完结篇：用 AI 接上你自己的系统 —— 博客/小程序接入实战路线

来源：OpenAI 协议成为事实标准后（2023 起），"给自己的产品接个 AI"从大厂专利变成了个人开发者一下午的事
一句话：接 AI 只需要三样东西——一个 API Key、一次 HTTP 调用、一个放 Key 的后端；本篇把"模型 → 接口 → 你的博客"这条路一次走通。

1. 全景：AI 应用 = 模型 + 你的胶水代码

你的用户 → 你的产品（博客/小程序）
              │
              │  你的后端（持有 API Key）
              │        │
              ▼        ▼
        HTTP 请求 → 模型 API（OpenAI 兼容协议）
              ← 生成结果 ←

模型厂商不提供"功能"，只提供"接龙服务"——摘要、问答、翻译这些"功能"，全是你用提示词和胶水代码拼出来的。理解了这一点，所有 AI 应用在你眼里就都不神秘了。

2. 第一步：拿到一个 API Key

途径	花费	适合
硅基流动 / 各厂免费额度	注册送额度，部分模型（如 Qwen 小杯）免费	先白嫖跑通
DeepSeek / 通义 / 智谱	按 token 计费，很便宜（百万 token 几块钱级）	日常够用
本地 Ollama	完全免费，不联网	隐私敏感 / 断网可用

Key 就是钱袋子：永远放后端环境变量，绝不能写进前端/小程序代码——谁拿到 Key 谁就能刷你的账单。

3. 第二步：一次最小调用（curl 10 秒看懂）

所有兼容 OpenAI 协议的服务，本质都是往一个地址 POST 一段 JSON：

curl https://api.siliconflow.cn/v1/chat/completions \
  -H "Authorization: Bearer 你的Key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Qwen/Qwen2.5-7B-Instruct",
    "messages": [
      {"role": "system", "content": "你是博客摘要助手，输出不超过50字"},
      {"role": "user", "content": "（这里放文章全文）"}
    ]
  }'

返回 JSON 里的 choices[0].message.content 就是生成结果。换厂商 = 换 base_url + 换 model 名，代码零改动。

4. 第三步：接到你的 Halo 博客（三个由易到难的玩法）

玩法 A：AI 摘要（最简单）

发文章后，后端脚本调一次 API，把摘要写回文章的摘要字段
或者纯手动：写完文章粘给 AI 要一段摘要，贴进摘要框——零代码

玩法 B：全站 AI 问答（RAG，第 4 篇的落地）

Dify/FastGPT 自部署 → 把你两个专栏的文章灌进知识库 → 生成嵌入代码/接口
博客侧：代码注入里加一个悬浮问答按钮（一段 JS），指向你的 Dify 应用
访客问"RAG 和微调的区别"→ AI 从你的文章里找答案并附文章链接

玩法 C：AI 网关（进阶）

自己的后端加一个 /api/ai 接口：前端把问题发给你 → 你后端带 Key 调模型 → 返回结果
好处：Key 不暴露、能限流、能扣上下文、能换模型——所有正经 AI 功能的标准姿势

前端按钮 → 你的后端 /api/ai → 模型 API → 结果原路返回
              ↑ Key 藏在这层

5. 成本与安全清单

计费：按 token 收费（输入+输出都算），控制成本靠：短 system、限制 max_tokens、历史对话做摘要（第 2 篇技巧）
限流：后端给每个访客限调用次数，防恶意刷
兜底：接口超时/报错时给用户友好提示，别把 API 错误直接暴露
内容安全：system 里写明"拒答违规内容"，正规厂商接口自带审核

6. 系列完结对账单

你现在应该能回答	出处
LLM、ChatGPT、API 三者什么关系	第 1 篇
它为什么忘事、怎么补救	第 2 篇
"AI 调用工具"到底谁在执行	第 3 篇
知识库问答为什么不会瞎编、原理是什么	第 4 篇
Agent、MCP、Function Calling 的区别	第 5 篇
给博客加 AI 从哪下手、Key 放哪、钱怎么算	本篇

📌 两个专栏（AI 发展史 6 篇 + 应用原理 6 篇）到这里闭环了：历史告诉你从哪来，原理告诉你现在怎么用。接下来就该写你自己的实践笔记了——正好用上之前做好的学习笔记模板。