手把手教你免费获取豆包 AI API Key 并接入前端项目

文章目录

手把手教你免费获取豆包 AI API Key 并接入前端项目(超详细图文版)

大家好,最近在做 Vue 前端项目时,需要做一个在线智能客服功能,直接接入了字节的豆包 AI,体验非常流畅。很多同学问我豆包 AI 的 API Key 到底怎么拿,今天就出一篇保姆级教程,从零到一教会你,全程免费、可直接用于项目开发。


一、先说清楚:豆包 AI API 在哪里申请?

豆包 AI 的大模型能力,统一在 火山引擎·火山方舟(ARK) 平台开放。
✅ 个人可申请
✅ 支持实名认证
✅ 新用户有免费调用额度
✅ 支持前端直接调用(配合代理更安全)


二、准备工作(2 分钟完成)

  1. 打开火山引擎官网:https://www.volcengine.com/
  2. 手机号注册并登录
  3. 进入右上角「账号管理」→ 完成实名认证(个人即可,秒通过)
不实名认证无法使用 API 能力。

三、正式获取 API Key(5 分钟搞定)

步骤 1:进入火山方舟平台

登录后,顶部搜索框搜:火山方舟
或直接访问:https://console.volcengine.com/ark

在这里插入图片描述

步骤 2:创建 API Key(最重要)

  1. 左侧菜单找到:API 密钥管理
  2. 点击 创建 API Key
  3. 起个名字,例如:my-doubao-customer-service

创建成功后,立即复制保存 API Key
这个 key 只会显示一次!

在这里插入图片描述

格式示例:

ek-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx 

步骤 3:开通豆包 AI 模型

  1. 进入 模型管理中心
  2. 找到 豆包系列
  3. 推荐开通:
    • Doubao-lite-128k(轻量、免费额度足、适合客服)
    • Doubao-pro-256k(效果更好)

点击开通即可,无需复杂配置。

在这里插入图片描述

步骤 4:创建「推理接入点」获取 Endpoint ID

这是很多人卡壳的地方,我讲清楚:
API Key 是身份凭证
Endpoint ID 是你要调用的模型地址

  1. 点击 创建推理接入点
  2. 填写名称:doubao-chat
  3. 选择刚才开通的豆包模型
  4. 地区选择:cn-beijing

创建 → 等待状态变为 运行中

在这里插入图片描述

左侧进入:在线推理

在这里插入图片描述

创建完成后,复制:

ep-xxxxxxxxxxxxxxx 

这就是你的 Endpoint ID。


四、拿到这两个东西就成功了

你最终会获得:

  1. API Key
  2. Endpoint ID

把它们填进前端代码就能直接调用豆包 AI!


五、前端接入代码示例(Vue3 可直接用)

// 豆包 AI 接口请求constreplyFromDoubaoAI=async(userText)=>{try{const res =await axios.post('https://ark.cn-beijing.volces.com/api/v3/chat/completions',{model:"你的EndpointID",messages:[{role:"user",content: userText }]},{headers:{"Content-Type":"application/json","Authorization":"Bearer 你的APIKey"}})return res.data.choices[0].message.content }catch(err){return'AI 服务暂时不可用'}}

六、常见问题(必看)

1. 调用报错 401

API Key 错误、未复制全、未开通模型。

2. 报错 404 / Model not found

Endpoint ID 不对,或模型未运行。

3. 免费额度能用多久?

个人新用户一般足够开发与小型项目使用

4. 可以直接前端调用吗?

学习、演示可以;
正式上线建议 通过后端中转,避免 API Key 泄露。


七、总结

今天这篇文章带你完成了:
✅ 了解豆包 AI API 申请平台
✅ 5 分钟获取 API Key
✅ 开通豆包模型
✅ 创建推理接入点
✅ 获取 Endpoint ID
✅ 前端接入代码示例

整个流程非常简单,只要跟着做,10 分钟内一定能跑通!


Read more

Qwen3-4B流式输出体验:比ChatGPT更快的对话机器人

Qwen3-4B流式输出体验:比ChatGPT更快的对话机器人 【一键部署链接】⚡Qwen3-4B Instruct-2507 项目地址: https://ai.ZEEKLOG.net/mirror/qwen3-4b-instruct-2507?utm_source=mirror_blog_title 你有没有过这样的体验:向AI提问后,盯着空白输入框等了3秒、5秒,甚至更久,才看到第一个字缓缓出现?那种“卡顿感”不仅拖慢节奏,还悄悄削弱了人与AI之间本该有的自然对话节奏。而这一次,我们试用了刚上线的⚡Qwen3-4B Instruct-2507镜像——它不只快,而是从第一毫秒就开始“说话”。没有加载动画,没有全量缓冲,文字像打字员实时敲击一样逐字浮现,光标在句尾轻轻跳动,仿佛对面真坐着一位反应敏捷、思路清晰的协作者。 这不是营销话术,而是实测结果:在同等A10 GPU环境下,Qwen3-4B的首字延迟(Time to First Token)平均仅186ms,

