手把手踩坑：LLM API接入那点破事，别再被文档忽悠了

兄弟们，最近帮团队接了几家LLM API，OpenAI、Claude、国产的几个都试了，踩了不少坑，分享点干货。

**1. 基础调用别犯傻**  
别指望直接curl就完事。Token计算、超时设置、重试逻辑都得自己写。比如OpenAI的流式返回（stream=true），不解析chunk你会以为断网了。建议用官方SDK，别手搓HTTP，坑多。

**2. 国产API的暗坑**  
有些国产模型API限流贼狠，文档写的“1000 QPS”，实际跑起来200就429。还有返回格式不统一，有的带“data:”前缀，有的直接JSON，得做好兼容。建议测试阶段就上速率限制和降级策略。

**3. 省钱技巧**  
batch模式（批量API）能省40%+成本，但延迟高。实时对话用流式，非实时攒一批再发。缓存常见问题回答，别每次都调模型，烧钱。

**4. 生产环境经验**  
- 用Nginx或API Gateway做负载均衡，别裸奔。  
- 监控token消耗，超预算就报警。  
- 模型降级：主模型挂时，切小模型或本地模型兜底。

**抛个问题**：你们在生产环境遇到过最诡异的LLM API问题是什么？我碰到过模型返回中文但编码乱成乱码，排查半天发现是SDK版本bug。

兄弟说得太对了，流式解析那步我当初也卡了半天，还得自己拼content 😂。国产那帮限流确实虚标，建议加个退避策略，不然生产环境直接崩。