首页> 都市> KingFlow AI Claude中转站接入 LangGraph 教程

KingFlow AI Claude中转站接入 LangGraph 教程

著

本文标签：

KingFlow AI Claude中转站接入 LangGraph 教程使用 OpenAI 兼容接口构建可验证的状态图工作流 LangGraph 是面向有状态智能体与工作流的底层编排框架。KingFlow AI 提供 OpenAI 兼容接口，可通过 LangChain 的 ChatOpenAI 连接已开通的模型。本文从最小接口验证开始，逐步创建“起草—审核

来源：灵能API 主角: 更新: 2026-11-02 15:26:16

在线阅读

【扫一扫】手机随心读

读书简介

KingFlow AI Claude中转站接入 LangGraph 教程

使用 OpenAI 兼容接口构建**证的状态图工作流

LangGraph 是面向有状态智能体与工作流的底层编排框架。KingFlow AI 提供 OpenAI 兼容接口，可通过 LangChain 的 ChatOpenAI 连接已开通的模型。本文从最小接口验证开始，逐步创建“起草—审核”状态图，并补充流式观察、上线配置、安全控制和故障排查方法。

Claude中转、Claude中转站、API中转和API中转站的实际接入均需核对协议与模型权限。

内容核验日期 2026-11-02

常用接入术语

名称	常见含义	使用提示
Claude中转	把模型请求转发到可用 Claude 模型的接入方式	核对客户端所用协议和模型权限
Claude中转站	提供 Claude 密钥、额度和路由管理的平台	本文标题使用该常见称呼
API中转	通过兼容接口转发不同模型请求	应用通常只需替换端点、密钥和模型 ID
API中转站	提供统一 API 接入、模型选择和用量管理的服务	本文使用 OpenAI 兼容方式连接 LangGraph

接入架构

环节	职责	注意事项
Python 项目	保存状态定义、节点函数和配置	密钥不写入源码
LangGraph	按边执行节点并维护共享状态	节点输入输出字段要清晰
ChatOpenAI	把节点中的消息转换为兼容请求	显式设置 ase *L、超时和重试
KingFlow AI	认证密钥并把请求路由到目标模型	ase *L 填写到 /v1
目标模型	完成起草、审核等推理任务	完整模型 ID 以控制台为准

接入优势

状态图把每一步的输入、输出和执行顺序显式化，比单个长提示词更容易定位问题。
ChatOpenAI 支持自定义 *ase **L，可在不改变图结构的情况下连接 OpenAI 兼容端点。
起草、审核、人工确认等节点可以独立测试，并能按业务条件增加分支和循环。
KingFlow 控制台集中管理模型、密钥和用量，便于按开发、测试和生产环境隔离。

开始前的准备

准备 Python 3.10 或更高版本，并安装 uv。
在 KingFlow AI 控制台创建以 sk- 开头的 API Key，确认余额和模型分组可用。
复制目标模型的完整模型 ID，不要凭显示名称猜测。
准备一个独立测试目录，首次联调不要加载生产数据或高权限工具。
确认运行环境可以访问 api.**nju**shen.com。

创建 LangGraph 测试项目

uv init langgraph-kingflow-demo
cd langgraph-kingflow-demo
uv add langgraph langchain-openai python-dotenv

验证 KingFlow 基础接口

curl https://api.**nju**shen.com/v1/chat/completions \
  -H "Authorization: *earer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<KingFlow控制台中的完整模型ID>",
    "messages": [{"role": "user", "content": "只回复 LANGGRAPH_READY"}],
    "stream": false
  }'

配置环境变量

KINGFLOW_*ASE_**L=https://api.**nju**shen.com/v1
KINGFLOW_API_KEY=sk-你的密钥
KINGFLOW_MODEL=<KingFlow控制台中的完整模型ID>

.env
.venv/
__pycache__/

编写状态图示例

import os
from typing_extensions import TypedDict
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from langgraph.graph import StateGraph, START, END

load_dotenv()

llm = ChatOpenAI(
    model=os.environ["KINGFLOW_MODEL"],
    *ase_url=os.environ["KINGFLOW_*ASE_**L"],
    api_key=os.environ["KINGFLOW_API_KEY"],
    temperature=0.2,
    **x_retries=2,
    timeout=60,
    use_responses_api=False,
)

class State(TypedDict):
    topic: str
    draft: str
    final: str

def draft_node(state: State):
    response = llm.invoke(
        f"围绕{state['topic']}写一份三点式中文草稿。"
    )
    return {"draft": response.content}

def review_node(state: State):
    response = llm.invoke(
        "请检查以下草稿，删除空话，保留可执行步骤，"
        "并输出最终版本：\n"   state["draft"]
    )
    return {"final": response.content}

