第一个请求

前提条件

MegaLLM API 密钥 (在此获取)
安装 Python 3.7+ 或 Node.js 14+
基本编程知识

步骤 1: 创建项目

Python
JavaScript

# 创建目录
mkdir my-first-ai-app
cd my-first-ai-app

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装依赖
pip install openai python-dotenv

# 创建目录
mkdir my-first-ai-app
cd my-first-ai-app

# 初始化项目
npm init -y

# 安装依赖
npm install openai dotenv

步骤 2: 存储 API 密钥

创建 .env 文件:

MEGALLM_API_KEY=your-api-key-here

将 .env 添加到 .gitignore 以避免提交您的 API 密钥!

步骤 3: 基本请求

Python
JavaScript

创建 app.py:

import os
from dotenv import load_dotenv
from openai import OpenAI

# 加载环境变量
load_dotenv()

# 初始化客户端
client = OpenAI(
    base_url="https://ai.megallm.io/v1",
    api_key=os.getenv("MEGALLM_API_KEY")
)

# 发起请求
response = client.chat.completions.create(
    model="gpt-4",
    messages=[
        {"role": "user", "content": "什么是 MegaLLM?"}
    ]
)

# 打印响应
print(response.choices[0].message.content)

运行:

python app.py

创建 app.js:

import OpenAI from 'openai';
import dotenv from 'dotenv';

// 加载环境变量
dotenv.config();

// 初始化客户端
const client = new OpenAI({
  baseURL: 'https://ai.megallm.io/v1',
  apiKey: process.env.MEGALLM_API_KEY
});

// 发起请求
const response = await client.chat.completions.create({
  model: 'gpt-4',
  messages: [
    { role: 'user', content: '什么是 MegaLLM?' }
  ]
});

// 打印响应
console.log(response.choices[0].message.content);

更新 package.json:

{
  "type": "module"
}

运行:

node app.js

步骤 4: 添加对话上下文

让我们使其具有对话性:

Python
JavaScript

import os
from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()

client = OpenAI(
    base_url="https://ai.megallm.io/v1",
    api_key=os.getenv("MEGALLM_API_KEY")
)

# 对话历史
messages = [
    {"role": "system", "content": "你是一个有帮助的助手。"},
    {"role": "user", "content": "什么是 Python?"}
]

# 第一个响应
response = client.chat.completions.create(
    model="gpt-4",
    messages=messages
)

# 添加到历史
assistant_message = response.choices[0].message.content
messages.append({"role": "assistant", "content": assistant_message})
print(f"助手: {assistant_message}\n")

# 后续问题
messages.append({"role": "user", "content": "它的主要特性是什么?"})

response = client.chat.completions.create(
    model="gpt-4",
    messages=messages
)

print(f"助手: {response.choices[0].message.content}")

import OpenAI from 'openai';
import dotenv from 'dotenv';

dotenv.config();

const client = new OpenAI({
  baseURL: 'https://ai.megallm.io/v1',
  apiKey: process.env.MEGALLM_API_KEY
});

// 对话历史
const messages = [
  { role: 'system', content: '你是一个有帮助的助手。' },
  { role: 'user', content: '什么是 JavaScript?' }
];

// 第一个响应
let response = await client.chat.completions.create({
  model: 'gpt-4',
  messages: messages
});

// 添加到历史
const assistantMessage = response.choices[0].message.content;
messages.push({ role: 'assistant', content: assistantMessage });
console.log(`助手: ${assistantMessage}\n`);

// 后续问题
messages.push({ role: 'user', content: '它的主要特性是什么?' });

response = await client.chat.completions.create({
  model: 'gpt-4',
  messages: messages
});

console.log(`助手: ${response.choices[0].message.content}`);

步骤 5: 尝试不同的模型

通过更改 model 参数来切换模型:

Python
JavaScript

models = ["gpt-4", "claude-3.5-sonnet", "gemini-2.5-pro"]

for model in models:
    print(f"\n--- 使用 {model} ---")
    response = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "user", "content": "用一句话解释量子计算。"}
        ]
    )
    print(response.choices[0].message.content)

const models = ['gpt-4', 'claude-3.5-sonnet', 'gemini-2.5-pro'];

for (const model of models) {
  console.log(`\n--- 使用 ${model} ---`);
  const response = await client.chat.completions.create({
    model: model,
    messages: [
      { role: 'user', content: '用一句话解释量子计算。' }
    ]
  });
  console.log(response.choices[0].message.content);
}

步骤 6: 添加参数

使用参数自定义响应:

response = client.chat.completions.create(
    model="gpt-4",
    messages=[
        {"role": "user", "content": "写一首关于 AI 的短诗"}
    ],
    temperature=0.9,      # 更高 = 更有创意
    max_tokens=100,       # 限制响应长度
    top_p=0.95,          # 核采样
    frequency_penalty=0.5 # 减少重复
)

步骤 7: 错误处理

添加适当的错误处理:

