
import OpenAI from "openai";
import "dotenv/config";

const client = new OpenAI({
apiKey: process.env.OPENAI_API_KEY,
baseURL: "https://api.884819.xyz/v1",  // 8848AI 接口地址，仅此一处修改
});

const completion = await client.chat.completions.create({
model: "gpt-4o",
messages: [{ role: "user", content: "给我推荐3个 Node.js AI 开发必备库" }],
});

console.log(completion.choices[0].message.content);

示例 5：流式调用（for await...of，优雅无比）

// src/openai-stream.js
const stream = await client.chat.completions.create({
model: "claude-3-5-sonnet-20241022",
stream: true,
messages: [{ role: "user", content: "解释 async/await 的工作原理" }],
});

for await (const chunk of stream) {
const content = chunk.choices[0]?.delta?.content ?? "";
process.stdout.write(content);
}

示例 6：Function Calling（让 AI 调用你的函数）

// src/openai-function.js
const tools = [{
type: "function",
function: {
name: "get_weather",
description: "获取指定城市的天气",
parameters: {
type: "object",
properties: {
city: { type: "string", description: "城市名称" },
},
required: ["city"],
},
},
}];

const response = await client.chat.completions.create({
model: "gpt-4o",
messages: [{ role: "user", content: "北京今天天气怎么样？" }],
tools,
tool_choice: "auto",
});

// 解析模型决定调用的函数和参数
const toolCall = response.choices[0].message.tool_calls?.[0];
if (toolCall) {
const args = JSON.parse(toolCall.function.arguments);
console.log(模型要调用: ${toolCall.function.name}(${JSON.stringify(args)}));
// 输出: 模型要调用: get_weather({"city":"北京"})
}

示例 7：一行代码切换模型

// 想换模型？改一行就够了
const models = ["gpt-4o", "claude-3-5-sonnet-20241022", "gemini-1.5-pro"];

for (const model of models) {
const res = await client.chat.completions.create({
model,  // ← 就这里
messages: [{ role: "user", content: "1+1等于几？用一句话回答" }],
});
console.log([${model}]: ${res.choices[0].message.content});
}

---

五、两种方案对比

---

六、生产级最佳实践与避坑指南

封装一个可直接复用的 AI 客户端

// src/ai-client.js
import OpenAI from "openai";
import "dotenv/config";

class AIClient {
constructor() {
this.client = new OpenAI({
apiKey: process.env.OPENAI_API_KEY,
baseURL: "https://api.884819.xyz/v1",  // 8848AI 接口地址
timeout: 30000,       // 30秒超时
maxRetries: 3,        // 自动重试3次
});
}

async chat(messages, options = {}) {
const { model = "gpt-4o-mini", temperature = 0.7, stream = false } = options;

try {
return await this.client.chat.completions.create({
model, temperature, stream, messages,
});
} catch (error) {
// 统一错误处理
if (error.status === 401) throw new Error("API Key 无效，请检查配置");
if (error.status === 429) throw new Error("请求过于频繁，请稍后重试");
if (error.status === 500) throw new Error("模型服务异常，建议切换备用模型");
throw error;
}
}
}

export default new AIClient();

6 个生产必知要点

常见报错速查

---

七、30 行代码：命令行 AI 聊天机器人

把前面学的东西串起来，做个真实可用的小工具：

// chatbot.js
import OpenAI from "openai";
import readline from "readline";
import "dotenv/config";

const client = new OpenAI({
apiKey: process.env.OPENAI_API_KEY,
baseURL: "https://api.884819.xyz/v1",
});

const messages = [{ role: "system", content: "你是一个友好的助手" }];
const rl = readline.createInterface({ input: process.stdin, output: process.stdout });

const ask = (prompt) => new Promise((resolve) => rl.question(prompt, resolve));

console.log("🤖 AI 助手已启动，输入 exit 退出\n");

while (true) {
const input = await ask("你: ");
if (input === "exit") { rl.close(); break; }

messages.push({ role: "user", content: input });
process.stdout.write("AI: ");

const stream = await client.chat.completions.create({
model: "gpt-4o-mini", stream: true, messages,
});

let reply = "";
for await (const chunk of stream) {
const text = chunk.choices[0]?.delta?.content ?? "";
process.stdout.write(text);
reply += text;
}

messages.push({ role: "assistant", content: reply });
console.log("\n");
}

运行 node chatbot.js，一个支持多轮对话、流式输出的命令行聊天机器人就跑起来了。从零到可用，30 行代码，5 分钟。

---

总结：你现在掌握了什么

API 调用只是起点。真正有价值的，是你用这些能力构建什么。

AI 客服、文档摘要工具、代码审查助手、个人知识库问答……这些不是未来的事，是你今天就能动手做的事。

---

📌 下一篇预告：命令行聊天机器人只是热身。更多人关心的问题是——如何在网页端实现 ChatGPT 一样的打字机效果？ 下一篇《前端实战：React 接入 8848AI，从零搭建流式对话 UI》，我们将用 SSE + React Hooks，做一个真正能上线的 AI 聊天界面——完整的消息气泡、流式渲染、加载状态、错误提示，一个不少。

关注收藏，别错过。

---