Workers AI 使用指南：免费额度与成本优化实践

按此消耗，每天 10,000 Neurons 大概能处理：

• 1000-2000 次简单对话
• 200-300 次长文本处理
• 250-500 次代码生成

若超出免费额度，自动转为付费模式 ($0.011/1000 Neurons)。即使每日使用 50,000 Neurons，月成本也仅约 $13，远低于 OpenAI。

快速上手：三种调用方式

前置准备：

1. 注册 Cloudflare 账号 (免费)
2. 安装 Node.js (用于方式二、三)

方式一：REST API

最快的体验方式，无需写代码，使用 curl 命令测试。

第一步：获取 API Token 和 Account ID

1. 登录 Cloudflare Dashboard。
2. 地址栏显示 https://dash.cloudflare.com/xxxxxxxxx，xxxxxxxxx 即为 Account ID。
3. 点击右上角头像 → My Profile → API Tokens。
4. 点击 "Create Token" → 选择 "Workers AI" 模板 → 生成 Token。Token 只显示一次，务必保存。

第二步：测试调用

curl https://api.cloudflare.com/client/v4/accounts/{你的Account_ID}/ai/run/@cf/meta/llama-3.1-8b-instruct \
  -H "Authorization: Bearer {你的API_Token}" \
  -H "Content-Type: application/json" \
  -d '{ "messages": [ {"role": "system", "content": "你是一个友好的 AI 助手"}, {"role": "user", "content": "用一句话介绍一下 Cloudflare Workers AI"} ] }'

成功返回 JSON 即表示调用正常。

常见错误处理：

• 错误 7003: Token 或 Account ID 填写错误。
• 错误 10000: 模型名称错误，注意包含 @cf/。
• 超时: 首次调用可能冷启动，等待 10 秒左右。

方式二：Wrangler 部署 Worker

官方推荐方式，可部署为永久可用 API。

第一步：安装 Wrangler CLI

npm install -g wrangler
wrangler login

第二步：创建 Worker 项目

npm create cloudflare@latest my-ai-worker

按提示选择项目类型 (Hello World Worker)、语言 (JavaScript/TypeScript) 及是否初始化 Git。

第三步：配置绑定 编辑 wrangler.toml，添加：

[ai]
binding = "AI"

第四步：编写代码 (src/index.js)

export default {
  async fetch(request, env) {
    // 处理 CORS
    if (request.method === 'OPTIONS') {
      return new Response(null, {
        headers: {
          'Access-Control-Allow-Origin': '*',
          'Access-Control-Allow-Methods': 'POST',
          'Access-Control-Allow-Headers': 'Content-Type',
        },
      });
    }
    if (request.method !== 'POST') {
      return new Response('Method not allowed', { status: 405 });
    }
    try {
      const { messages } = await request.json();
      const response = await env.AI.run('@cf/meta/llama-3.1-8b-instruct', {
        messages: messages || [{ role: 'user', content: 'Hello!' }],
      });
      return new Response(JSON.stringify(response), {
        headers: {
          'Content-Type': 'application/json',
          'Access-Control-Allow-Origin': '*',
        },
      });
    } catch (error) {
      return new Response(JSON.stringify({ error: error.message }), {
        status: 500,
        headers: { 'Content-Type': 'application/json' },
      });
    }
  },
};

第五步：本地测试与部署

wrangler dev
# 测试 http://localhost:8787
wrangler deploy

部署成功后获得 *.workers.dev 域名。

方式三：OpenAI SDK 兼容接口

适用于已有 OpenAI 项目的无缝迁移。

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.CLOUDFLARE_API_TOKEN,
  baseURL: `https://api.cloudflare.com/client/v4/accounts/${process.env.ACCOUNT_ID}/ai/v1`,
});

const chatCompletion = await client.chat.completions.create({
  model: '@cf/meta/llama-3.1-8b-instruct',
  messages: [
    { role: 'system', content: '你是一个友好的 AI 助手' },
    { role: 'user', content: 'Hello!' },
  ],
});
console.log(chatCompletion.choices[0].message.content);

只需修改 apiKey、baseURL 和 model 参数。

模型选择建议

Workers AI 支持 50+ 模型，常用文本生成模型如下：

选择建议：

1. 初次尝试: Llama 3.1-8B (响应快，成本低)。
2. 高要求: Llama 3.1-70B 或 DeepSeek-R1 (推理强，但消耗多)。
3. 长文档: Mistral 7B v0.2 (支持 32k 上下文)。

