企业官网建设流程全解析

1. 从 FaaS 到 BaaS：我在 VSCode 里跑通 Serverless 闭环的真实路径

Serverless 这个词听起来玄乎，拆开看其实就两件事：FaaS 负责“算”，BaaS 负责“存和连”。FaaS 是函数即服务，你写一段处理逻辑，平台按请求触发、按毫秒计费；BaaS 是后端即服务，数据库、对象存储、消息队列这些能力直接以云服务形式给你，不用自己装 MySQL、不用自己搭对象存储网关。把这两块拼起来，一个后端服务就能在几乎不碰服务器的情况下跑起来。

这篇面向的是已经在用 VSCode 写代码、想把手上的 Node 项目迁到 Serverless 上的开发者。我会用一个 Express 项目做骨架，串起serverless.yml配置、本地invoke调试、云端deploy部署，再接入对象存储做文件上传，最后把 AI 能力用统一 Key 的方式挂进来。整套流程在 VSCode 里完成，命令可复制，配置可复用。

需要提前说清楚：Serverless 不是“没有服务器”，而是服务器这件事被平台抽象掉了。你依然要关心冷启动、连接池、临时目录写入权限这些细节，只是不用再管负载均衡和弹性伸缩的机器层配置。理解这一点，后面的坑就好踩了。

2. 前置准备：TaoToken 统一 Key 与 VSCode 环境

2.1 为什么要在 Serverless 里接统一 Key

Serverless 函数是无状态的，每次冷启动都是新实例，把 AI 调用的鉴权信息硬编码进函数代码里，既不好轮换，也容易在多人协作时泄露。我的做法是把模型调用统一走一个兼容 OpenAI 协议的中转层，Key 放在环境变量里，函数只认base_url和api_key两个值。这样换模型、换供应商都不用改业务代码。

TaoToken 在这里扮演的就是这个统一入口：它提供 OpenAI 兼容的接口，模型对话、代码补全这类能力都能通过同一个 Key 调用。对 Serverless 场景来说，好处是函数里只需要维护一份配置，冷启动时读环境变量即可，不用为每个模型单独写 SDK 适配。

2.2 拿到 Key 并配置到本地

先去控制台创建 API Key，地址是https://taotoken.net/console。创建完复制出来，别直接写进代码，放到项目根目录的.env里：

# .env TAOTOKEN_API_KEY=sk-你的key TAOTOKEN_BASE_URL=https://taotoken.net/api

然后在serverless.yml里通过environment字段注入，或者用 Serverless Framework 的dotenv插件读取。我倾向后者，本地和云端配置一致，减少“本地能跑线上报错”的情况。

2.3 VSCode 侧要装的插件

VSCode 里搜Tencent Serverless Toolkit装上，它能在侧边栏直接看到函数列表、本地调试、查看日志。另外装DotENV插件让.env有语法高亮。Node 环境建议 18 LTS 以上，Serverless Framework 用 npm 全局装：

npm install -g serverless serverless -v

版本出来就说明 CLI 就绪。如果你用的是 pnpm，全局装也可以，但注意serverless命令的解析路径别被多个包管理器搞混。

3. 可复制配置：serverless.yml 骨架与 AI 接入片段

3.1 初始化项目

用官方模板起一个 Express 项目，省得手写入口：

serverless init express-starter --name sls-ai-demo cd sls-ai-demo npm install

目录结构大致是app.js、serverless.yml、package.json。app.js是 Express 入口，serverless.yml是部署描述文件。

3.2 serverless.yml 完整骨架

下面这份配置我实测可用，包含函数定义、API 网关触发、环境变量注入和依赖排除：

app: sls-ai-demo stage: dev component: express name: express-api inputs: src: src: ./ exclude: - .env - node_modules/** - .git/** region: ap-guangzhou runtime: Nodejs18.15 memorySize: 256 timeout: 10 environment: variables: TAOTOKEN_API_KEY: ${env:TAOTOKEN_API_KEY} TAOTOKEN_BASE_URL: ${env:TAOTOKEN_BASE_URL} apigw: isBase64Encoded: false

几个关键点：exclude里排掉node_modules能显著加快上传，云端会按package.json重新装依赖；environment.variables用${env:...}语法从本地环境读取，部署时不会把 Key 写进代码仓库；timeout设 10 秒是因为 AI 调用可能比普通接口慢，太短会直接超时。

3.3 接入 AI 能力的配置片段

在app.js里加一个调用模型的路由，用openai这个 npm 包即可，因为它兼容标准协议：

npm install openai

// app.js const OpenAI = require("openai"); const client = new OpenAI({ apiKey: process.env.TAOTOKEN_API_KEY, baseURL: process.env.TAOTOKEN_BASE_URL, }); app.post("/ai/chat", async (req, res) => { try { const { prompt } = req.body; const completion = await client.chat.completions.create({ model: "gpt-4o-mini", messages: [{ role: "user", content: prompt }], }); res.json({ reply: completion.choices[0].message.content }); } catch (err) { console.error("AI 调用失败", err); res.status(500).json({ error: err.message }); } });

