Cloudflare Workers AI 教學：API Key 取得與免費額度呼叫實戰

Cloudflare Workers AI 適合做第一個 AI 原型，因為模型推論直接掛在 Cloudflare 全球邊緣網路上，不必先管理 GPU 伺服器或第三方昂貴的模型 API 金鑰。官方定價頁列出 Workers Free 每日提供 10,000 Neurons 免費額度，每天 UTC 00:00 自動重置。

本文手把手帶你完成兩大呼叫途徑：外部 REST API（取得 API Key 直接請求）與 Worker 內部 AI Binding，助你在 5 分鐘內零成本上線第一個生成式 AI 接口。

Workers AI 免費呼叫 3 步驟實戰

步驟 1：取得 Cloudflare Account ID 與 API Key（API Token）

若你想從既有伺服器、Python 腳本或本機終端機直接調用 Workers AI，只需準備好兩項驗證憑證：

1. Account ID（帳戶識別碼）：
   • 登入 Cloudflare Dashboard。
   • 進入左側選單的「AI > Workers AI」或點擊任一網域，在右側側邊欄下方即可複製 32 碼字元的 Account ID。
2. API Token（即 Workers AI 的 API Key）：
   • 點擊右上角個人頭像，選擇 My Profile（我的個人資料） > API Tokens。
   • 點擊 Create Token（建立權限標記）。
   • 在權限設定中，加入 Account > Workers AI > Read（如需調整微調模型可選 Edit）。
   • 資源範圍選擇「All accounts」或你指定的帳戶。
   • 點擊建立後立即複製生成的權限標記（Token），這就是外部呼叫使用的 API Key。

免費提示：在每日 10,000 Neurons 免費額度範圍內，調用開源大模型（如 Llama 3.1 8B、Mistral 7B）完全免費，無須強制綁定信用卡。

步驟 2：直接透過 cURL 或 REST API 發送推理請求

取得 Account ID 與 API Key 後，甚至不需要建立 Worker，即可直接向 Cloudflare 端點發送推理請求：

curl https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}/ai/run/@cf/meta/llama-3.1-8b-instruct \
  -H "Authorization: Bearer {CLOUDFLARE_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{
    "messages": [
      {"role": "system", "content": "回答繁體中文。請以簡潔條列回答。"},
      {"role": "user", "content": "Cloudflare Workers AI 最適合哪種應用情境？"}
    ]
  }'

回傳結果將以 JSON 格式提供模型生成文字與 Neurons 消耗資訊。

步驟 3：在 Cloudflare Worker 中設定 AI Binding（零金鑰本地綁定）

若你希望直接在邊緣運算層運行，建立全託管的無伺服器 API，使用 Worker AI Binding 是效能最高且最安全的做法（程式碼中完全不需明文保存 API Key）：

Browser / API client -> Worker -> Workers AI model -> JSON response

先建立 Worker 並在 wrangler.toml 宣告 AI binding：

name = "yotron-ai-demo"
main = "src/index.ts"
compatibility_date = "2026-08-28"

[ai]
binding = "AI"

src/index.ts 保持輸入、模型與輸出邊界清楚：

interface Env { AI: Ai }

export default {
  async fetch(request: Request, env: Env): Promise<Response> {
    if (request.method !== "POST") return new Response("Method Not Allowed", { status: 405 });
    const body = await request.json<{ prompt?: string }>();
    if (!body.prompt?.trim()) return Response.json({ error: "prompt is required" }, { status: 400 });
    const result = await env.AI.run("@cf/meta/llama-3.1-8b-instruct-fp8-fast", {
      messages: [
        { role: "system", content: "回答繁體中文。只輸出 answer、evidence、limitations 三段。" },
        { role: "user", content: body.prompt },
      ],
    });
    return Response.json({ result });
  },
};

GEO 輸出要加證據邊界

模型能生成文字，不代表它知道你的最新服務內容。把企業資料先放進 prompt，並要求每個結論附 source_url；更穩定的做法是下一篇使用 Vectorize 做檢索，再把命中的段落傳給模型。文章頁、FAQ 與 API 文件要提供可讀的來源連結，讓 Agent 能驗證回答。

驗證與額度觀測

npx wrangler dev
curl -sS -X POST http://127.0.0.1:8787 \
  -H 'content-type: application/json' \
  -d '{"prompt":"Cloudflare Workers AI 適合什麼原型？"}'
npx wrangler deploy

每次測試記錄模型名稱、輸入長度、回應時間、HTTP 狀態與 Neurons 用量。收到額度錯誤時回傳明確的 429，不要無限重試；同時在 dashboard 觀察每日用量。某些 frontier models 需要付費 billing method，不能把「Workers AI 有免費額度」寫成「所有模型都免費」。

來源

• Cloudflare Workers AI 定價，官方文件，2026-08-26 更新。
• Workers AI 限制，官方文件，2026-08-07 更新。
• Workers AI 入門，Cloudflare 官方文件。

額度與模型價格會變動；部署前重新讀取官方文件。本文的 GEO 輸出格式與錯誤處理是實作建議，不是 Cloudflare 的排名承諾。

相關推薦與延伸閱讀

• Cloudflare 推出代理就緒度分數：用四大維度檢查你的網站對 AI Agent 是否準備好：Cloudflare isitagentready.com 用四大維度替網站的 AI agent 就緒度打分。本文解析評分邏輯與官方歷史樣本，說明採用率為何不等
• Cloudflare AI Gateway 免費層：替 AI API 加上觀測與成本護欄：用 Cloudflare AI Gateway 的免費核心功能集中管理 AI 請求，實作 logging、cache、rate limiting 與 GEO 查
• Cloudflare Vectorize 免費額度：做出會回傳來源的 RAG：用 Cloudflare Vectorize 與 Workers AI 建立小型 RAG 原型，理解免費額度、向量維度計算、來源回傳與 GEO 引用保真。本文說