其他实用模型包括图像生成 (Stable Diffusion XL)、语音识别 (Whisper)、文本嵌入 (BGE-base) 等。

实战案例

案例 1: 智能问答 API

基于 Worker 构建博客客服。

export default {
  async fetch(request, env) {
    const corsHeaders = {
      'Access-Control-Allow-Origin': '*',
      'Access-Control-Allow-Methods': 'POST, OPTIONS',
      'Access-Control-Allow-Headers': 'Content-Type',
    };
    if (request.method === 'OPTIONS') return new Response(null, { headers: corsHeaders });
    try {
      const { question } = await request.json();
      const messages = [
        { role: 'system', content: '你是一个技术博客的 AI 助手...' },
        { role: 'user', content: question },
      ];
      const response = await env.AI.run('@cf/meta/llama-3.1-8b-instruct', { messages });
      return new Response(JSON.stringify({ answer: response.response }), {
        headers: { ...corsHeaders, 'Content-Type': 'application/json' },
      });
    } catch (error) {
      return new Response(JSON.stringify({ error: '处理失败' }), { status: 500, headers: { ...corsHeaders, 'Content-Type': 'application/json' } });
    }
  },
};

案例 2: 批量文本摘要

注意速率限制 (300 请求/分钟)，需控制并发。

async function generateSummary(text, env) {
  const messages = [
    { role: 'system', content: '你是一个专业的文本摘要助手...' },
    { role: 'user', content: text },
  ];
  const response = await env.AI.run('@cf/meta/llama-3.1-8b-instruct', { messages, max_tokens: 150 });
  return response.response;
}

案例 3: 多语言翻译

利用 Llama 3.1 的多语言能力，成本远低于 Google Translate。

async function translate(text, targetLang, env) {
  const messages = [
    { role: 'system', content: `将用户输入翻译成 ${targetLang}...` },
    { role: 'user', content: text },
  ];
  const response = await env.AI.run('@cf/meta/llama-3.1-8b-instruct', { messages });
  return response.response;
}

进阶技巧

1. 流式响应

减少等待时间，类似 ChatGPT 逐字输出。

const response = await env.AI.run('@cf/meta/llama-3.1-8b-instruct', { messages, stream: true });
return new Response(response, { headers: { 'Content-Type': 'text/event-stream' } });

前端通过 SSE 接收数据。

2. 限制输出长度

设置 max_tokens 节省 Neurons。

await env.AI.run('@cf/meta/llama-3.1-8b-instruct', { messages, max_tokens: 100 });

3. AI Gateway

启用缓存和监控，在 wrangler.toml 中配置 gateway 名称。

4. Next.js 集成

使用 Edge Runtime 直接调用 API。

// app/api/ai/route.ts
export const runtime = 'edge';
export async function POST(request: NextRequest) {
  const { messages } = await request.json();
  const response = await fetch(`https://api.cloudflare.com/client/v4/accounts/${process.env.ACCOUNT_ID}/ai/run/@cf/meta/llama-3.1-8b-instruct`, {
    method: 'POST',
    headers: { 'Authorization': `Bearer ${process.env.CF_API_TOKEN}`, 'Content-Type': 'application/json' },
    body: JSON.stringify({ messages }),
  });
  return NextResponse.json(await response.json());
}

常见问题

1. 如何获取 API Token? Dashboard → My Profile → API Tokens → Create Token → Workers AI 模板。
2. Account ID 在哪里? 登录后地址栏显示的 UUID 部分。
3. Token 泄露怎么办? 立即在 API Tokens 页面撤销并重新生成。
4. 免费额度用完? 自动转付费模式，可在 Dashboard 设置用量提醒。
5. 遇到速率限制? 大多数模型限制 300 请求/分钟，需加延迟或使用队列。
6. 哪些地区可用? 全球可用，中国大陆访问可能需要特殊网络。
7. 模型质量不佳? 优化 Prompt、更换更大模型或调整 temperature 参数。
8. 支持微调吗? 支持 LoRA 微调 (付费功能)，通常优化 Prompt 即可。
9. 如何监控用量? Cloudflare Dashboard → Workers AI → Analytics。
10. 支持哪些语言? JavaScript/TypeScript (Workers), Python (REST API), 任何支持 HTTP 的语言。

总结

对个人开发者和小团队而言，Workers AI 非常值得尝试。

优点：

• ✅ 免费额度慷慨 (每天 10,000 Neurons)
• ✅ 付费价格便宜 (比 OpenAI 便宜 60-90%)
• ✅ 上手简单 (REST API 和 OpenAI 兼容接口)
• ✅ 响应速度快 (全球边缘网络)
• ✅ 模型选择多 (50+ 开源模型)

缺点：

• ⚠️ 模型质量略逊于 GPT-4 (接近 GPT-3.5)
• ⚠️ 速率限制 (300 请求/分钟)
• ⚠️ 文档仍需完善

建议：

1. 个人项目直接上，免费额度足够。
2. 创业项目先用，规模扩大后再评估迁移。
3. 企业应用谨慎评估 SLA 和数据合规性。

官方文档：https://developers.cloudflare.com/workers-ai/ 模型目录：https://developers.cloudflare.com/workers-ai/models/