这里baseURL指向https://taotoken.net/api，Key 从环境变量读。函数本身不关心背后是哪个模型，换模型只改model字段。

3.4 对象存储上传配置

BaaS 部分用对象存储做文件上传。装 SDK：

npm install cos-nodejs-sdk-v5 multer body-parser

app.js里配置内存存储引擎，拿到 buffer 后直接传到对象存储：

const multer = require("multer"); const COS = require("cos-nodejs-sdk-v5"); const upload = multer({ storage: multer.memoryStorage() }); const cos = new COS({ SecretId: process.env.COS_SECRET_ID, SecretKey: process.env.COS_SECRET_KEY, }); app.post("/upload", upload.single("file"), (req, res) => { cos.putObject( { Bucket: "your-bucket-1250000000", Region: "ap-guangzhou", Key: `uploads/${Date.now()}-${req.file.originalname}`, Body: req.file.buffer, }, (err, data) => { if (err) return res.status(500).json({ error: err.message }); res.json({ url: data.Location }); } ); });

注意serverless.yml里apigw.isBase64Encoded要设成false，否则二进制文件上传会乱码。这个坑我踩过，排查了半天。

4. 验证请求：本地 invoke 与云端部署

4.1 本地调试

Serverless Framework 支持本地启动，不用每次部署到云端验证：

serverless dev

它会起一个本地网关，默认监听 3000 端口。另开终端测 AI 路由：

curl -X POST http://localhost:3000/ai/chat \ -H "Content-Type: application/json" \ -d '{"prompt":"用一句话解释什么是 FaaS"}'

返回类似{"reply":"FaaS 是把函数作为部署单元..."}就说明本地链路通了。如果报401，检查.env里的 Key 有没有被正确加载；报ECONNREFUSED一般是baseURL写错或网络不通。

4.2 云端部署

本地验证通过后部署：

serverless deploy

输出里会给出 API 网关地址，形如https://service-xxxx.gz.apigw.tencentcs.com/release/。用这个地址再测一次：

curl -X POST https://service-xxxx.gz.apigw.tencentcs.com/release/ai/chat \ -H "Content-Type: application/json" \ -d '{"prompt":"Serverless 的冷启动是什么"}'

云端返回正常，说明环境变量注入、依赖安装、网关转发都对了。如果云端报Cannot find module 'openai'，多半是exclude把node_modules排掉后云端没装依赖，检查package.json里dependencies是否完整。

4.3 查看日志

VSCode 里用 Tencent Serverless Toolkit 插件可以直接看函数日志，或者命令行：

serverless logs -f app

日志里能看到console.error输出的错误堆栈，排查 AI 调用超时、对象存储鉴权失败这类问题很直接。

5. 本篇常见错排查

5.1 冷启动导致首次请求超时

函数第一次被调用时要初始化运行环境，如果timeout设得太短，首次请求容易失败。把timeout调到 10 秒以上，或者在函数入口做轻量预热。另外 AI 调用本身耗时较长，别把timeout卡在 3 秒。

5.2 临时目录写入权限

Serverless 运行环境只有/tmp可写，如果你用fs.writeFileSync往项目目录写日志或缓存，会报EACCES。日志目录统一指向/tmp：

const logDir = "/tmp/logs";

5.3 环境变量没生效

serverless.yml里用${env:TAOTOKEN_API_KEY}读取的是部署机器上的环境变量，不是.env文件。本地调试时 Serverless Framework 会自动读.env，但云端部署前要确保 CI 或本地 shell 里已经export了这些变量。用serverless deploy --verbose能看到实际注入的值。

5.4 对象存储上传返回 403

检查SecretId和SecretKey是否有该存储桶的写权限，以及Bucket名称是否带上了 APPID 后缀。另外Region要和存储桶所在地域一致，跨地域访问会失败。

5.5 AI 接口返回 404

baseURL末尾不要带/v1，SDK 会自己拼路径。如果写成https://taotoken.net/api/v1，实际请求会变成/api/v1/v1/chat/completions，直接 404。正确写法是https://taotoken.net/api。

6. 把 Key 和文档放在手边，继续往下走

整套流程跑下来，核心就三块：serverless.yml描述资源、函数代码处理逻辑、环境变量隔离敏感信息。FaaS 负责请求触发和弹性伸缩，BaaS 负责存储和外部能力，两者通过函数里的 SDK 调用串起来。

如果你在接入 AI 能力时遇到鉴权或模型选择的问题，可以直接去模型对话页面试一下请求格式，确认 Key 和baseURL没问题再写进函数。长期做编码类 Agent 的话，Coding Plan 那边有更完整的配额和模型组合，适合把 AI 调用从单次请求升级成持续工作流。API Key 的管理和接入文档在控制台和文档页都能找到，配置片段可以直接复制到serverless.yml里用。

下一步可以试试把函数拆成多个路由，用 API 网关做路径映射，再把对象存储的静态网站托管打开，前端和后端就都在 Serverless 上了。