1. 项目缘起：为什么我们需要一个聚合的AI工具库

如果你和我一样，是个重度AI工具使用者，每天要在ChatGPT、Claude、Gemini之间来回切换，同时还得操心API Key的余额、Token的消耗，以及在不同设备上保持体验一致，那你一定懂我的痛点。桌面端还好说，浏览器开几个标签页就行，但到了手机上，尤其是想用Siri或者快捷指令快速调用AI时，麻烦就来了。每个模型都有自己的App、自己的API接口格式、自己的计费方式，更别提那些时不时冒出来的免费API源，用起来既惊喜又忐忑——惊喜的是免费，忐忑的是不知道什么时候会失效。

这个项目的初衷，就是把我自己折腾了许久的解决方案打包分享出来。它不是一个商业产品，而是一个“数字游民”的生存工具箱。核心功能很简单：聚合多个主流AI模型的API调用，并封装成一个iPhone快捷指令，让你在手机上也能像在电脑上一样，方便、免费（或低成本）地使用ChatGPT、Claude、Gemini等模型，并且能实时计算每次对话消耗的Tokens，做到心中有数。

听起来是不是有点像“AI版瑞士军刀”？没错，它的价值就在于整合与便捷。市面上虽然有无数独立的AI App，但它们往往绑定单一服务商，功能臃肿，且高级功能需要订阅。而通过API+快捷指令的方式，我们把选择权和控制权拿回了自己手里。你可以自由切换后端模型，用最合适的工具处理不同任务；可以接入那些社区分享的、有时效性的免费API端点，降低成本；最重要的是，通过快捷指令，你能实现一些原生App做不到的自动化场景，比如收到邮件后自动总结、看到长文章一键提取要点、甚至结合地理位置信息生成行程建议。

2. 核心组件拆解：API、Key、快捷指令与Token计算

这个项目看似简单，背后其实由几个关键的技术模块支撑。理解它们，你才能玩得转，甚至自己动手定制。

2.1 API与Key：模型的通行证与收费站

首先得搞清楚API和Key是什么。你可以把AI模型（如GPT-4）想象成一个超级大脑，它住在遥远的服务器上。API（应用程序编程接口）就是通往这个大脑的“标准电话线路”。它规定了你怎么呼叫它（发送什么格式的请求）、说什么话（输入文本的结构）、以及它怎么回你（返回数据的格式）。OpenAI有OpenAI的API标准，Anthropic（Claude）有Anthropic的，彼此不通用。

而API Key，就是这条电话线路的“密码”和“计费卡”。每次你通过API发送请求，服务器都要验证你的Key，确认你有权限使用，并且从这张卡上扣除相应的费用。费用通常基于你消耗的Tokens来计算。

这里就引出了我们项目的一个核心“骚操作”：使用免费或共享的API端点。除了官方渠道，网络上经常有研究机构、开源项目或个人搭建的API代理服务，它们可能因为各种原因（如学术研究、流量测试、公益分享）提供限时免费的访问权限。这些端点的地址（URL）和Key往往是公开或半公开的。我们的项目就需要维护这样一个可更新的列表，作为后端的备选资源池。

注意：使用这类免费资源必须遵守几个原则：1.尊重服务条款：很多免费API明确禁止商用或高频请求。2.风险自担：稳定性、响应速度和数据隐私无法保证，不建议处理敏感信息。3.心怀感激：这是社区共享的精神，如果服务稳定，可以考虑捐赠支持维护者。

2.2 iPhone快捷指令：移动端的自动化中枢

为什么是iPhone快捷指令？因为它几乎是iOS系统上最强大、最通用的自动化工具，而且能与系统深度集成。你可以通过它调用Web API、处理文本、调用Siri、与其它App交互。

