OpenAI Gemini 代理服务完全指南：从部署到场景化应用

[价值定位]：功能定位与实践价值

🔍 为什么需要 OpenAI Gemini 代理服务？
在 AI 开发中，不同平台的 API 接口差异常导致兼容性问题。OpenAI Gemini 作为跨平台 API 转换层（类似多语言翻译器），能将 OpenAI 格式的请求无缝转换为 Google Gemini API 调用，帮助开发者在不修改代码的情况下切换 AI 服务提供商。其核心价值体现在：

• 零成本迁移：现有 OpenAI 客户端代码无需修改即可使用 Gemini 模型
• 多环境支持：兼容 Node.js、Deno、Bun 等多种运行时
• Serverless 部署：支持 Vercel、Netlify 等无服务器平台，降低运维成本

[核心模块]：功能定位与实践价值

本地部署：3步环境配置流程

🛠️ 准备工作：确保已安装 Node.js（v14+）和 npm

1. 克隆项目

   git clone https://gitcode.com/gh_mirrors/op/openai-gemini
   cd openai-gemini
   

2. 安装依赖

   npm install
   

3. 启动服务

   npm start  # 使用 Node.js 运行
   # 或选择其他运行时
   npm run start:deno  # Deno 环境
   npm run start:bun   # Bun 环境
   

配置文件解析：参数调整与性能优化

⚙️ 核心配置文件：package.json
该文件定义了项目依赖和启动脚本，关键参数如下：

参数	功能说明	参数调整建议
scripts.start	Node.js 启动命令	生产环境建议添加 --production 标志减少内存占用
scripts.dev	开发热重载配置	开发时使用 npm run dev 自动监控文件变化
dependencies	核心依赖	保持 @whatwg-node/server 版本 ≥0.9 以获得最新特性

💡 性能优化技巧：对于高并发场景，建议使用 npm run start:bun 启动，Bun 运行时比 Node.js 平均快 30%。

启动脚本对比：跨平台兼容性分析

不同运行时的启动命令和兼容性差异如下：

运行时	启动命令	优势场景	兼容性注意事项
Node.js	npm start	最广泛的环境支持	需要 Node.js v14+，Windows 系统需额外配置环境变量
Deno	npm run start:deno	更强的安全性	需提前安装 Deno（`curl -fsSL https://deno.land/install.sh
Bun	npm run start:bun	最高性能	仅支持 macOS/Linux，Windows 需 WSL2

[场景化应用]：功能定位与实践价值

API 代理：OpenAI 格式转 Gemini 调用

假设现有 OpenAI 客户端代码如下：

// OpenAI 原始调用
fetch("https://api.openai.com/v1/chat/completions", {
  method: "POST",
  headers: { "Authorization": "Bearer YOUR_API_KEY" },
  body: JSON.stringify({
    model: "gpt-3.5-turbo",
    messages: [{ role: "user", content: "Hello" }]
  })
})

使用本项目后，只需修改 API 地址即可使用 Gemini 模型：

// 修改为本地代理服务
fetch("http://localhost:3000/v1/chat/completions", {
  // 其他参数不变
})

代理服务会自动将请求转换为 Gemini API 格式（核心逻辑位于 src::worker.mjs 的 fetch 函数）。

Serverless 部署：Netlify 边缘函数配置

1. 准备配置文件：netlify.toml 已预设边缘函数路径
2. 部署命令：

   netlify deploy --prod
   

3. 验证端点：部署后通过 https://<your-netlify-domain>/edge/v1/chat/completions 访问

新手常见误区

⚠️ 误区1：未正确设置 API 密钥

• 错误：直接使用 OpenAI 密钥调用代理服务
• 正确：需在请求头中使用 Google Gemini API 密钥（格式：Authorization: Bearer YOUR_GEMINI_KEY）

⚠️ 误区2：忽略跨域配置

• 错误：本地前端直接调用代理服务出现 CORS 错误
• 正确：代理服务已内置 CORS 处理（见 src::worker.mjs 的 fixCors 函数），无需额外配置

⚠️ 误区3：使用不支持的模型名称

• 错误：请求 model: "gpt-4"
• 正确：需使用 Gemini 模型名，如 gemini-flash-latest 或 gemini-pro

项目扩展路径

1. 自定义模型映射
   修改 src::worker.mjs 中的 DEFAULT_MODEL 常量，设置默认模型

2. 添加新 API 端点
   在 src::worker.mjs 的 fetch 函数中扩展路由处理逻辑

3. 部署到其他平台

   • Vercel：配置 vercel.json 后执行 vercel --prod
   • Cloudflare Workers：使用 wrangler.toml 配置部署

4. 开发插件
   扩展 extensions::custom_plugins/ 目录，实现请求日志、流量控制等功能