先问一个问题：如果你的老板说，“这个功能能不能从 GPT-4 切到 Claude 试一下？”，你需要多久？

如果你用的是原生 SDK，答案是：改代码、改参数、改响应解析、重新测试——少说半小时。

如果你用了今天要说的方案，答案是：改一行模型名，3 秒钟。

这就是统一 AI Gateway 的价值。

一、先看对比：原生调用到底有多“痛”

先看原生方式——用官方 SDK 分别调用 OpenAI 和 Anthropic。

OpenAI 原生调用（8 行关键代码）

from openai import OpenAI

client = OpenAI(api_key="sk-xxx")

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello, who are you?"}
    ]
)

print(response.choices[0].message.content)

Anthropic Claude 原生调用（10 行关键代码）

from anthropic import Anthropic

client = Anthropic(api_key="sk-ant-xxx")

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Hello, who are you?"}
    ]
)

print(response.content[0].text)

看到问题了吗？

两个 SDK 的调用方式完全不同：

• OpenAI 用 chat.completions.create
• Anthropic 用 messages.create
• OpenAI 的响应是 response.choices[0].message.content
• Anthropic 的响应是 response.content[0].text
• 参数名也不同（max_tokens 的位置和层级都不一样）

切个模型，等于重写一遍调用代码。

---

二、10 行代码方案：统一 Gateway

现在看统一方案。

这里以 OpenRouter 为例（兼容 OpenAI SDK 格式的统一网关），你也可以换成 LiteLLM、llmswap 等类似工具。

# 文件名: gateway_demo.py
# 依赖: pip install openai python-dotenv

import os
from openai import OpenAI

# 1. 初始化客户端——指向统一网关
client = OpenAI(
    base_url="<https://openrouter.ai/api/v1>",  # 网关地址
    api_key=os.environ.get("OPENROUTER_API_KEY"),
    default_headers={"HTTP-Referer": "<http://localhost:5000>"}
)

# 2. 调用模型——只需改 model 参数
response = client.chat.completions.create(
    model="openai/gpt-4o",  # 想换模型？只改这一行
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello, who are you?"}
    ]
)

# 3. 解析响应——格式完全不变
print(response.choices[0].message.content)

核心差异一目了然：

• 调用方式完全统一（都是 chat.completions.create）
• 响应解析完全统一（都是 response.choices[0].message.content）
• 切换模型只需改 model 参数

---

三、一句话切换模型：从 GPT-4 到 Claude 3.5

这是最爽的部分。

想从 GPT-4 切换到 Claude 3.5 Sonnet？只改第 12 行：

# 用 GPT-4
model="openai/gpt-4o"

# 换成 Claude 3.5 Sonnet —— 只改这一行
model="anthropic/claude-3-5-sonnet-20241022"

# 换成 Google Gemini Pro
model="google/gemini-2.5-pro-preview"

# 换成开源 Llama 4
model="meta-llama/llama-4-maverick"

其他所有代码——messages 结构、响应解析、错误处理——一行都不用动。

下面是完整的可运行脚本，复制即用：

# 文件名: switch_model.py
# 依赖: pip install openai python-dotenv
# 运行: python switch_model.py

import os
from openai import OpenAI

# -------- 配置区（改这里切换模型）--------
MODEL = "openai/gpt-4o"
# 可选值:
# - "openai/gpt-4o"
# - "anthropic/claude-3-5-sonnet-20241022"
# - "google/gemini-2.5-pro-preview"
# - "meta-llama/llama-4-maverick"
# -------- 配置区结束 --------

client = OpenAI(
    base_url="<https://openrouter.ai/api/v1>",
    api_key=os.environ.get("OPENROUTER_API_KEY"),
    default_headers={"HTTP-Referer": "<http://localhost:5000>"}
)

response = client.chat.completions.create(
    model=MODEL,
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Explain quantum computing in simple terms."}
    ]
)

print(f"模型: {MODEL}")
print(f"回答: {response.choices[0].message.content}")

---

四、为什么 Gateway 能做到“一行切换”？

背后的原理其实不复杂：网关层做了一次“方言翻译”。

你的业务代码 → 统一请求格式 → Gateway 翻译 → 各厂商原生 API
各厂商响应 → Gateway 归一化 → 统一响应格式 → 你的业务代码

Gateway 在中间做了三件事：

1. 统一输入：不管你用哪个模型，都按 OpenAI Chat Completions 的格式发请求
2. 格式转换：Gateway 自动把 OpenAI 格式转成 Anthropic/Google/其他厂商的格式
3. 统一输出：所有模型的响应都被归一化成同样的结构

你只用学一次 API，就能调用十几种模型。

⚠️ 注意：Gateway 不是银弹。某些模型的高级特性（如 Claude 的 Extended Thinking、Prompt Caching）在兼容层下可能不可用，生产环境建议根据具体需求评估。

---

五、快速上手指南

第一步：获取 API Key

以 OpenRouter 为例：

1. 访问 openrouter.ai 注册账号
2. 在 Settings → Keys 页面创建 API Key

第二步：安装依赖

pip install openai python-dotenv

第三步：配置环境变量

创建 .env 文件：

OPENROUTER_API_KEY=sk-or-你的密钥

第四步：运行

python switch_model.py

如果看到模型返回的回答，你就已经成功接入了全网主流大模型。

六、可选方案速览

除了 OpenRouter，还有几个不错的开源/自部署方案：

方案	特点	适用场景
LiteLLM	开源，支持 100+ 模型，可自部署	需要数据隐私、自己控制成本的企业
llmswap	极简 SDK，5 分钟上手，内置缓存优化	想快速尝鲜的个人开发者
llms.py	单文件依赖，轻量级 CLI + 服务端	ComfyUI 等插件生态，追求最小依赖

---

结语

原生调用不是不行，但切模型太痛。

统一 Gateway 的价值就一句话：学一次 API，调 N 个模型。

对于刚入门 AI 开发的 Python 工程师来说，这意味着你不用花时间熟悉每个厂商的 SDK 差异，可以把精力放在业务逻辑上。

10 行代码 + 5 分钟配置，换来的是未来无数次“一句话切模型”的自由。