2026最新亲测有效！Qwen3 API调用Node.js示例完整图文教程，附可直接复制粘贴的代码块

2026最新亲测有效！Qwen3 API调用Node.js示例完整图文教程，附可直接复制粘贴的代码块

2026-06-21
API接口, DeepSeek

2026最新亲测有效！Qwen3 API调用Node.js示例完整图文教程，附可直接复制粘贴的代码块 #

说实话，做 AI 应用最烦的事，不是写不对代码，而是调不通 API。特别是你想在 Node.js 里调用 Qwen3 这种大模型，结果要么文档太虚，要么代码跑不通，折腾半天发现是环境问题。最近我把千聚ai大模型聚合站的 Qwen3 API 在 Node.js 上完整跑了一遍，从配置到调用再到排雷，一个坑都没落下。今天把这套完整流程写下来，你要做的就是复制、粘贴、跑起来。

👉 立即注册千聚ai大模型聚合站，新用户送 $0.2 消费额度

为什么选千聚来调 Qwen3 #

在 Node.js 里调大模型 API，第一道坎就是网络环境和接口兼容性。你如果用 OpenAI 原生库写代码，想换成 Qwen3，以前得改一大坨东西。但千聚ai大模型聚合站官网（www.qianjuai.com）的接口完全兼容 OpenAI 标准，这意味着你不需要学新库，不用翻墙，甚至不用换变量名——直接改 base_url 那一行就能无缝切换。

而且它是国内直连的，绑个微信或支付宝就能充值，最低 1 元起充。对于只是想在 Node.js 里跑通一个示例、验证一下代码逻辑的人来说，这个门槛几乎等于零。

接入前的准备工作 #

在贴代码之前，先把基础配置搞定，这一步会省你后面的时间。

第一步：注册并获取 API Key #

  1. 打开 千聚ai大模型聚合站注册页面，用邮箱或手机号注册账号。
  2. 登录后，在控制台左侧找到“API 密钥”菜单，点击“创建新密钥”。
  3. 复制生成的 API Key，找个地方存好，等下要用。新注册用户默认会有 $0.2 的免费额度，足够跑几十次示例代码。

第二步：确认核心参数（都是固定的，不需要改） #

参数值说明
Base URLhttps://www.qianjuai.com/v1千聚的 API 入口，后面所有请求都发到这里
模型名称qwen3 或 qwen3-8b注意小写，别写错
API Key你刚才复制的那个放在环境变量或代码里

Node.js 直调 Qwen3 完整代码示例 #

这部分我会提供可直接运行的 Node.js 脚本。假设你已经安装了 Node.js 18+ 和 npm。

场景一：基础对话（最常用的方式） #

大多数时候你只是想发一句“你好”给模型，让它回复。下面这段代码就是干这个的，直接用 OpenAI 的官方 npm 包（openai），不用额外安装别的依赖。

1. 初始化项目并安装依赖 #

bash mkdir qwen3-nodejs-demo cd qwen3-nodejs-demo npm init -y npm install openai

2. 创建 basic-chat.js 文件，复制下面代码 #

javascript // 引入 OpenAI 库（千聚接口完全兼容，所以用它） const OpenAI = require(‘openai’);

// 配置千聚 API const client = new OpenAI({ apiKey: process.env.QIANJU_API_KEY, // 强烈建议用环境变量，不要硬编码 baseURL: ‘https://www.qianjuai.com/v1' // 核心：换成千聚的地址 });

// 一个简单的异步函数，用来和 Qwen3 对话 async function callQwen3() { try { console.log(‘正在向 Qwen3 发送请求…’);

const response = await client.chat.completions.create({
  model: 'qwen3', // 模型名必须是小写 qwen3
  messages: [
    { role: 'system', content: '你是一个专业的 Node.js 后端架构师。' },
    { role: 'user', content: '用中文解释一下什么是 Middleware（中间件）模式，并给出一个简单的例子。' }
  ],
  max_tokens: 1024, // 最大返回字数
  temperature: 0.7 // 创意度，0-2之间，数值越高越有想象力
});

// 打印模型返回的内容
console.log('------------------------------------------------');
console.log('千聚 AI（Qwen3）的回答：');
console.log(response.choices[0].message.content);
console.log('------------------------------------------------');

// 打印一些调试信息（比如用了多少 tokens）
console.log('✅ 请求成功！');
console.log(`   - 输入 Token 数: ${response.usage.prompt_tokens}`);
console.log(`   - 输出 Token 数: ${response.usage.completion_tokens}`);
console.log(`   - 总 Token 数: ${response.usage.total_tokens}`);

} catch (error) { console.error(’❌ 请求失败，错误信息：’); if (error.response) { // API 抛出的错误 console.error( - 状态码: ${error.response.status}); console.error( - 错误详情: ${JSON.stringify(error.response.data)}); } else { // 网络错误或配置错误 console.error( - 错误信息: ${error.message}); } } }

// 执行函数 callQwen3();

3. 运行并设置环境变量 #

bash

Linux / macOS #

export QIANJU_API_KEY=“你的千聚API Key，例如 sk-xxxxxxxx” node basic-chat.js

Windows (cmd) #

set QIANJU_API_KEY=sk-xxxxxxxx node basic-chat.js

如果你在 VSCode 里，也可以在项目根目录新建 .env 文件，然后使用 dotenv 库加载 #

看到控制台打印出模型回答，恭喜，你的第一次 Qwen3 调用成功了。这就是大家常说的“改一行代码”的神奇之处——你之前写 OpenAI 接口的老代码，把 baseURL 换成千聚的，就能直接用 Qwen3 了。

