小白入门:前端前端调用 AI 接口全流程(附具体案例)

很多前端新手在调用 AI 接口时会犯怵:不知道 “怎么怎么传参数?”“流式响应怎么处理?”“不同功能(润色 / 扩写)调用方式不一样吗?”

其实很简单!本文以 “智能文本处理工具” 为例,手把手教你从 0 到 1 调用 AI 接口,包含润色、扩写等功能,看完就能上手。


准备工作:先看懂这 3 个核心文件

在开始前,我们需要明确项目中 3 个关键文件的作用(这些文件你可能已经有了,只是不知道怎么用):

  • vite.config.js:配置后端接口代理,解决跨域问题
  • apiClient.js:封装好的 HTTP 请求工具,帮你发请求
  • aiService.js:封装好的 AI 功能函数(润色 / 扩写等)
配置文件(vite.config.js)

这个文件告诉前端:" 调用 /writer_api 开头的接口时,自动转发到后端服务器 "。

// vite.config.js exportdefaultdefineConfig({ server:{ proxy:{// AI功能接口代理(润色/扩写等) '/writer_api':{ target:'http://192.168.0.1:3000',// 后端服务器地址  changeOrigin:true,// 解决跨域 rewrite:path=> path.replace(/^\/writer_api/,'')// 去掉前缀 }}}});
请求工具(apiClient.js)

这个文件封装了发送请求的逻辑,你不用关心 fetchaxios 的细节,直接调用即可。

// apiClient.js classHttpClient{asyncpost(url, data){returnfetch(url,{ method:'POST', headers:{'Content-Type':'application/json'}, body:JSON.stringify(data)});}}exportdefaultnewHttpClient();
AI 功能封装(aiService.js)

这里已经帮你写好了调用各种 AI 功能的函数,直接用就行!

// aiService.js import apiClient from'./apiClient.js';// 润色功能 exportconstpolishText=async(text, style)=>{return apiClient.post('/writer_api/generate/',{ writing_mode:`润色${style}`, text: text });};// 扩写功能 exportconstexpandText=async(text)=>{return apiClient.post('/writer_api/generate/',{ writing_mode:'扩写', text: text });};// 处理流式响应(AI逐字返回结果时用) exportconstreadStreamResponse=async(response, onUpdate)=>{const reader = response.body.getReader();const decoder =newTextDecoder();let result ='';while(true){const{ done, value }=await reader.read();if(done)break; result += decoder.decode(value);onUpdate(result);// 实时更新结果 }return result;};

实战案例:做一个 AI 文本处理工具

我们来做一个简单的页面,包含:

  • 输入框(用户输入文本)
  • 功能按钮(润色 / 扩写)
  • 结果展示区(显示 AI 处理后的内容)
页面结构(Vue 组件为例)

先写好 HTML 结构,让用户能输入文本、选择功能、看到结果。

<template> <div> <!-- 输入区域 --> <textarea v-model="userText" placeholder="请输入需要处理的文本..." ></textarea> <!-- 功能按钮 --> <div> <button @click="handlePolish">润色</button> <button @click="handleExpand">扩写</button> </div> <!-- 结果展示 --> <div> <h3>处理结果:</h3> <p>{{ resultText }}</p> </div> </div> </template> 
核心逻辑:调用 AI 接口

重点看 JavaScript 部分,这是调用接口的核心代码。

<script setup> import { ref } from 'vue'; // 导入AI功能函数 import { polishText, expandText, readStreamResponse } from './aiService.js'; // 定义变量 const userText = ref(''); // 用户输入的文本 const resultText = ref(''); // AI返回的结果 // 1. 调用润色功能 const handlePolish = async () => { // 先检查用户有没有输入内容 if (!userText.value) { alert('请输入文本!'); return; } try { // 调用润色接口,传入文本和风格(这里固定用"更正式") const response = await polishText(userText.value, '更正式'); // 处理AI的流式响应(实时更新结果) await readStreamResponse(response, (partialResult) => { resultText.value = partialResult; // 实时显示到页面 }); } catch (error) { alert('润色失败,请重试!'); console.error(error); } }; // 2. 调用扩写功能(和润色几乎一样) const handleExpand = async () => { if (!userText.value) { alert('请输入文本!'); return; } try { // 调用扩写接口,只需要传入文本 const response = await expandText(userText.value); // 同样用流式响应处理结果 await readStreamResponse(response, (partialResult) => { resultText.value = partialResult; }); } catch (error) { alert('扩写失败,请重试!'); } }; </script> 
样式美化(可选)

加一点 CSS 让页面好看点:

<style scoped> .ai-tool { max-width: 800px; margin: 20px auto; padding: 20px; } textarea { width: 100%; height: 150px; padding: 10px; margin-bottom: 10px; } .buttons { margin-bottom: 20px; } button { margin-right: 10px; padding: 8px 16px; cursor: pointer; } .result { padding: 10px; border: 1px solid #eee; } </style> 

关键步骤总结

不管调用哪种 AI 功能,步骤都是固定的:

  1. 获取用户输入:从输入框拿到 userText
  2. 调用对应函数
    • 润色用 polishText(文本, 风格)
    • 扩写用 expandText(文本)
  3. 处理流式响应:用 readStreamResponse 实时显示结果
  4. 错误处理:用 try/catch 捕获异常,提示用户

