Nodejs 后端服务快速集成 Taotoken 实现 AI 对话功能完整示例1. 环境准备与依赖安装在开始集成 Taotoken 之前确保你的 Node.js 开发环境已经准备就绪。推荐使用 Node.js 16 或更高版本并已安装 npm 或 yarn 包管理器。创建一个新的项目目录或使用现有项目初始化 package.json 文件。安装必要的依赖包。我们将使用openai官方 JavaScript 库来简化 API 调用同时需要express作为 Web 框架npm install openai express dotenvdotenv用于从.env文件加载环境变量这是管理 API Key 等敏感信息的推荐做法。2. 配置 Taotoken API 访问在项目根目录下创建.env文件用于存储 Taotoken API KeyTAOTOKEN_API_KEYyour_api_key_here请将your_api_key_here替换为你在 Taotoken 控制台获取的实际 API Key。确保将此文件添加到.gitignore中避免将敏感信息提交到版本控制系统。接下来创建一个配置文件config.js来集中管理 API 设置require(dotenv).config(); module.exports { taotoken: { apiKey: process.env.TAOTOKEN_API_KEY, baseURL: https://taotoken.net/api, defaultModel: claude-sonnet-4-6 // 可在模型广场查看其他可用模型 } };3. 实现 API 客户端创建一个taotokenClient.js文件来封装 Taotoken API 的调用逻辑const { OpenAI } require(openai); const config require(./config); const client new OpenAI({ apiKey: config.taotoken.apiKey, baseURL: config.taotoken.baseURL, }); async function chatCompletion(messages, model config.taotoken.defaultModel) { try { const completion await client.chat.completions.create({ model, messages, }); return completion.choices[0]?.message?.content || ; } catch (error) { console.error(Taotoken API error:, error); throw error; } } async function streamChatCompletion(messages, model config.taotoken.defaultModel) { try { const stream await client.chat.completions.create({ model, messages, stream: true, }); return stream; } catch (error) { console.error(Taotoken streaming error:, error); throw error; } } module.exports { chatCompletion, streamChatCompletion, };4. 构建 Express 服务端点现在我们可以创建一个 Express 应用并添加处理 AI 对话的端点。创建app.js文件const express require(express); const { chatCompletion, streamChatCompletion } require(./taotokenClient); const app express(); const port process.env.PORT || 3000; app.use(express.json()); // 普通聊天端点 app.post(/api/chat, async (req, res) { try { const { messages, model } req.body; const response await chatCompletion(messages, model); res.json({ response }); } catch (error) { res.status(500).json({ error: error.message }); } }); // 流式聊天端点 app.post(/api/chat/stream, async (req, res) { try { const { messages, model } req.body; const stream await streamChatCompletion(messages, model); res.setHeader(Content-Type, text/event-stream); res.setHeader(Cache-Control, no-cache); res.setHeader(Connection, keep-alive); for await (const chunk of stream) { const content chunk.choices[0]?.delta?.content || ; res.write(data: ${JSON.stringify({ content })}\n\n); } res.end(); } catch (error) { res.status(500).json({ error: error.message }); } }); app.listen(port, () { console.log(Server running on port ${port}); });5. 测试与使用启动服务node app.js你可以使用 Postman 或 curl 测试 API 端点。对于普通聊天接口curl -X POST http://localhost:3000/api/chat \ -H Content-Type: application/json \ -d {messages:[{role:user,content:你好请介绍一下你自己}],model:claude-sonnet-4-6}对于流式响应接口curl -X POST http://localhost:3000/api/chat/stream \ -H Content-Type: application/json \ -d {messages:[{role:user,content:写一首关于春天的诗}],model:claude-sonnet-4-6}6. 生产环境注意事项在实际生产环境中部署时建议考虑以下几点添加 API 请求速率限制防止滥用实现更完善的错误处理和日志记录考虑添加身份验证中间件保护你的端点监控 API 调用情况和 Token 使用量根据业务需求选择合适的模型可以在 Taotoken 模型广场查看各模型的特点和定价Taotoken 提供了详细的 API 文档和用量统计功能可以帮助你更好地管理和优化 AI 服务的使用。