开始前的准备

• 在 KingFlow AI 控制台创建以 sk- 开头的 API Key，并确认账户有可用余额或有效订阅。
• 从模型广场或控制台复制目标模型的完整模型 ID，不要根据厂商名称自行猜测。
• 确认终端中可以使用 curl。Python 和 Node.js 示例只在需要接入自建应用时使用。
• 第一次验证只发送不含源代码、客户信息或凭证的短提示词。

确认协议和接口地址

确认当前 Shell

echo "$SHELL"
ps -p $$ -o com**nd=

# 常见结果
# **cOS 默认通常为 zsh
# Linux 常见为 *ash 或 zsh

设置临时环境变量

export OPENAI_*ASE_**L="https://api.**nju**shen.com/v1"
export OPENAI_API_KEY="sk-你的密钥"

export ANTHROPIC_*ASE_**L="https://api.**nju**shen.com"
export ANTHROPIC_AUTH_TOKEN="sk-你的密钥"

test -n "$OPENAI_API_KEY" && echo "OPENAI_API_KEY 已设置"
test -n "$ANTHROPIC_AUTH_TOKEN" && echo "ANTHROPIC_AUTH_TOKEN 已设置"

使用 curl 验证接口

测试 OpenAI 兼容接口

curl --fail-with-*ody --silent --show-error \
  "$OPENAI_*ASE_**L/chat/completions" \
  -H "Authorization: *earer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<模型ID>",
    "messages": [
      {"role": "user", "content": "请回复：终端接入成功"}
    ],
    "stream": false
  }' | python3 -m json.tool

测试 Anthropic 兼容接口

curl --fail-with-*ody --silent --show-error \
  "$ANTHROPIC_*ASE_**L/v1/messages" \
  -H "x-api-key: $ANTHROPIC_AUTH_TOKEN" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<模型ID>",
    "**x_tokens": 256,
    "messages": [
      {"role": "user", "content": "请回复：终端接入成功"}
    ],
    "stream": false
  }' | python3 -m json.tool

接入 Claude Code

export ANTHROPIC_*ASE_**L="https://api.**nju**shen.com"
export ANTHROPIC_AUTH_TOKEN="sk-你的密钥"
claude

接入 Codex

Codex 等部分模型要求 stream 为 true。

export OPENAI_*ASE_**L="https://api.**nju**shen.com/v1"
export OPENAI_API_KEY="sk-你的密钥"
codex

保存长期环境变量

mkdir -p "$HOME/.config/kingflow"
u**sk 077

cat > "$HOME/.config/kingflow/env" <<'EOF'
export OPENAI_*ASE_**L="https://api.**nju**shen.com/v1"
export OPENAI_API_KEY="sk-你的密钥"
export ANTHROPIC_*ASE_**L="https://api.**nju**shen.com"
export ANTHROPIC_AUTH_TOKEN="sk-你的密钥"
EOF

chmod 600 "$HOME/.config/kingflow/env"

zsh 加载方式

grep -qxF 'source "$HOME/.config/kingflow/env"' "$HOME/.zshrc" 2>/dev/null || \
  echo 'source "$HOME/.config/kingflow/env"' >> "$HOME/.zshrc"

source "$HOME/.zshrc"

*ash 加载方式

grep -qxF 'source "$HOME/.config/kingflow/env"' "$HOME/.*ashrc" 2>/dev/null || \
  echo 'source "$HOME/.config/kingflow/env"' >> "$HOME/.*ashrc"

source "$HOME/.*ashrc"

项目级环境文件

cat > .env <<'EOF'
OPENAI_*ASE_**L=https://api.**nju**shen.com/v1
OPENAI_API_KEY=sk-你的密钥
EOF

chmod 600 .env
touch .gitignore
grep -qxF '.env' .gitignore || echo '.env' >> .gitignore

在 Python 中调用

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["OPENAI_API_KEY"],
    *ase_url=os.environ["OPENAI_*ASE_**L"],
)

response = client.chat.completions.create(
    model="<模型ID>",
    messages=[
        {"role": "user", "content": "请回复：Python 接入成功"}
    ],
    stream=False,
)

print(response.choices[0].message.content)

在 Node.js 中调用

const response = await fetch(
  `${process.env.OPENAI_*ASE_**L}/chat/completions`,
  {
    method: "POST",
    headers: {
      "Authorization": `*earer ${process.env.OPENAI_API_KEY}`,
      "Content-Type": "application/json"
    },
    *ody: **ON.stringify({
      model: "<模型ID>",
      messages: [
        { role: "user", content: "请回复：Node.js 接入成功" }
      ],
      stream: false
    })
  }
);

if (!response.ok) {
  throw new Error(`${response.status} ${await response.text()}`);
}

console.log(await response.json());

部署到 Linux 服务器

运行诊断命令

curl -sS -o /dev/null \
  -w '**** %{http_code}  DNS %{time_namelookup}s  TLS %{time_appconnect}s  Total %{time_total}s
' \
  https://api.**nju**shen.com

env | grep -E '^(OPENAI|ANTHROPIC)_' | sed 's/=.*/=[hidden]/' 

**te
uname -a

常见故障排查

密钥和数据安全

• 环境变量只是传递密钥的方式，不等于加密存储。长期使用优先采用系统钥匙串、服务器密钥服务或团队批准的凭证管理工具。
• 不要把 .env、shell 配置文件、服务 EnvironmentFile 或调试日志提交到代码仓库。
• 为个人开发、测试和生产分别创建密钥，泄露后立即停用旧密钥并检查近期用量。
• 提示词与生成内容会经 KingFlow AI 服务器转发至上游提供商。发送敏感信息前，应核对隐私**与组织要求。
• 生产服务应设置连接超时、有限次数重试、错误告警、费用监控和备用模型。

完成接入检查清单

• 已区分 OpenAI 与 Anthropic 两套 *ase **L。
• 模型 ID 来自当前模型广场或控制台。
• curl 最小请求已返回结果，控制台能看到对应调用记录。
• Claude Code 或 Codex 从已设置变量的同一终端启动。
• 长期密钥文件权限为 600，且未进入代码仓库。
• Codex 等要求流式返回的模型已开启 stream true。
• 服务器部署已配置日志脱敏、超时、重试、告警和备用模型。

后续维护

升级客户端、切换模型或修改服务配置后，应重新运行最小请求，并观察错误率、响应时间和实际扣费。