在这个项目中，快捷指令扮演了“总控台”的角色。它的工作流程一般如下：

1. 触发：你可以通过点击图标、呼叫Siri、分享菜单等多种方式启动它。
2. 输入：获取你输入的文本、或从相册选择的图片（用于GPT-4V等视觉模型）。
3. 配置与选择：弹出菜单让你选择本次要使用的AI模型（如GPT-3.5, GPT-4, Claude等）。
4. 网络请求：根据你的选择，组合对应的API端点URL、API Key、以及符合该API规范的请求体（包括你的输入文本、模型参数等）。
5. 发送与接收：向选定的API端点发送HTTP POST请求，并等待返回结果。
6. 解析与展示：从返回的JSON数据中提取出AI回复的文本内容。
7. Token计算与记录：从API响应头或响应体中提取本次对话消耗的Tokens数量，并可能将其记录到备忘录或某个文件中，方便你追踪使用量。
8. 输出：将AI的回复内容显示在通知中心、拷贝到剪贴板，或者直接朗读出来。

通过快捷指令，我们就把一个需要打开特定App、复制粘贴、查看余额的复杂过程，简化成了“对Siri说句话”或者“点一下”的简单操作。

2.3 Token计算：成本控制的仪表盘

Token是AI模型理解文本的基本单位。对于英文，大约1个Token对应0.75个单词；对于中文，一个字大概对应1-2个Token。每次对话，输入的文本（Prompt）和AI输出的文本（Completion）都会产生Token消耗。

计算Token至关重要，尤其是使用付费API或额度有限的免费API时。它能让你：

• 预算管理：清楚知道一段对话花了多少钱，避免账单爆炸。
• 优化提示：意识到你的问题是否过于冗长，从而学习编写更精炼、高效的提示词（Prompt Engineering）。
• 规避限制：每个模型都有上下文长度限制（如GPT-4 Turbo是128K Tokens），实时计算可以帮助你避免在长对话中超出限制，导致历史信息丢失。

大多数官方API在响应中都会返回usage字段，明确给出了本次请求消耗的prompt_tokens,completion_tokens和total_tokens。我们的快捷指令需要解析这个字段，并将其清晰地展示给你。对于少数不返回用量信息的免费API，我们可以使用一些开源的近似计算库（如OpenAI官方的tiktoken库的算法）在本地进行估算，虽然不100%精确，但具有重要参考价值。

3. 实战构建：从零搭建你的AI快捷指令

理论说完了，我们动手做一个。这里我会以构建一个支持GPT-3.5和Claude的简易版快捷指令为例，手把手带你走一遍流程。你需要准备一部iPhone，并确保“快捷指令”App已更新到最新版本。

3.1 第一步：API资源准备

这是最核心也最动态的一步。你需要去寻找可用的API端点和Key。

1. 寻找免费API源：可以在GitHub、一些技术论坛或社群中搜索“Free OpenAI API”、“Claude API reverse proxy”等关键词。请务必谨慎甄别，优先选择Star数多、近期有更新的开源项目。一个常见的模式是，开发者会提供一个统一的网关地址，然后通过请求头中的Authorization: Bearer sk-xxx或x-api-key字段来指定不同的后端模型。

   • 示例格式：
     • 端点URL：https://api.openai-proxy.org/v1/chat/completions
     • 请求头：Authorization: Bearer sk-your-free-key-here
     • 请求体：标准的OpenAI API格式。

