上个月接了个文档处理的需求：短文本走 DeepSeek 图个便宜，长合同得过 128K 上下文就得换通义千问，偶尔还要看眼扫描件，又得挂一个多模态的。一开始老老实实三个平台注册、三个控制台充值、三个 Key 塞进 .env，代码里维护三套 SDK 和三种返回结构。最烦的是排查问题——报错了第一反应是“这到底是模型的锅、网络的锅，还是我参数写错了”。
后来改成走 OpenAI 兼容协议，世界清静了。DeepSeek、通义千问、智谱这些都提供兼容 OpenAI 的接口，只要 base_url 和 model 名对得上，一个 openai 客户端就能全调通。更省事的做法是找一个聚合入口：一个 Key、一个 base_url，后面挂着一排模型。充站就是这类服务，注册一次拿 Key，余额通用，不用每个平台单独实名和充值。
准备工作
一个 openai Python 包，一个聚合平台的 Key，再加上平台文档里给的 base_url。就这些，不用装各家自己的 SDK。
第一步：建一个通用客户端
client = OpenAI( api_key=os.environ["API_KEY"], base_url=os.environ["BASE_URL"], )
def chat(prompt: str, model: str = "deepseek-chat") -> str:
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": prompt}],
timeout=60,
)
return resp.choices[0].message.content
`
第二步：切换模型只改一个字符串
没了。不用换 client，不用换认证方式，不用改返回解析。
第三步：把 model 名做成配置
硬编码迟早要还债。项目里建个 models.py，按场景命名（FAST / LONG_CTX / VISION），后面换模型只动一处。顺手记一下每次请求实际用的 model 和耗时，出问题时能立刻定位是哪个模型抽风。
几个踩过的坑
不是所有模型都吃极端的 temperature 和 top_p，有的直接 400，先用默认值跑通再调。模型名拼错一般报 404 model not found，别怀疑网络。长上下文模型按 token 计费差距很大，切之前看一眼价目表。另外加个 tenacity 重试和 fallback 链——主模型超时就切备用模型，可用性会好很多。
说到底
一个 Key 管所有模型，账单只有一份，代码里没有 if-else 去切 SDK，换模型的成本从“改一上午”降到“改一行”。新项目尤其受益：早期不确定哪个模型效果最好，可以挨个试一轮再定，不用为每次实验付注册和实名的时间。先把主链路跑通，再考虑自建网关——那是以年为单位的事。