在 LLM 时代，开发者最烦人的事情之一就是管理那堆乱七八糟的 API Base URL 和 Key。 今天看到的这个脚本（AI API 测试大师）虽然只有一百来行，但它把“配置 $\rightarrow$ 发现 $\rightarrow$ 验证 $\rightarrow$ 测试”这个链路跑通了。这种极致的实用主义风格，正是我们写脚本时该追求的。
为什么我们需要这种工具？
大多数人的工作流是这样的：在 .env 里改个 Key $\rightarrow$ 跑一遍代码 $\rightarrow$ 发现 404 或 401 $\rightarrow$ 回到文档检查 Base URL 是否多了个 /v1 $\rightarrow$ 循环。
这个脚本把这个过程变成了：选择配置 $\rightarrow$ 自动扫描可用模型 $\rightarrow$ 标记可用性 $\rightarrow$ 直接对话。
深度技术拆解
这个脚本的精妙之处在于它对 Linux 基础工具链的熟练运用：
1. 极简的配置存储
它没有引入任何数据库，直接用 ~/.apitest_config 这个文本文件存储 Name,URL,Key。
使用 awk -F',' 进行列切分，sed -i "${del_id}d" 实现行删除。这种“文件即数据库”的方案在小型工具中效率最高，无需依赖。
2. 动态模型感知
很多脚本要求用户手动输入 gpt-4-turbo 或 claude-3-opus，但 API 供应商的模型更新速度极快。
脚本通过 curl -s ... /models | jq -r '.data[] | "\(.id)|\(.name // .id)"' 实现了动态发现。这意味着只要 API Key 有权限，无论供应商新增了什么模型，脚本都能立刻感知。
3. 鲁棒的有效性检测
脚本在展示模型列表前，先进行了一次“地毯式”扫描。
通过 curl -o /dev/null -w "%{http_code}" 快速检测 HTTP 状态码。这种预检机制极大地降低了交互时的挫败感——你看到的 ✅ 就是能用的，❌ 就是没权限或挂了的。
4. 标准化的对话链路
chat_test 函数实现了标准 OpenAI API 协议。
- 超时控制：
--max-time 10防止请求死锁。 - 重试逻辑： 简单的
while循环配合attempt计数，处理不稳定的网络波动。 - 结果提取：
jq -r '.choices[0].message.content // empty'确保在 API 返回错误 JSON 时不会导致脚本崩溃。
改进空间（如果是我来写）
虽然脚本已经很完整，但从生产环境角度看，还有几个优化点：
- 安全性： 目前 API Key 以明文存储在
~/.apitest_config。建议引入gpg加密或调用系统 Keyring。 - 协议适配： 脚本默认适配 OpenAI 格式。如果面对非标准格式的 API，需要增加一个
adapter层。 - 并发检测： 目前模型有效性检测是串行的。如果一个 Key 下有 50 个模型，检测时间会很长。可以使用
xargs -P或&后台运行实现并发检测。
总结
这个脚本是典型的“小而美”。它不追求复杂的架构，而是通过精准的工具组合（curl + jq + awk + sed）解决了实际问题。 对于经常需要评测不同模型、调试 API 接口的开发者来说，这比安装一个庞大的 GUI 测试软件要快得多。
如果你还在手动修改 .env 文件，建议把这个脚本扔进你的 ~/bin。