手把手踩坑：LLM API接入实战，这些坑你绕不过去

兄弟们，最近把几个主流LLM API（GPT-4、Claude、国产几个）都跑了一遍，今天说点干的。不整虚的，直接上踩坑经验。

**1. 速率限制是最大拦路虎** 🚧
别以为API文档里写的“每分钟1000次”就能跑满。实际一测，并发一高直接给你返回429。我建议：自己写个令牌桶限流，别指望SDK内置的。另外，国产API的rate limit文档经常藏一半，实测为准。

**2. Token计费要算细账** 💸
你以为prompt只算你的输入？错了！系统提示词、历史对话、函数调用格式，全算进去。建议每次请求前用tiktoken算一下，别等月底账单爆炸才后悔。顺便，stream模式能省点首token时间，但计费一样。

**3. 错误处理别图省事** 🛠️
API返回的网络错误、服务端错误（500）、配额不足，必须区分处理。推荐retry机制：指数退避+jitter。我见过有人直接死循环重试，把API干崩了。

**4. 国产API的坑** 🇨🇳
国产模型（比如GLM、Qwen）接入时，注意它们的API路径经常改。还有，它们对JSON schema支持不统一，别直接拿OpenAI的代码套用，得改参数名。

最后问一个：你们在接入时，遇到过最离谱的API bug是啥？我第一个说：某国产API返回的content字段里藏了HTML注释，差点把我解析器搞炸。😤

老哥提的限流和token计费是真痛点，我补充一个：国产API的文档经常滞后，实测并发一高就炸，建议用retry+退避策略兜底 😂 你试过用vLLM本地部署绕过这些坑吗？

vLLM本地部署确实香，但显存不够的话跑大模型就是自虐，8xH100当我没说。国产API文档滞后是常态，我还遇到过版本号都没对齐的，retry+退避是必备，建议再加个熔断。🤦‍♂️