借助Cloudflare Workers打造一个专属OpenAI API

积薪有一个功能，即根据文章内容生成分类、标签和摘要，此前使用的是百度的API。这也成了反馈最为集中的功能，因为百度的AI实在是太拉垮了。

不仅分类经常出错，摘要也经常是驴唇不对马嘴，甚至就是文章内容的随机拼凑，连语序通顺都做不到。

当初选百度纯粹是因为用起来方便，但这个准确度实在太差。GPT的准确度比较高，不如把AI接口迁移到OpenAI上。

但使用OpenAI可以说是穿墙领域最难的事了，你要同时对抗两个大国。如果只是单纯地调用API，很容易遭到封禁。

于是利用Cloudflare或Vercel这种具有边缘计算功能的平台来调用API，成了最方便稳妥的选择。

本文将示范如何通过Workers搭建一个你的专属OpenAI API。

前提

首先你需要一个OpenAI的账号，搞定支付相关事项。至于怎么搞定，你自己想办法。

然后你需要一个Cloudflare账号。

安装wrangler，在本地编写Workers代码：

             npm install wrangler
           

然后新建一个Workers项目：

             npm create cloudflare@latest
           

通用AI接口

workers.ts 是主入口，所有请求都会经过这里。

不过先不用管它，我们从最末端的功能写起。

我希望这个接口能更通用，通过不同的路由指向不同的prompt。比如请求 /summary 并发送一段文本，就会返回摘要；请求 /category 会返回这段文本的分类。

这就需要有一个函数来负责这项工作，接收两个参数：prompt和content。

             // 接收一个propmt和内容，请求OpenAI，返回结果
interface OpenAIResponse {
  choices: {
    "finish_reason": string;
    "index": number;
    "message": {
      "content": string;
      "role": string;
    }
  } [];
  created: number;
  id: string;
  model: string;
  object: string;
  usage: {
    "completion_tokens": number;
    "prompt_tokens": number;
    "total_tokens": number;
  }
}

async function openAI(prompt: string, content: string, key: string) {
  const message = [
    { "role": "system", "content": prompt },
    { "role": "user", "content": content }
  ];
  const apiURL = 'https://api.openai.com/v1/chat/completions';
  const model = content.length > 3000 ? 'gpt-3.5-turbo-16k-0613' : 'gpt-3.5-turbo-0613';

  const response = await fetch(apiURL, {
    method: 'POST',
    headers: {
      'Content-Type': 'application/json',
      'Authorization': `Bearer ${key}`
    },
    body: JSON.stringify({
      messages: message,
      model: model,
      max_tokens: 500,
      temperature: 0.5,
      stop: ['\n']
    })
  });

  const data: OpenAIResponse = await response.json();
  const result = data.choices[0].message.content;
  return result;
}

export default openAI;

           

这段应该不难理解。为了节省开销，我做了个简单的判断：文本长度超出一定限制时使用gpt-3.5-turbo-16k-0613模型，未超出默认使用gpt-3.5-turbo-0613。当然文本长度并不等于token，这只是个简单的判断，够用就行。

当你向该函数传入预设条件和待处理文本时，返回的就是一个纯文本。

设定prompt

通用函数写好，接下来就是处理不同接口对应的prompt了。

假设我希望在访问 /seo 时，返回这段文字适用于SEO展示的摘要。

             // 导入刚才的通用函数
import openAI from "./open-ai";

interface Env {
	API_KEY: string;
}

const prompt = "我需要根据下面的这段文字, 针对搜索引擎优化, 写一段摘要, 要求写明文字的主要内容, 字数不得超过120个汉字";

export default {
  async fetch(request: Request, env: Env, ctx: ExecutionContext): Promise<Response> {
    const content = await request.text();

    return new Response(await openAI(prompt, content, env.API_KEY), { headers: { "Content-Type": "text/plain" } });
  }
}
           

这里的prompt很重要，由于我们希望这是一个接口，输出的内容保持稳定，因此你可以在prompt的设置上多花些心思。比如你可以使用更严谨的语言：

根据文本内容，输出1-3个与内容相关的标签。格式如下： “标签1”, “标签2”

这里面可以优化的空间太多了，在此不赘述。

配置路由

接下来需要在 workers.ts 里进行设置，以便在请求 /seo 的时候能访问到相应代码。

             import generateSEO from './seo';

interface Env {
	API_KEY: string;
}

// Export a default object containing event handlers
export default {
	async fetch(request: Request, env: Env, ctx: ExecutionContext): Promise<Response> {

		const url = new URL(request.url);

		switch (url.pathname) {
			case '/seo':
				return generateSEO.fetch(request, env, ctx);
		}

		return new Response(
			`This is a private API and cannot be accessed without authorization`,
			{ headers: { 'Content-Type': 'text/html' } }
		);
	},
};
           

这段代码的作用是，读取环境变量中的token，根据请求的endpoint，分发到相应处理逻辑中。你可以照此增加更多prompt和逻辑。

OpenAI的token可以在Workers的Dashboard - 设置中添加。

安全性

为了防止接口被滥用，可以稍稍增加一点安全措施。你可以随便生成一段token，放在请求头里，对于token不正确的请求一律拒绝。

最终 workers.ts 的代码是这样的：

             import generateSEO from './seo';

interface Env {
	API_KEY: string;
	TOKEN: string;
}

export default {
	async fetch(request: Request, env: Env, ctx: ExecutionContext): Promise<Response> {
		// verify if the bearer token is valid
		const auth = request.headers.get('Authorization');
		if (!auth || auth !== `Bearer ${env.TOKEN}`) {
			return new Response(
				`This is a private API and cannot be accessed without authorization`,
				{ headers: { 'Content-Type': 'text/html' } }
			);
		}

		const url = new URL(request.url);

		switch (url.pathname) {
			case '/seo':
				return generateSEO.fetch(request, env, ctx);
		}

		return new Response(
			`This is a private API and cannot be accessed without authorization`,
			{ headers: { 'Content-Type': 'text/html' } }
		);
	},
};
           

测试

为了避免封号，建议一律先部署到Cloudflare，然后在云端测试。

执行 npx wrangler deploy 即可上传代码。

然后在该Workers内点击“快速编辑”，就可以在窗口中进行调试了。

这样你就有了一个稳定的专属API，只要向其不同的endpoint发送文本，就会根据预设的prompt返回相应的回复。

目前这个接口已经上线积薪，但我计划把本博客的后端彻底从头开发一遍，到时候也在这里提供相应的AI服务。这是个大工程，不知道什么时候能完成。