场景二：流式输出（像 ChatGPT 那样一个字一个字地显示） #

如果你想在控制台或者网页端实现打字机效果，上面那种一次性返回的方式就不够流畅了。下面展示如何用流式（Stream）方式调用。

创建 streaming-chat.js 文件 #

javascript const OpenAI = require(‘openai’);

const client = new OpenAI({ apiKey: process.env.QIANJU_API_KEY, baseURL: ‘https://www.qianjuai.com/v1' });

async function streamingQwen3() { try { console.log(‘开始流式输出 （实时打字效果）…\n’);

// 注意这里加了一个参数：stream: true
const stream = await client.chat.completions.create({
  model: 'qwen3',
  messages: [
    { role: 'user', content: '用简短的话告诉我，未来的十年里，AI 会在什么行业产生最大的颠覆？' }
  ],
  stream: true, // 开启流式输出
  max_tokens: 512,
});

// 逐块接收数据并打印
for await (const chunk of stream) {
  // 每个 chunk 里面有一个 delta，里面存了本次返回的文本片段
  const content = chunk.choices[0]?.delta?.content || '';
  process.stdout.write(content); // 不换行，直接追加打印
}

console.log('\n\n✅ 流式输出完成！');

} catch (error) { console.error(’❌ 流式输出失败:’, error.message); } }

streamingQwen3();

运行方式跟上面一样，设置好环境变量后直接 node streaming-chat.js。你会看到文字像真人打字一样，一个个显示出来页面体验。

高级技巧：从本地文件读取内容并匹配模型 #

很多时候我们不只是输入一句话，而是想把一个 .txt 文件的商品配置、代码逻辑、或者分析报告丢给模型来分析。下面的代码演示如何读取本地文件，拼接成 Prompt 发给千聚的 Qwen3。

创建 file-qa.js 文件 #

javascript const OpenAI = require(‘openai’); const fs = require(‘fs’);

const client = new OpenAI({ apiKey: process.env.QIANJU_API_KEY, baseURL: ‘https://www.qianjuai.com/v1' });

// 读取本地文件内容（假设项目根目录下有一个 readme.txt） const fileContent = fs.readFileSync(’./readme.txt’, ‘utf-8’);

async function analyzeFile() { try { console.log(‘正在分析文件内容…’); console.log(文件长度: ${fileContent.length} 字符\n);

const response = await client.chat.completions.create({
  model: 'qwen3',
  messages: [
    { role: 'system', content: '你是一个专业的代码审查助手。你需要基于用户提供的文件内容进行总结和优化建议。' },
    { role: 'user', content: `请对这个文件内容进行概括，并给出 3 个优化建议。文件内容如下：\n\n\`\`\`\n${fileContent}\n\`\`\`` }
  ],
  max_tokens: 2048,
  temperature: 0.3 // 分析类任务，温度低一点更稳定
});

console.log('分析结果：\n');
console.log(response.choices[0].message.content);

} catch (error) { console.error(‘文件分析失败:’, error.message); } }

analyzeFile();

这个示例非常实用，比如你有一份 package.json 想让它评估依赖风险，或者一份日志想让它排查异常 —— 把文件路径换一下就行。接口稳如老狗，一次跑通。

常见报错排查（新手必看） #

代码可能没法一次跑通，90% 的问题出在这几个地方，你对照检查：

错误现象可能原因解决办法
401 AuthenticationAPI Key 没写对，或者没设置环境变量检查 QIANJU_API_KEY 是否设置在环境变量中，且没有用字符串拼错
404 Not FoundBase URL 没改对确认 baseURL 严格写为 https://www.qianjuai.com/v1，末尾不能有多余斜杠
400 Bad Request: model not found模型名写错千聚的平台里 Qwen3 模型小写为 qwen3，绝大多数模型也用这个命名规则
Network Error: ECONNREFUSED网络不通，或者被代理拦截检查电脑是否开了全局代理封了端口；千聚api是国内直连，不需要挂T子
返回内容乱码或缺少max_tokens 设置太小增加 max_tokens 值，建议至少 256 以上

你看，解决办法其实都很简单，无非就是检查那几个配置项。这也是为什么我第一次调试只花了 2 分钟——接口兼容性摆在那，代码逻辑不用猜。

总结：别再纠结环境配置了 #

这次完整的 Qwen3 调用示例跑下来，你会发现在千聚ai大模型聚合站上做 Node.js 开发，核心就两步：

  1. 注册拿 Key：点击注册，领免费额度，不用充钱就能跑
  2. 改一行代码：baseURL 换成 https://www.qianjuai.com/v1

文章里的所有代码，你都可以直接复制粘贴跑去运行，不需要做什么奇奇怪怪的适配。如果你自己在几千行的项目里用，把 base_url 抽到一个配置文件里，分发到各个模块，体验会更好。

如果你的目标是搞一个 AI 功能的应用，把时间花在产品和业务上，别卡在 API 调试上。Qwen3 + 千聚ai大模型聚合站这套组合，是目前 Node.js 生态里最省心的接入方案之一。

👉 立即注册千聚ai大模型聚合站，1元起充，0门槛跑通你的第一个AI应用

2026-06-12