ZeroGPU

1) 建立 ZeroGPU 帳戶和專案: 前往 https://zerogpu.ai/ 並建立一個帳戶。在儀表板中，建立（或選擇）一個專案，以便您可以獲取用於身份驗證和使用情況跟踪的專案 ID。

2) 生成憑證（API 金鑰 + 專案 ID）: 在 ZeroGPU 儀表板中，生成一個 API 金鑰並複製您的專案 ID。您將在每個請求中使用標頭（x-api-key 和 x-project-id）發送這兩者。

3) （推薦）設定環境變數: 將您的憑證匯出為環境變數，這樣您就不會硬編碼密碼。使用 ZeroGPU 片段中引用的相同名稱：ZEROGPU_API_KEY 和 ZEROGPU_PROJECT_ID。

4) 為您的工作負載選擇一個專用模型: 根據任務（例如分類、摘要、信號提取、PII 檢測、審核、路由）從 ZeroGPU 的專用小型/納米模型目錄中選擇一個模型。片段中顯示的範例模型：zlm-v1-iab-classify-cloud。

5) 呼叫與 OpenAI 相容的聊天完成 API (curl): 向 https://api.zerogpu.ai/v1/chat/completions 發送 POST 請求，並帶有標頭 x-api-key、x-project-id 和 content-type: application/json。在 JSON 主體中，設定 model 和 messages (role/content)。這允許您將 ZeroGPU 放入現有的 OpenAI 風格集成中，而無需重建您的應用程式。

6) 範例請求主體結構: 使用類似於以下內容的有效負載：{ "model": "<model-name>", "messages": [ { "role": "user", "content": "<your task prompt>" } ] }。將 <model-name> 替換為您選擇的專用模型，並提供您要分類/摘要/提取的文本。

7) 當邊緣不可用時自動使用雲端備援: 繼續使用相同的 API 端點和請求格式。當邊緣容量不可用時，ZeroGPU 在同一路徑上提供雲端備援，因此您不需要第二次集成。

8) 使用官方類型化 SDK（可選）: 如果您喜歡 SDK 而不是原始 HTTP，請安裝官方客戶端庫。資料來源提到 npm (zerogpu-api) 和 PyPI (pip install zerogpu-api → import zerogpu)，以及 SDK monorepo 中的 Go、Ruby、Java、Rust、C#、PHP 和 Swift。

9) 將正確的流量路由到 ZeroGPU（推薦模式）: 將結構化、大容量任務發送到 ZeroGPU（文檔分析、摘要、頁面分類、意圖/信號提取、PII 檢測、審核、工具路由）。將尖端模型保留用於複雜推理。這是 ZeroGPU 描述的核心成本/延遲優化工作流程。

10) 監控使用情況、延遲和節省: 使用 ZeroGPU 的專案級分析來跟踪請求量、延遲和模型分佈，並量化將日常工作負載卸載到專用模型所節省的成本。