在node.js中调用mistral ai api需完成密钥配置、客户端初始化、请求体构造、流式响应处理及错误重试逻辑：必须加载.env文件，使用bearer认证，payload含model和messages字段，流式需设responsetype为'stream'并按\n\n解析chunk，重试逻辑应对429和5xx错误。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在Node.js后端服务中调用Mistral AI API，需完成API密钥配置、HTTP客户端初始化、请求体构造、流式响应处理及错误重试逻辑——缺一不可，否则请求会直接失败或返回空响应。
安装必要依赖并创建基础服务文件
执行 npm init -y 初始化项目，然后安装 axios 和 dotenv：npm install axios dotenv。
新建 server.js，顶部引入模块：const axios = require('axios'); const dotenv = require('dotenv'); dotenv.config();
这一步必须做，【.env 文件未加载会导致 process.env.MISTRAL_API_KEY 为 undefined，后续所有请求均抛出 401 错误】。
配置Mistral API客户端
定义基础URL和默认请求头：
const MISTRAL_API_URL = 'https://api.mistral.ai/v1/chat/completions';
const headers = { 'Content-Type': 'application/json', 'Authorization': `Bearer ${process.env.MISTRAL_API_KEY}`};
注意：Mistral当前仅支持 Bearer 认证方式，不能用 API-Key 或其他前缀；密钥若含空格或换行符，process.env 会自动截断，务必检查 .env 中值是否干净。
发送标准聊天请求（非流式）
方法一：使用 axios.post 发起同步请求
构造请求体，必须包含 model 和 messages 字段：
const payload = { model: 'mistral-tiny', messages: [{ role: 'user', content: '你好' }]};
使用 JSON Schema 验证 JSON 数据，从示例 JSON 生成 schema，并将其转换为 TypeScript 接口、Python 数据类或 Markdown 文档。
发起请求：const res = await axios.post(MISTRAL_API_URL, payload, { headers });
提取回复：const reply = res.data.choices[0].message.content;
启用流式响应并逐块处理
第一步：在 payload 中添加 stream: true 字段
第二步：设置 axios 的 responseType 为 'stream'，否则无法读取 chunk
第三步：监听响应流的 data 事件，用 TextDecoder 解码并按 event: message + data: {...} 格式解析
关键细节：每块数据以 \n\n 分隔，末尾可能带单个 \n；若直接用 chunk.toString() 而不按双换行切分，会把多条 event 拼成一行导致 JSON.parse 失败。
封装可复用的调用函数
方法一：基础版（支持流/非流）
async function callMistral(payload, stream = false) { const config = { headers, responseType: stream ? 'stream' : 'json' }; const res = await axios.post(MISTRAL_API_URL, payload, config); return stream ? res : res.data;}
方法二：带指数退避重试（仅针对 429 和 5xx）
在 catch 块中判断 error.response?.status，若为 429 或 ≥500，等待 Math.pow(2, retryCount) * 1000 毫秒后重试，最多 3 次。
这一步不能省略——Mistral 免费 tier 的速率限制极严，连续请求大概率触发 429，无重试逻辑的服务会直接中断。
