LLM 接入教程与评测方法

从最小请求开始，逐步验证协议、输出完整性和业务效果。以下指南描述接入与评测方法，不是模型排名，也不承诺性能、价格或实时可用性。生成示例会产生用量；执行前先确认模型权限与预算。

1. 首次调用 LLM API

从实时目录选择兼容模型，使用服务端 Chat Completions 示例发送请求，并正确检查结果与用量。

2. 选择 LLM API 协议

比较 OpenAI、Claude 与 Gemini 的端点、认证、请求结构及结果解析，避免切换模型时沿用不兼容的协议。

3. 处理 LLM 流式响应

理解不同协议的流式事件、部分输出、完成信号和断线处理，在应用中正确展示增量文本。

4. 排查 LLM API 错误与重试

区分认证、参数、限流和响应中断问题，设计有边界的重试，避免重复生成和无法核实的费用判断。

5. 用任务评测比较 LLM

通过代表性任务、质量标准、失败率、延迟和实际费用比较 LLM，形成可复核的评测而不是无依据的排名。

6. 估算 LLM 成本并核对用量

区分 Token 估算、当前账号价格和最终用量回执，规划预算并按通过验收的任务比较实际成本。

模型契约与实时信息

通过通用 API查询公开模型，通过模型文档查看专用参数，通过完整 API 参考核对端点。不要把某个模型支持的能力推广到所有模型。