常见问题解答

Q:为什么要处理流式响应?
A:AI 生成内容时是逐字返回的(比如 “你好→你好,→你好,我是→…”),流式处理能让用户实时看到结果,体验更好。

Q:想加翻译功能怎么办?
A:在 aiService.js 里加一个 translateText 函数,然后在页面加个按钮调用它,逻辑和扩写完全一样。

Q:后端接口地址变了怎么办?
A:只需要改 vite.config.js 里的 target 地址,不用改业务代码。

通过这个例子,你应该能明白:调用 AI 接口其实就是 “传参数→等结果→显示结果” 这三步。不管是润色、扩写还是其他功能,都是同样的套路,换个函数名就行~

如果还有疑问,欢迎在评论区留言!

Read more

【大模型应用篇】用 OpenClaw + 飞书打造 7x24 小时服务器运维机器人

【大模型应用篇】用 OpenClaw + 飞书打造 7x24 小时服务器运维机器人

前言 本文基于OpenClaw,也是最近超火的可在本地运行的AI Agent网关,记录从零搭建通过飞书对话管理服务器运维机器人的全过程。该机器人支持随时随地通过飞书查看服务器状态、检索日志、管理进程,其核心机制在于:由OpenClaw将聊天平台(飞书等)的消息路由至大模型,模型调用本地工具(如Shell、文件系统、浏览器)执行相应任务,最终将结果自动返回至飞书会话中,实现自动化运维交互。 架构概览 飞书 App (WebSocket 长连接)         ↕ OpenClaw Gateway (服务器上 systemd 常驻)         ↕ AI 模型 (DeepSeek v3.2/GLM 4.7)         ↕ 服务器 Shell (受白名单限制的命令执行) 核心组件: * OpenClaw Gateway:Agent 网关,管理会话、工具调用、渠道连接 * 飞书插件:通过

AI 编程:自动化代码生成、低代码 / 无代码开发、算法优化实践

AI 编程:自动化代码生成、低代码 / 无代码开发、算法优化实践

前言 AI 编程是人工智能技术与软件工程深度融合的产物,是未来软件开发的核心趋势之一。它并非简单的「代码补全」,而是通过大语言模型、深度学习、自动化引擎等技术,实现从需求到代码的自动化生成、低门槛可视化的低代码 / 无代码开发、已有代码 / 算法的智能优化与性能提升三大核心能力。AI 编程的本质是「解放开发者生产力」—— 让开发者从重复的 CURD、固定范式的编码、繁琐的调优工作中抽离,将精力聚焦于业务逻辑设计、架构规划、核心算法创新等高价值工作。 本文将系统性讲解 AI 编程三大核心方向,全程搭配可运行完整代码、Mermaid 标准流程图、高可用 Prompt 工程示例、数据图表、技术架构图,兼顾理论深度与落地实践,所有内容均可直接复用。 一、AI 自动化代码生成:从自然语言到可执行代码的全链路生成 1.1 核心定义与技术原理 AI 自动化代码生成,是指基于大语言模型(LLM)的代码生成能力,开发者通过「

比 OpenClaw 轻 99%!我用 nanobot 搭了个 QQ AI 机器人,还顺手贡献了代码

❝ 4000 行代码,打造你的私人 AI 助手❞ 前言 最近 AI Agent 领域有个项目特别火——「OpenClaw」,它是一个功能强大的 AI 助手框架,能让你拥有一个 7×24 小时在线的智能助理。 但当我 clone 下来准备研究时,发现它有 「43 万行代码」!对于想快速上手或做二次开发的个人开发者来说,这个体量实在太重了。 直到我发现了它的"轻量版"——「nanobot」。 nanobot:99% 的瘦身,核心功能全保留 nanobot 来自香港大学数据科学实验室(HKUDS),它的设计理念很简单: ❝ 用最少的代码,实现 AI Agent 的核心能力❞ 来看一组对比数据: 项目 代码行数 核心功能 OpenClaw 430,

从零开发 AR 演讲提词器:基于 Rokid CXR-M SDK 的实战指南

从零开发 AR 演讲提词器:基于 Rokid CXR-M SDK 的实战指南

从零开发 AR 演讲提词器:基于 Rokid CXR-M SDK 的实战指南 站在讲台上,数百双眼睛注视着你。你开始演讲,却发现关键时刻想不起下一句要说什么——这种场景,每个演讲者都不陌生。 传统的解决方案是在讲台上放一张稿子,或者用 PPT 做备注。但低头看稿显得不专业,看 PPT 又要扭头,容易打断演讲节奏。如果能有一个只有自己能看到的"隐形提词器",演讲就能更加从容自信。 Rokid AR 眼镜恰好提供了这种可能:将提词内容无线传输到眼镜显示屏,演讲者只需自然平视,文字便清晰呈现,而台下观众毫无察觉。本文将完整记录如何利用 Rokid CXR-M SDK 从零开发这款演讲提词器应用。 一、技术方案设计 1.1 为什么选择 AR 眼镜 在确定技术方案前,我们先对比几种提词方案: 方案