通过Nodejs和Taotoken快速构建一个支持多模型切换的聊天机器人-港品优选

通过Node.js和Taotoken快速构建一个支持多模型切换的聊天机器人

基础教程类，面向有一定Node.js基础的前后端开发者，目标是构建一个可切换模型的简易聊天机器人后端，教程将演示如何安装openai包，通过环境变量配置Taotoken的baseURL和apiKey，并编写异步函数调用聊天补全接口，同时在前端提供模型选择下拉菜单。

1. 项目初始化与环境准备

我们将创建一个简单的Node.js后端服务，它使用Express框架处理HTTP请求，并集成OpenAI官方Node.js SDK来调用Taotoken平台提供的模型API。首先，确保你的开发环境中已安装Node.js（建议版本18或更高）和npm。

创建一个新的项目目录，并通过终端进入该目录，运行npm init -y初始化项目。接下来，安装项目所需的依赖包。

npm install express openai dotenv

这里我们安装了三个包：express用于构建Web服务器，openai是OpenAI官方SDK（兼容Taotoken的API），dotenv用于从.env文件加载环境变量，便于管理敏感信息。

2. 配置Taotoken API密钥与端点

在项目根目录下创建一个名为.env的文件，用于存放你的Taotoken API密钥。你可以在Taotoken平台的控制台中创建API Key。同时，你需要从平台的模型广场查看并记录下你想要使用的模型ID，例如claude-sonnet-4-6或gpt-4o-mini。

你的.env文件内容应如下所示：

TAOTOKEN_API_KEY=your_taotoken_api_key_here TAOTOKEN_BASE_URL=https://taotoken.net/api DEFAULT_MODEL=claude-sonnet-4-6

请注意，TAOTOKEN_BASE_URL的值是https://taotoken.net/api。这是使用OpenAI兼容SDK时的正确配置，SDK会自动在内部拼接/v1等路径。请务必不要在此处添加/v1。

为了安全起见，请将.env文件添加到你的.gitignore中，避免将密钥提交到版本控制系统。

3. 构建后端API服务

接下来，我们创建主服务器文件server.js。首先，引入必要的模块并加载环境变量。

// server.js import express from 'express'; import OpenAI from 'openai'; import dotenv from 'dotenv'; dotenv.config(); const app = express(); const port = process.env.PORT || 3000; // 初始化OpenAI客户端，指向Taotoken const client = new OpenAI({ apiKey: process.env.TAOTOKEN_API_KEY, baseURL: process.env.TAOTOKEN_BASE_URL, }); app.use(express.json()); app.use(express.static('public')); // 用于托管前端静态文件

我们创建了一个OpenAI客户端实例，其baseURL和apiKey均来自环境变量。这样，所有通过这个客户端发起的请求都会发送到Taotoken平台。

现在，我们创建一个处理聊天请求的POST接口。这个接口将接收用户消息和选定的模型ID，然后调用Taotoken的聊天补全接口。

app.post('/api/chat', async (req, res) => { try { const { message, model } = req.body; // 如果请求中没有指定模型，则使用环境变量中的默认模型 const modelToUse = model || process.env.DEFAULT_MODEL; const completion = await client.chat.completions.create({ model: modelToUse, messages: [{ role: 'user', content: message }], stream: false, // 为简化示例，关闭流式输出 }); const reply = completion.choices[0]?.message?.content; res.json({ success: true, reply: reply }); } catch (error) { console.error('API调用错误:', error); res.status(500).json({ success: false, error: error.message }); } }); app.listen(port, () => { console.log(`服务器运行在 http://localhost:${port}`); });

这个/api/chat接口接收JSON格式的请求体，包含message（用户输入）和可选的model参数。它使用客户端调用chat.completions.create方法，并将模型的回复以JSON格式返回。

4. 创建简易前端界面

为了让演示更完整，我们创建一个简单的前端页面来调用这个后端接口。在项目根目录下创建一个public文件夹，并在其中创建index.html文件。

<!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>多模型聊天机器人演示</title> <style> body { font-family: sans-serif; max-width: 800px; margin: 40px auto; padding: 20px; } .container { display: flex; flex-direction: column; gap: 20px; } select, textarea, button { padding: 10px; font-size: 16px; } #chatLog { border: 1px solid #ccc; padding: 15px; min-height: 300px; background: #f9f9f9; } .message { margin-bottom: 10px; } .user { color: blue; } .bot { color: green; } </style> </head> <body> <div class="container"> <h1>Taotoken多模型聊天机器人</h1> <div> <label for="modelSelect">选择模型：</label> <select id="modelSelect"> <option value="claude-sonnet-4-6">Claude 3.5 Sonnet</option> <option value="gpt-4o-mini">GPT-4o Mini</option> <!-- 你可以在此添加更多从Taotoken模型广场获取的模型ID --> </select> </div> <textarea id="userInput" placeholder="请输入你的消息..." rows="4"></textarea> <button onclick="sendMessage()">发送</button> <div id="chatLog"></div> </div> <script> async function sendMessage() { const userInput = document.getElementById('userInput').value; const model = document.getElementById('modelSelect').value; const chatLog = document.getElementById('chatLog'); if (!userInput.trim()) return; // 在聊天记录中显示用户消息 chatLog.innerHTML += `<div class="message user"><strong>你：</strong> ${userInput}</div>`; document.getElementById('userInput').value = ''; try { const response = await fetch('/api/chat', { method: 'POST', headers: { 'Content-Type': 'application/json' }, body: JSON.stringify({ message: userInput, model: model }) }); const data = await response.json(); if (data.success) { chatLog.innerHTML += `<div class="message bot"><strong>机器人：</strong> ${data.reply}</div>`; } else { chatLog.innerHTML += `<div class="message bot" style="color:red;"><strong>错误：</strong> ${data.error}</div>`; } } catch (error) { chatLog.innerHTML += `<div class="message bot" style="color:red;"><strong>网络错误：</strong> ${error.message}</div>`; } chatLog.scrollTop = chatLog.scrollHeight; } // 允许按Enter键发送消息 document.getElementById('userInput').addEventListener('keypress', function(e) { if (e.key === 'Enter' && !e.shiftKey) { e.preventDefault(); sendMessage(); } }); </script> </body> </html>

这个前端页面包含一个模型选择下拉框、一个文本输入框和一个发送按钮。当用户发送消息时，JavaScript代码会收集用户输入和选中的模型，通过fetchAPI调用我们刚刚创建的后端接口，并将对话记录显示在页面上。

5. 运行与测试

现在，所有代码都已就绪。在终端中，运行以下命令启动服务器：

node server.js

如果一切正常，终端会显示“服务器运行在 http://localhost:3000”。打开浏览器访问这个地址，你将看到聊天界面。尝试在下拉框中选择不同的模型并发送消息，后端服务会通过Taotoken平台调用对应的模型并返回结果。

通过这个简单的项目，你实现了一个核心功能：通过一个统一的API端点，动态切换调用不同的大语言模型。这得益于Taotoken平台提供的OpenAI兼容API，使得切换模型就像更换一个字符串参数一样简单。在实际开发中，你可以在此基础上扩展用户会话管理、流式响应、更复杂的错误处理等功能。

希望这篇教程能帮助你快速上手。要获取最新的模型列表和API文档，请访问 Taotoken 官方平台。

企业官网建设流程全解析