2. 获取（临时）API Key：这些免费服务通常会提供一个公开的Key，或者需要你在其网站简单注册获取。记住，这些Key很可能有速率限制、每日限额或有效期。

3. 整理你的资源库：建议你在备忘录里建立一个表格，记录不同模型的端点、Key、限制和上次测试可用日期。

3.2 第二步：在快捷指令中创建网络请求

打开“快捷指令”App，点击右上角“+”创建新快捷指令。

1. 添加快捷指令名称：比如“AI助手（多模型）”。
2. 添加“文本”操作：第一个操作，输入你的提示词，比如“请用中文解释量子计算”。或者更常用的，添加一个“要求输入”操作，弹框让你临时输入问题。
3. 添加“选择菜单”操作：这是实现模型切换的关键。在菜单选项中，列出你支持的模型，如“GPT-3.5 Turbo”、“Claude 3 Haiku”。菜单的每个选择会输出一个对应的值。
4. 添加“如果”条件操作：我们需要根据菜单的选择，为不同的模型配置不同的API参数。将“如果”的条件来源设置为上一步“菜单”的输出。
   • 如果“菜单”是“GPT-3.5 Turbo”：
     • 添加“文本”操作，填入GPT-3.5的API端点URL。
     • 添加“文本”操作，填入对应的API Key。
     • 添加“文本”操作，构建JSON请求体。这是最关键的一步。OpenAI的Chat API格式如下：

       { "model": "gpt-3.5-turbo", "messages": [{"role": "user", "content": "你输入的提示词"}], "temperature": 0.7 }

       你需要用“文本”操作拼接这个JSON，其中“你输入的提示词”部分，用变量插入第一步中你输入的文本。
   • 否则，如果“菜单”是“Claude 3 Haiku”：
     • 添加“文本”操作，填入Claude的API端点URL（注意，格式与OpenAI不同）。
     • 添加“文本”操作，填入Claude的API Key。
     • 添加“文本”操作，构建Anthropic格式的请求体。Claude的消息格式是：

       { "model": "claude-3-haiku-20240307", "max_tokens": 1024, "messages": [{"role": "user", "content": "你输入的提示词"}] }

5. 添加“获取URL内容”操作：这是执行网络请求的核心。
   • URL：填入上一步“如果”分支中设置的URL变量。
   • 方法：选择“POST”。
   • 请求头：添加以下两个关键头：
     • Content-Type:application/json
     • Authorization:Bearer 你的API Key变量（对于Claude，可能是x-api-key: 你的Key变量）
   • 请求体：选择“文件”，然后选择上一步构建的JSON文本变量。
6. 添加“从输入中获取词典值”操作：对上一步网络请求的“URL内容”结果进行操作。API返回的是JSON文本，我们需要解析它。
   • 获取：choices下的0下的message下的content（针对OpenAI格式）。
   • 对于Claude，路径可能是content下的0下的text。
   • 这个操作的结果就是AI返回的纯文本回复。
7. 添加“显示结果”操作：将解析出的文本内容显示出来。

至此，一个最基础的多模型AI调用快捷指令就完成了。你可以运行测试一下。

3.3 第三步：集成Token计算功能

要让我们的工具更专业，必须加入Token计算。这需要根据API的响应来调整。

1. 修改“从输入中获取词典值”操作：在获取回复文本的同时，我们还需要获取usage字段。对于OpenAI格式，可以并行地再添加一个“从输入中获取词典值”操作，获取usage下的total_tokens值。
2. 添加“数字”操作：将获取到的total_tokens值转换为数字。
3. 组合最终输出：使用“文本”操作，将AI回复和Token消耗信息组合起来。例如：

   【AI回复】： {{AI回复文本}} --- 【本次消耗Tokens】：{{total_tokens}}

4. （进阶）记录历史：如果你想记录每次的使用情况，可以添加“追加到备忘录”操作，将模型名称、时间、Tokens数追加到某个指定的备忘录中，这样就形成了一个简单的使用日志。

3.4 第四步：添加视觉模型支持（GPT-4V）

如果你想支持像GPT-4V这样的视觉模型，流程会复杂一些，因为需要处理图片。

1. 修改输入方式：将最初的“文本输入”改为“选择照片”+“要求输入”。先让你选择照片，再输入关于这张照片的提问。
2. 编码图片：快捷指令无法直接发送图片文件，需要将图片转换为Base64编码。添加“对输入进行Base64编码”操作，对选择的照片进行处理。
3. 构建复杂的请求体：支持视觉的OpenAI API请求体格式不同，content字段是一个数组，可以包含文本和图片对象。你需要构建如下的JSON：