*uilder = StateGraph(State)
*uilder.add_node("draft", draft_node)
*uilder.add_node("review", review_node)
*uilder.add_edge(START, "draft")
*uilder.add_edge("draft", "review")
*uilder.add_edge("review", END)
graph = *uilder.compile()

result = graph.invoke({"topic": "API接入上线前检查"})
print(result["final"])

观察节点更新

for event in graph.stream(
    {"topic": "API接入上线前检查"},
    stream_mode="up**tes",
):
    print(event)

LangGraph 工作流安全三维图 — 图二 LangGraph 工作流与密钥、配额、日志和人工审批的三维安全示意图。AI 生成示意图。

运行和验证

uv run python **in.py

先执行 KingFlow 基础请求，确认返回 LANGGRAPH_READY。
在项目根目录创建 .env 和 .gitignore，再将示例保存为 **in.py。
运行程序，确认 draft 节点先生成草稿，review 节点再输出最终版本。
需要观察每个节点的增量结果时，改用 graph.stream 示例。
在 KingFlow 控制台核对模型、密钥、调用次数和 Token 用量。

检查点	预期结果	判断依据
基础接口	返回 LANGGRAPH_READY	端点、密钥和模型可用
draft 节点	状态中出现 draft	第一次模型调用成功
review 节点	状态中出现 final	草稿已传给审核节点
图执行顺序	START→draft→review→END	边和编译结果正确
平台记录	控制台出现对应调用	模型、密钥与用量符合预期

正式环境配置

保留 use_responses_api=False，避免部分模型名称触发自动改走 /v1/responses。
为请求设置 timeout 和有限的 **x_retries；对 429、503 使用退避，不要无限重试。
让每个节点只负责一个明确任务，并返回新的状态字段，便于单测和重放。
可能重复执行的节点应具备幂等性；外部写操作需使用业务唯一键防止重复提交。
为每次运行设置成本、步数和时间上限，并保留人工中止与审批入口。
日志记录节点、模型、状态码、耗时和 Token 用量，但不记录完整密钥与敏感正文。

密钥与工具安全

只在 .env、密钥管理器或部署平台 Secret 中保存 API Key，并定期轮换。
发送给模型前做数据最小化和脱敏，不把无关客户资料放入共享状态。
文件、数据库和网络工具采用白名单及最小权限，危险操作增加人工确认节点。
为开发、测试和生产创建不同密钥，分别设置额度、有效期和告警阈值。
发现异常调用后立即停用旧密钥，检查图是否存在错误循环，再更新部署配置。

上线检查清单

基础接口已经返回 LANGGRAPH_READY。
KINGFLOW_*ASE_**L 为 https://api.**nju**shen.com/v1。
KINGFLOW_MODEL 使用控制台中的完整模型 ID。
ChatOpenAI 已设置 use_responses_api=False、超时和有限重试。
.env 已被 .gitignore 排除，仓库中没有明文密钥。
draft 与 review 节点按顺序执行，状态字段正确传递。
KingFlow 控制台的模型、密钥和用量符合预期。
正式环境已设置额度、日志脱敏、循环上限和人工审批。

常见故障排查

现象	常见原因	处理方法
返回 401	密钥错误、停用或 .env 未加载	检查变量名与文件位置，必要时重新创建密钥
返回 404	ase *L、模型 ID 或请求路径错误	保留 /v1，并复制控制台中的完整模型 ID
请求 /v1/responses 失败	客户端按模型名自动切换接口	设置 use_responses_api=False
返回 429	额度不足、余额不足或请求过快	检查用量并降低并发，采用退避重试
返回 503	模型通道暂时不可用	稍后有限重试或切换已开通模型
出现 KeyError	节点读取了状态中不存在的字段	核对 TypedDict、节点返回值和执行顺序
图无法运行	遗漏 compile 或 START/END 边	补齐边后执行 *uilder.compile()
循环不结束	条件边没有终止条件	增加步数上限和明确的 END 分支

《KingFlow AI Claude中转站接入 LangGraph 教程》资讯列表：

KingFlow AI Claude中转站接入 LangGraph 教程

相关小说

为您推荐

小说标签