Vercel AI SDK 在 Vite 环境中 API Key 加载问题的解决方案
2025-05-16 11:12:16作者:申梦珏Efrain
问题背景
在使用 Vercel AI SDK 开发 Vue 应用时,很多开发者会遇到一个常见问题:当应用通过 Vite 构建时,loadApiKey 方法会抛出 "API Key Missing" 错误。这个问题特别容易出现在前端代码中直接调用 AI 服务的情况下。
核心问题分析
这个问题的根源在于环境变量加载机制的不同:
-
环境变量访问方式差异:Vite 使用
import.meta.env来访问环境变量,而传统 Node.js 应用使用process.env。AI SDK 内部默认使用的是 Node.js 的方式。 -
前端安全性限制:浏览器环境无法直接访问系统环境变量,这是出于安全考虑的设计。任何敏感信息如 API Key 都不应该直接暴露在前端代码中。
-
构建时变量替换:Vite 会在构建时替换
import.meta.env变量,但不会处理process.env的引用。
解决方案
方案一:直接传递 API Key
最直接的解决方案是在创建 AI 客户端时显式传递 API Key:
import { createGoogleGenerativeAI } from '@ai-sdk/google';
const googleAI = createGoogleGenerativeAI({
apiKey: 'your-api-key-here' // 直接传入 API Key
});
方案二:使用 Vite 环境变量
如果你确实需要使用环境变量,确保:
- 环境变量以
VITE_前缀开头 - 通过
import.meta.env访问
import { createGoogleGenerativeAI } from '@ai-sdk/google';
const googleAI = createGoogleGenerativeAI({
apiKey: import.meta.env.VITE_GOOGLE_API_KEY
});
方案三:服务端代理(推荐)
最佳实践是将 AI 相关调用放在服务端:
- 创建 API 路由处理 AI 请求
- 在服务端加载环境变量
- 前端通过 HTTP 调用这些 API
// 服务端代码 (Node.js)
import { createGoogleGenerativeAI } from '@ai-sdk/google';
import dotenv from 'dotenv';
dotenv.config();
const googleAI = createGoogleGenerativeAI({
apiKey: process.env.GOOGLE_API_KEY
});
// 然后暴露 API 端点供前端调用
安全注意事项
- 永远不要将真实的 API Key 提交到版本控制系统
- 使用
.env.local文件并在.gitignore中忽略它 - 对于生产环境,使用平台提供的 secrets 管理功能
- 考虑为前端实现速率限制和权限控制
总结
在 Vite 构建的 Vue 应用中使用 Vercel AI SDK 时,理解环境变量的加载机制至关重要。直接在前端代码中暴露 API Key 存在安全风险,推荐采用服务端代理的方式。如果必须在前端使用,确保通过正确的 Vite 环境变量机制加载,并采取适当的安全措施。
通过以上方案,开发者可以既保持开发便利性,又确保应用的安全性,顺利在 Vite 环境中集成 AI 功能。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220