   { "model": "gpt-4-vision-preview", "messages": [{ "role": "user", "content": [ {"type": "text", "text": "你输入的提示词"}, { "type": "image_url", "image_url": { "url": "data:image/jpeg;base64,{{Base64编码的图片字符串}}" } } ] }], "max_tokens": 300 }

   这需要在“文本”操作中通过变量拼接精心构建，是快捷指令编辑中最考验耐心的一环。

4. 避坑指南与实战经验分享

看起来步骤清晰，但实际搭建和使用的过程中，坑一点都不会少。下面是我踩过的一些坑和总结的经验。

4.1 免费API的稳定性与失效处理

免费午餐不会永远有。你收集的API和Key，很可能在一周甚至几个小时后失效。

• 症状：快捷指令运行时，长时间无响应，最后报错“未能完成操作”、“无法连接到服务器”或直接返回类似{"error": {"message": "Invalid API Key"}}的JSON。
• 排查：
  1. 首先，检查网络连接。尝试用浏览器访问同一个API端点（可能需要借助一些测试工具如Postman的网页版）。
  2. 如果网络正常，大概率是Key失效或额度用尽。去你获取该资源的原页面查看公告。
  3. 更换备用Key或备用端点。这就是为什么我们需要一个资源列表。
• 经验：
  • 永远要有B计划：在你的快捷指令“选择菜单”里，至少为每个主流模型配置两个不同的API源。
  • 设置失效提醒：可以在快捷指令开头添加一个注释，写上该配置的最后更新日期。或者更高级一点，用“获取URL内容”先调用一个简单的健康检查接口（如果有的话）。
  • 尊重并感恩：遇到好用的免费服务，如果提供者有捐赠渠道，在经济允许的情况下支持一下，能让这些服务活得更久。

4.2 快捷指令的复杂性与调试

快捷指令的图形化编辑界面对于复杂逻辑来说，有时会显得笨拙和难以调试。

• 变量管理混乱：当“如果”分支很多时，变量名容易混淆。务必使用有意义的变量名，如“GPT-API-URL”、“Claude-Request-Body”。
• JSON格式错误：这是最常见的错误。一个多余的逗号、少一个引号，都会导致API返回400错误。调试技巧：在“获取URL内容”操作之前，先添加一个“显示通知”或“快速查看”操作，把你构建好的JSON文本显示出来，复制到在线的JSON校验工具（如JSONLint）里检查格式。确保变量插入的位置没有破坏JSON结构。
• 超时问题：AI生成可能需要十几秒甚至更久。在“获取URL内容”操作中，将“超时”设置为30秒或更长，避免因网络延迟或模型思考时间长而误判为失败。
• 错误处理缺失：默认流程一旦出错，快捷指令就静默失败了。可以添加“如果‘获取URL内容’的‘结果’有错误”的条件分支，在分支里用“显示通知”把错误信息展示出来，比如“Claude API请求失败，请检查网络或Key”。

4.3 Token计算不准与上下文管理

• 非官方API的Token计算：很多反向代理或免费网关为了节省成本，可能不会返回准确的usage字段，或者根本不返回。此时我们的计算会失效或为0。
  • 解决方案：对于不返回用量的API，可以暂时不显示Token信息，或者标注“用量信息未提供”。如果非要估算，可以考虑在快捷指令外，用Python脚本（在电脑上）基于tiktoken库预先计算输入Token数，但这超出了快捷指令的能力范围。
• 长上下文遗忘：我们构建的是单次问答指令，不具备多轮对话记忆。每次调用都是独立的。
  • 进阶思路：要实现简单的对话记忆，可以借助iPhone的“文件”App。每次对话后，不仅输出回复，还将本次的“用户消息”和“AI回复”以特定格式追加到一个文本文件中。下次提问时，先读取这个文件，将历史对话作为上下文一起发送给API。但这会迅速消耗Token，且需要非常精细的文件操作和上下文截断逻辑（当Token快超限时，删除最早的历史记录），实现起来非常复杂，会极大降低快捷指令的稳定性和运行速度。因此，对于移动端快捷指令，我建议将其定位为“单次任务处理工具”，而非“长对话伴侣”。复杂的多轮对话，还是交给官方App更合适。

