Workers AI 使用指南：免费额度与成本优化实践

Workers AI 使用指南

图片描述

初次接触 OpenAI 账单时，发现成本较高。对于小项目测试，寻找免费或低成本的替代方案至关重要。Cloudflare 推出的 Workers AI 提供了无服务器 AI 推理服务，无需自建 GPU 或管理服务器，即可调用 Llama、Mistral 等开源大模型。

Workers AI 核心优势

1. 免费额度

每天 10,000 Neurons：实测可处理数百次对话，个人项目完全够用。
使用 Llama 3.1-8B 模型，1000 次简单对话约消耗 8000 Neurons。

2. 付费价格

$0.011/1000 Neurons：比 OpenAI GPT-3.5 便宜 60-70%，比 GPT-4 便宜 90% 以上。

3. 全球边缘网络加速

Cloudflare 拥有 300+ 个节点，响应速度优于部分云服务商。

方案对比

方案	免费额度	付费价格	响应速度	模型选择
Workers AI	10,000 Neurons/天	$0.011/1k Neurons	快 (边缘节点)	50+ 开源模型
OpenAI API	$5 新用户 (一次性)	$0.002/1k tokens (GPT-3.5)	中等	GPT 系列
HuggingFace	有限免费调用	按模型计费	较慢	海量模型
自建服务器	-	GPU 租用成本高	取决于配置	任意模型

适用场景：

✅ 个人项目、原型验证、学习实验
✅ 中小规模生产应用 (QPS < 300)
✅ 对成本敏感的初创项目

不适用场景：

⚠️ 大规模批量处理 (每天几十万次调用)
⚠️ 对延迟极度敏感的实时应用 (需要 < 100ms 响应)
⚠️ 需要最新 GPT-4 级别模型的场景

免费额度计算

Neurons 是 Cloudflare 定义的计费单位： Neurons = (输入 tokens + 输出 tokens) × 模型系数

不同模型系数示例：

Llama 3.1-8B: 系数约 0.8
Llama 3.1-70B: 系数约 3.5
Mistral 7B: 系数约 0.7

实际用量估算 (Llama 3.1-8B 中文对话)：

简单问答 (100 字以内): 每次消耗 5-8 Neurons
长文本摘要 (1000 字输入): 每次消耗 30-50 Neurons
代码生成 (500 行代码): 每次消耗 20-40 Neurons

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：

注册 Cloudflare 账号 (免费)
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

登录 Cloudflare Dashboard。
地址栏显示 https://dash.cloudflare.com/xxxxxxxxx，xxxxxxxxx 即为 Account ID。
点击右上角头像 → My Profile → API Tokens。
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',
          : ,
        },
      });
    }  (error) {
        (.({ : error. }), {
        : ,
        : { :  },
      });
    }
  },
};

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：

模型	参数量	特点	推荐场景	模型 ID
Llama 3.1	8B	平衡性好，速度快	日常对话、客服、摘要	`@cf/meta/llama-3.1-8b-instruct`
Llama 3.1	70B	质量更高，慢一点	复杂推理、长文本	`@cf/meta/llama-3.1-70b-instruct`
Mistral 7B v0.2	7B	32k 上下文	长文档分析	`@cf/mistral/mistral-7b-instruct-v0.2`
DeepSeek-R1	32B	推理能力强	数学、代码、逻辑	`@cf/deepseek/deepseek-r1-distill-qwen-32b`

选择建议：

初次尝试: Llama 3.1-8B (响应快，成本低)。
高要求: Llama 3.1-70B 或 DeepSeek-R1 (推理强，但消耗多)。
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 (.({ :  }), { : , : { ...corsHeaders, :  } });
    }
  },
};

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

如何获取 API Token? Dashboard → My Profile → API Tokens → Create Token → Workers AI 模板。
Account ID 在哪里? 登录后地址栏显示的 UUID 部分。
Token 泄露怎么办? 立即在 API Tokens 页面撤销并重新生成。
免费额度用完? 自动转付费模式，可在 Dashboard 设置用量提醒。
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。
哪些地区可用? 全球可用，中国大陆访问可能需要特殊网络。
模型质量不佳? 优化 Prompt、更换更大模型或调整 temperature 参数。
支持微调吗? 支持 LoRA 微调 (付费功能)，通常优化 Prompt 即可。
如何监控用量? Cloudflare Dashboard → Workers AI → Analytics。
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：

个人项目直接上，免费额度足够。
创业项目先用，规模扩大后再评估迁移。
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/

Workers AI 使用指南：免费额度与成本优化实践