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

Python爬虫实战:高效解析Web of Science文献数据并导出CSV

1. 从零开始:为什么科研人员需要掌握Python爬虫 如果你是一名研究生、博士生,或者正在从事学术研究,我猜你一定有过这样的经历:为了写一篇综述或者做文献计量分析,你需要手动从Web of Science(WoS)上,一篇一篇地复制粘贴文献的标题、作者、摘要、关键词、发表年份、期刊信息……这个过程不仅枯燥乏味,而且极其容易出错,复制到第50篇的时候,你可能已经头晕眼花,甚至怀疑人生了。我当年读博的时候,为了分析一个领域近十年的研究趋势,需要收集上千篇文献数据,手动操作几乎是不可能完成的任务。正是这种“痛点”,让我下定决心研究如何用技术解放双手。 Python爬虫,听起来像是程序员专属的高深技术,但其实它离我们科研人员并不遥远。简单来说,爬虫就是一个能自动访问网页、抓取并整理信息的程序。对于Web of Science这样的学术数据库,虽然它提供了强大的检索功能,但批量导出详细数据(尤其是摘要、作者机构等)到本地进行深度分析,往往需要付费或者功能受限。自己写一个爬虫,就成了最高效、最灵活的解决方案。它能让你在喝杯咖啡的功夫,

LangChain 实战:大模型对话记忆模块(附完整代码 + Web 案例)

目录 前言:为什么需要对话记忆? 一、核心认知:原始 API vs LangChain 封装 1.1 原生 API 调用的痛点(无记忆) 1.2 LangChain 的价值:封装记忆与简化调用 二、LangChain 记忆模块核心组件 2.1 基础款:ConversationBufferMemory(完整记忆) 2.2 进阶款:窗口记忆与总结记忆 (1)ConversationBufferWindowMemory(窗口记忆) (2)ConversationSummaryMemory(总结记忆) 三、实战 1:LangChain 记忆链(ConversationChain) 四、实战 2:Streamlit 搭建带记忆的聊天

自动化打造信息影响力:用 Web Unlocker 和 n8n 打造你的自动化资讯系统

自动化打造信息影响力:用 Web Unlocker 和 n8n 打造你的自动化资讯系统

一、研究背景 在信息爆炸的时代,及时获取高质量行业资讯成为内容创作者、运营者以及研究者的刚需。无论是IT、AI领域的技术动态,还是招聘、人才市场的趋势新闻,第一时间掌握热点、总结观点并进行内容输出,正逐渐成为提升影响力与构建个人/组织品牌的关键手段。 为实现“日更内容”目标,很多人开始探索自动化的路径——使用爬虫工具定期抓取目标网站内容,借助 AI 模型自动生成摘要,再将结果推送至社群平台。这一流程的核心,是稳定、高效地获取网页数据,在实际操作中,却出现了很多问题: * 首先是出现了验证码,阻断自动化流程; * 紧接着是请求返回403 Forbidden,提示IP被封; * 最终是目标网站直接对我们常用IP段进行了临时封禁,哪怕切换机器或重启网络都无济于事。 按照检查方法,当处于非爬虫操作时,我们在F12控制台输入window.navigator.webdriver时,显示的是false,输入进去出现了刺眼的红色报错,而且显示也出现了True, “Failed to load resource: the server responded with

全网最牛批的前端面试八股文(最全)堪称2025最强!

全网最牛批的前端面试八股文(最全)堪称2025最强!

嗨害嗨 铁铁们 来了奥,秘制前端小面试它不就来了么,铁铁们是不是经常遇到这情况?技术栈整得明明白白,项目经验写得密密麻麻,一到面试官面前直接大脑宕机!面试官问你问题,你说:我不到啊。这好使吗,不好使,那感觉就像老八端着秘制小汉堡站在撤硕门口——进退两难啊! 所以很多前端铁子们技术不错,但面试时总差一口气。其实原因很简单——面试就像考试,不划重点真的会丢分!(每次准备面试跟高考一样) 我花了一周时间,把今年的八股都整全乎了,这你要是都会了,出去面试那不就是小卡拉米啊,直接给面试官惊鸿一瞥,必须把面试官头发给他拽掉,必须打他脸:往下看! 前端面试题及八股文完整版: https://github.com/encode-studio-fe/natural_traffic/wiki/scan_material9 💡 核心知识板块(按优先级排序) 1. JavaScript 灵魂拷问 * 作用域链:变量查找的“寻宝游戏” * 闭包:函数的小金库,私房钱存放处