Python
JavaScript

from openai import OpenAI, AuthenticationError, RateLimitError

try:
    response = client.chat.completions.create(
        model="gpt-4",
        messages=[{"role": "user", "content": "你好!"}]
    )
    print(response.choices[0].message.content)

except AuthenticationError:
    print("❌ API 密钥无效")
except RateLimitError:
    print("❌ 超过速率限制")
except Exception as e:
    print(f"❌ 错误: {e}")

try {
  const response = await client.chat.completions.create({
    model: 'gpt-4',
    messages: [{ role: 'user', content: '你好!' }]
  });
  console.log(response.choices[0].message.content);

} catch (error) {
  if (error.status === 401) {
    console.log('❌ API 密钥无效');
  } else if (error.status === 429) {
    console.log('❌ 超过速率限制');
  } else {
    console.log(`❌ 错误: ${error.message}`);
  }
}

步骤 8: 交互式聊天

构建一个简单的聊天机器人:

Python
JavaScript

import os
from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()

client = OpenAI(
    base_url="https://ai.megallm.io/v1",
    api_key=os.getenv("MEGALLM_API_KEY")
)

messages = [
    {"role": "system", "content": "你是一个有帮助的助手。"}
]

print("与 AI 聊天 (输入 'quit' 退出)\n")

while True:
    user_input = input("你: ")

    if user_input.lower() == 'quit':
        break

    messages.append({"role": "user", "content": user_input})

    response = client.chat.completions.create(
        model="gpt-4",
        messages=messages
    )

    assistant_message = response.choices[0].message.content
    messages.append({"role": "assistant", "content": assistant_message})

    print(f"AI: {assistant_message}\n")

import OpenAI from 'openai';
import dotenv from 'dotenv';
import readline from 'readline';

dotenv.config();

const client = new OpenAI({
  baseURL: 'https://ai.megallm.io/v1',
  apiKey: process.env.MEGALLM_API_KEY
});

const messages = [
  { role: 'system', content: '你是一个有帮助的助手。' }
];

const rl = readline.createInterface({
  input: process.stdin,
  output: process.stdout
});

console.log("与 AI 聊天 (输入 'quit' 退出)\n");

function chat() {
  rl.question('你: ', async (userInput) => {
    if (userInput.toLowerCase() === 'quit') {
      rl.close();
      return;
    }

    messages.push({ role: 'user', content: userInput });

    const response = await client.chat.completions.create({
      model: 'gpt-4',
      messages: messages
    });

    const assistantMessage = response.choices[0].message.content;
    messages.push({ role: 'assistant', content: assistantMessage });

    console.log(`AI: ${assistantMessage}\n`);
    chat();
  });
}

chat();

理解响应

API 返回一个丰富的响应对象:

{
  "id": "chatcmpl-123",
  "object": "chat.completion",
  "created": 1677652288,
  "model": "gpt-4",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "你好!我今天可以如何帮助你?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 9,
    "completion_tokens": 12,
    "total_tokens": 21
  }
}

下一步

流式传输

实时流式响应

函数调用

让 AI 使用外部工具

浏览模型

探索所有可用模型

最佳实践

生产应用的提示

故障排除

导入错误

确保您已安装 SDK:

pip install openai  # Python
npm install openai  # JavaScript

401 身份验证错误

检查您的 API 密钥是否正确
验证 .env 文件是否在同一目录中
确保您调用了 load_dotenv() (Python) 或 dotenv.config() (JS)

速率限制错误

您发起了太多请求
在请求之间添加延迟
考虑升级您的计划

响应缓慢

尝试更快的模型,如 gpt-3.5-turbo
减少 max_tokens
使用流式传输以获得更好的用户体验

需要帮助?

常见问题: 常见问题
API 参考: 完整文档
支持: support@megallm.io
Discord: 加入社区

概述

快速入门

前提条件

步骤 1: 创建项目

步骤 2: 存储 API 密钥

步骤 3: 基本请求

步骤 4: 添加对话上下文

步骤 5: 尝试不同的模型

步骤 6: 添加参数

步骤 7: 错误处理

步骤 8: 交互式聊天

理解响应

下一步

流式传输

函数调用

浏览模型

最佳实践

故障排除

需要帮助?

​前提条件

​步骤 1: 创建项目

​步骤 2: 存储 API 密钥

​步骤 3: 基本请求

​步骤 4: 添加对话上下文

​步骤 5: 尝试不同的模型

​步骤 6: 添加参数

​步骤 7: 错误处理

​步骤 8: 交互式聊天

​理解响应

​下一步

流式传输

函数调用

浏览模型

最佳实践

​故障排除

​需要帮助?

前提条件

步骤 1: 创建项目

步骤 2: 存储 API 密钥

步骤 3: 基本请求

步骤 4: 添加对话上下文

步骤 5: 尝试不同的模型

步骤 6: 添加参数

步骤 7: 错误处理

步骤 8: 交互式聊天

理解响应

下一步

故障排除

需要帮助?