3个步骤让你的Home Assistant界面焕然一新:智能家居UI设计全攻略

3个步骤让你的Home Assistant界面焕然一新:智能家居UI设计全攻略 【免费下载链接】lovelace-soft-ui💫 Simple and clean Lovelace configuration 项目地址: https://gitcode.com/gh_mirrors/lo/lovelace-soft-ui 你是否也曾被Home Assistant默认界面的单调布局困扰?繁杂的控件排列、生硬的色彩对比,让智能家居控制变成了一种负担。而lovelace-soft-ui的出现,正是为了解决这些痛点——通过简单的YAML配置,就能将普通控制界面升级为具有现代美感的交互中心。本文将带你从安装到定制,完成一次Home Assistant界面的优雅蜕变。 核心价值:让科技融入生活美学 想象这样一个场景:清晨醒来,你滑动手机查看家中状态,柔和的卡片式布局、恰到好处的阴影层次、协调的色彩搭配,让每个控制按钮都像精心设计的艺术品。这正是lovelace-soft-ui带给用户的核心价值——它不仅是界面美化工具,更是一种让智能家居回归生活本质的设计哲学。 图:左侧为默认界

「2025嵌赛」瑞芯微&飞凌嵌入式赛题全国一等奖|基于ELF 2开发板的多传感信息融合的多用途巡检机器人

「2025嵌赛」瑞芯微&飞凌嵌入式赛题全国一等奖|基于ELF 2开发板的多传感信息融合的多用途巡检机器人

全国大学生嵌入式芯片与系统设计竞赛以服务国家嵌入式芯片与相关应用产业的发展大局,加强全国高校学生在相关领域的创新设计与工程实践能力,深化产教融合,培养具有创新思维、团队合作精神、解决复杂工程问题能力等新工科要求的优秀人才为背景。 飞凌嵌入式作为本届大赛协办单位之一,联合瑞芯微在应用赛道中设立专项赛题,并采用基于瑞芯微RK3588芯片设计的ELF 2开发板作为参赛平台,该赛题吸引了超过500支参赛队伍报名,经过线上初审与分赛区复赛的严格选拔,最终64支队伍脱颖而出,成功晋级全国总决赛。备赛期间,飞凌嵌入式技术团队为参赛学生提供了全方位的技术支持与专业培训,助力他们在比赛中充分发挥实力、斩获佳绩。 其中,郑州轻工业大学“调试时长两月半队”团队凭借参赛项目“基于ELF 2开发板的多传感信息融合的多用途巡检机器人”,荣获全国一等奖。该团队由计算机科学与技术学院的李宗洋、靳家林、吴海源三位同学组成,并在于泽琦老师和王晓老师的指导下完成项目。接下来,让我们一起了解这一获奖项目的具体内容。 “调试时长两月半队”团队展示 “基于ELF 2开发板的多传感信息融合的多用途巡检机器人”项目介绍

高飞团队新作!基于高阶CBF的端到端无人机,实现7.5m/s丛林穿越,突破RL安全瓶颈

高飞团队新作!基于高阶CBF的端到端无人机,实现7.5m/s丛林穿越,突破RL安全瓶颈

「强化学习高速避障新范式」 目录 01  主要方法  1. 训练阶段:基于物理先验的奖励塑形 1. Dijkstra全局引导奖励 2. 基于控制障碍函数的安全惩罚  2. 部署阶段:基于高阶控制障碍函数的实时滤波 02  实验结果  1.仿真训练与消融实验  2.基准测试  3.实机飞行验证 03  总结 在无人机高速避障领域,Ego-Planner等传统的模块化规划方法受限于感知-规划-控制的累积延迟,往往难以兼顾高速与安全;而RL等纯端到端的强化学习虽然敏捷,却因缺乏理论上的安全保障而被视为黑盒。 浙江大学高飞老师团队的这项工作,最令人振奋之处在于巧妙地构建了一套混合架构。 * 在训练阶段,利用 Dijkstra 势场 引导 RL 智能体跳出局部极小值陷阱 ,实现了全局可达性; * 在部署阶段,则引入了基于 高阶控制障碍函数(HOCBF)的安全滤波器,将神经网络输出的动作实时投影到可行域内。 这种设计不仅在数学上给出了碰撞避免的严谨证明,更在实测中实现了高达 7.5m/s