4.4 安全与隐私警示

这是最重要的一条。

• API Key就是密码：你使用的API Key，无论是免费的还是付费的，都不要分享给任何人，也不要明文写在公开的快捷指令分享链接中。
• 慎用免费代理：你的所有对话内容（Prompt）都会经过第三方代理服务器。请绝对不要通过这些免费API处理个人隐私信息、公司商业秘密、密码或其他敏感数据。
• 快捷指令的权限：你创建的快捷指令会请求网络和可能访问你的相册（如果支持视觉）。只从可信来源（如你自己创建或熟知的分享）添加快捷指令。

5. 超越基础：进阶玩法和优化思路

如果你已经成功搭建了基础版，并且稳定运行了一段时间，那么可以看看下面这些进阶玩法，让你的AI工具箱更加强大。

5.1 创建专属的“AI指令集”

不要只做一个“万能问答”指令。根据场景，创建多个细分指令，效率更高：

• “翻译官”指令：固定使用GPT-3.5，预设Prompt为“请将以下内容翻译成英文/日文/...”，你只需要输入文本即可。
• “文案润色”指令：固定使用Claude（因其在文本创作上表现优异），预设Prompt为“请润色以下文案，使其更专业、更有吸引力：”。
• “代码解释”指令：固定使用GPT-4或Claude，预设Prompt为“请解释以下代码的功能：”。
• “图片分析”指令：固定使用GPT-4V，专门用于处理图片提问。

将这些指令添加到主屏幕，或者通过“背面轻点”、“辅助触控”等手势触发，真正实现一键调用。

5.2 与iOS系统深度集成

快捷指令的强大之处在于自动化。

• 朗读最新文章：创建一个“阅读摘要”指令，与“获取网页内容”结合，先抓取文章正文，再调用AI总结，最后用“朗读文本”输出。早上通勤时让Siri执行这个指令，听新闻摘要。
• 自动回复消息：收到特定联系人（比如老板）的短信或邮件时，自动将内容转发给AI生成草稿回复（注意隐私！此操作需极其谨慎，且最好手动确认后再发送）。
• 图片信息提取：在相册中选中一张包含文字的截图或照片，通过分享菜单运行你的视觉AI指令，直接提取其中的文字信息或进行总结。

5.3 引入自建后端进行管理

当免费API变得不可靠，而你又有一定的技术能力时，终极解决方案是自建一个轻量级的后端服务。

你可以在家里的树莓派、旧电脑，或者便宜的云服务器上，部署一个简单的Python Flask或Node.js服务。这个服务的作用是：

1. 统一接口：对外只提供一个简单的API接口（比如/ask）。
2. 密钥管理：在后端配置你的付费API Key（如OpenAI官方、Anthropic官方等）。这样Key就不会暴露在手机端的快捷指令里。
3. 模型路由：接收手机发来的请求（包含模型选择和问题），在后端转换成对应官方API的格式并调用。
4. 用量统计与缓存：在后端数据库里记录每次请求的Token消耗，生成可视化报表。甚至可以缓存一些常见问题的答案，节省Token。

然后，你的iPhone快捷指令就只需要和这个你自己的后端通信即可。这样做的最大好处是安全、稳定、可管理。你可以随时在后端更换API供应商、调整模型，而无需修改手机上的每一个快捷指令。当然，这需要你拥有服务器和基本的运维知识。

从四处寻找不稳定的免费API，到整合成一个便捷的移动工具，再到为了稳定和安全考虑自建服务，这个过程本身就是一个非常棒的学习路径。它涉及了API调用、网络协议、数据格式、移动端自动化，甚至简单的服务端开发。这个“AI瑞士军刀”项目，最终带给你的可能远不止一个方便的工具，更是一套应对数字世界复杂性的方法论和动手能力。