← Retour aux guides

Go、Rust、Java 调用 LLM API 的 59API 实战

先把统一入口搭好

对于 Go、Rust、Java 混合技术栈，最省事的方式不是分别维护不同厂商 SDK，而是先接一个兼容 OpenAI 的中转层。59API 的基础地址是 https://api.59api.com，拿到密钥后，改一个 endpoint 就能同时调用 Claude 和 GPT。它按量计费、价格低，而且使用的是原生官方质量模型，不做降级；如果你在做 PoC、内部工具或多语言服务，这种成本优势非常明显。另一个容易被忽略的点是，59API 兼容 Claude Code、Codex 以及任意 OpenAI SDK，迁移成本很低。

• 适合先跑通再扩容：不必一开始就绑定单一云厂商。
• 同一套请求格式可在 Go、Rust、Java 里复用。
• 如果你有团队分发需求，59API 还提供推荐返利，能进一步摊薄成本。

第一步：统一环境变量和 Base URL

建议先把密钥放到环境变量里，再把 Base URL 指向 59API。多数 OpenAI 兼容 SDK 都能直接使用；如果你的库会自动拼接版本路径，就填 https://api.59api.com/v1，否则就按文档要求使用基础地址。请求结构上，核心就是 Authorization: Bearer 你的密钥，再加上 model 和 messages。

建议的检查清单：

• 确认密钥已生效。
• 确认网络能访问 https://api.59api.com。
• 先用一个简单的提问测试返回内容，再切换到业务提示词。

Go：用现成 SDK 快速出结果

Go 示例（github.com/sashabaranov/go-openai）

package main import ( "context" "fmt" "os" openai "github.com/sashabaranov/go-openai" ) func main() { client := openai.NewClient(os.Getenv("API_KEY")) client.BaseURL = "https://api.59api.com/v1" resp, err := client.CreateChatCompletion(context.Background(), openai.ChatCompletionRequest{ Model: "gpt-4o-mini", Messages: []openai.ChatCompletionMessage{ {Role: openai.ChatMessageRoleUser, Content: "把下面一句话改写得更像产品文案：我们的系统支持多语言接入。"}, }, }) if err != nil { panic(err) } fmt.Println(resp.Choices[0].Message.Content) }

如果你想切到 Claude，只需要把 Model 换成 59API 控制台里的 Claude 系列模型名即可。Go 端最常见的坑是 Base URL 没配对，或者忘了把密钥放进环境变量。

Rust：直接走 HTTP 或 OpenAI 兼容客户端

Rust 示例（reqwest + serde_json）

use reqwest::Client; use serde_json::json; #[tokio::main] async fn main() -> Result<(), Box<dyn std::error::Error>> { let client = Client::new(); let body = json!({ "model": "gpt-4o-mini", "messages": [ {"role": "user", "content": "给我一个适合 Rust Web 服务的日志初始化建议"} ] }); let resp: serde_json::Value = client .post("https://api.59api.com/v1/chat/completions") .bearer_auth(std::env::var("API_KEY")?) .json(&body) .send() .await? .json() .await?; println!("{}", resp["choices"][0]["message"]["content"]); Ok(()) }

Rust 里直接用 HTTP 的好处是最透明，便于排查鉴权、重试和流式输出；如果你喜欢更强类型，也可以换成兼容 OpenAI 的 Rust SDK，调用方式本质一样。

Java：适合企业项目的稳定写法

Java 示例（OkHttp）

import okhttp3.*; public class Main { public static void main(String[] args) throws Exception { OkHttpClient client = new OkHttpClient(); MediaType JSON = MediaType.get("application/json; charset=utf-8"); String json = "{\"model\":\"gpt-4o-mini\",\"messages\":[{\"role\":\"user\",\"content\":\"用一句话解释什么是向量检索\"}]}"; Request request = new Request.Builder() .url("https://api.59api.com/v1/chat/completions") .addHeader("Authorization", "Bearer " + System.getenv("API_KEY")) .post(RequestBody.create(json, JSON)) .build(); try (Response response = client.newCall(request).execute()) { System.out.println(response.body().string()); } } }

Java 项目通常更在意可维护性和成本可控。59API 的低价按量计费特别适合后端服务、客服机器人、报表生成、知识库问答这类持续调用场景；你可以先用 GPT 做基线，再切 Claude 对比质量和延迟。

实战建议：先测通，再做优化

• 先用短提示词验证连通性，再加长上下文。
• 把模型名、温度、最大输出长度做成配置项，方便 A/B 测试。
• 如果业务需要流式输出，三种语言都可以在同一接口上开启 stream 参数。
• 记录 token 消耗和单次请求成本，59API 的价格优势会在真实流量下更明显。

如果你正准备把 LLM 接进 Go、Rust 或 Java 项目，又希望尽量压低试错成本，可以先注册 59API 试跑一个小功能：改写文本、摘要生成、客服回复都很合适。跑通后，再决定是继续按量使用，还是把 Claude/GPT 能力扩展到更多服务里。

Tarifs · Docs