API (Application Programming Interface)：應(yīng)用程序編程接口。

類比理解：API它不是一個(gè)具體的東西，而是一份“餐廳菜單”和一套“點(diǎn)餐規(guī)則”。大模型廠商（餐廳）把他們的AI能力（菜品 ）通過這份菜單開放出來(lái)，開發(fā)者（食客）只要按照規(guī)則點(diǎn)餐，就能享用到美味的AI大餐，而無(wú)需關(guān)心后廚是怎么運(yùn)作的。

為什么需要：我們不可能在自己的電腦上運(yùn)行一個(gè)像GPT-4那么龐大的模型。API讓我們能通過互聯(lián)網(wǎng)，遠(yuǎn)程“租用”這些超級(jí)大腦的算力來(lái)構(gòu)建自己的應(yīng)用。（之前直接上手了mcp，總感覺自己不得要領(lǐng)，學(xué)習(xí)了API調(diào)用后對(duì)mcp的理解又加深了一些）

二、一個(gè)標(biāo)準(zhǔn)的API調(diào)用流程是怎樣的？

deepseek API調(diào)用示例

調(diào)用API就像是完成一次“跨國(guó)代購(gòu)”，有固定的流程和“話術(shù)”。

1. 準(zhǔn)備“代購(gòu)訂單”（構(gòu)建請(qǐng)求體）：

這是一個(gè)Python字典，里面寫清楚了所有要求，比如：

model: 要用哪個(gè)模型？（"deepseek-chat"）

messages: 我想問什么？（我的Prompt）

temperature: 我希望回答多有創(chuàng)意？

2. 準(zhǔn)備“身份證明和郵寄方式”（構(gòu)建Headers）：

這也是一個(gè)字典，告訴服務(wù)器“我是誰(shuí)”以及“我寄的是什么”。

Authorization: Bearer {api_key}：我的“護(hù)照”，證明我是付費(fèi)用戶。

Content-Type: application/json：告訴服務(wù)器，我的訂單是用JSON這種通用語(yǔ)言寫的。

3. 發(fā)起“郵寄”（發(fā)送請(qǐng)求）：

使用requests.post(url, headers=headers,data=payload)這個(gè)動(dòng)作，把訂單和身份證明發(fā)到指定的服務(wù)器地址（url）。

三、openai庫(kù)到底是什么？它為我做了什么？
在調(diào)用大模型API時(shí)總看到它們說(shuō)自己支持openai標(biāo)準(zhǔn)庫(kù)：

它是什么：它是一個(gè)官方提供的“智能代購(gòu)助理”（SDK - 軟件開發(fā)工具包）。

它做了什么：它把上面第二步中所有繁瑣的細(xì)節(jié)（準(zhǔn)備訂單、準(zhǔn)備證明、發(fā)起郵寄）都封裝起來(lái)了。用戶不再需要手動(dòng) 處理requests、headers和json轉(zhuǎn)換。

只需要做：

import OpenAI
client = OpenAI(api_key="...")
response = client.chat.completions.create(...)
AI寫代碼
這個(gè)“助理”在后臺(tái)完成了所有網(wǎng)絡(luò)通信的臟活累活，開發(fā)者則可以專注于業(yè)務(wù)邏輯。

四、調(diào)用請(qǐng)求體中，必須理解的3個(gè)核心參數(shù)
1. `model`: 指定要使用的模型。不同的模型能力、速度和價(jià)格都不同（如gpt-4o vs

gpt-3.5-turbo）。選對(duì)模型是控制成本和效果的第一步。

2. `messages`: 這是與模型對(duì)話的核心，一個(gè)由字典組成的列表，模擬了完整的對(duì)話歷史。

{"role": "system", "content":"..."}：系統(tǒng)提示詞。給AI設(shè)定的“人設(shè)”和“行為準(zhǔn)則”，在對(duì)話開始前加載，影響全局。

{"role": "user", "content": "..."}：用戶提示詞。用戶每一次具體、即時(shí)的提問。

{"role": "assistant", "content": "..."}：AI的回答。把AI之前的回答也加入歷史，能讓它理解上下文，實(shí)現(xiàn)多輪對(duì)話。

3. `temperature`: 控制輸出的“隨機(jī)性”或“創(chuàng)意度”，取值通常在0到2之間。

`0.0` - `0.3`：輸出會(huì)非常穩(wěn)定、確定，適合做代碼生成、事實(shí)問答、文本分類等嚴(yán)肅任務(wù)。

`0.7` - `1.0`：輸出會(huì)更有創(chuàng)意和多樣性，適合寫文章、市場(chǎng)文案、頭腦風(fēng)暴等。

五、API-Key：我的“賬戶密碼”，如何安全管理？
原則：API Key絕對(duì)、絕對(duì)、絕對(duì)不能直接寫在代碼里！

最佳實(shí)踐：使用.env文件。

1. 在項(xiàng)目根目錄創(chuàng)建.env文件。

2. 在文件中寫入：OPENAI_API_KEY="sk-YourSecretKey"。

3. 在項(xiàng)目.gitignore文件中添加.env，防止上傳到代碼倉(cāng)庫(kù)。

4. 在Python代碼中，使用python-dotenv庫(kù)加載。

from dotenv import load_dotenv
load_dotenv() # 自動(dòng)加載.env文件
api_key = os.environ.get("OPENAI_API_KEY")
AI寫代碼
這樣做，代碼和密鑰完全分離，安全且專業(yè)。

六、結(jié)果藏在哪里？如何從復(fù)雜的響應(yīng)中取出我想要的答案？
API返回的不是一個(gè)簡(jiǎn)單的字符串，而是一個(gè)結(jié)構(gòu)化的JSON對(duì)象。答案通常藏在好幾層里面。

路徑：response.choices[0].message.content

拆解：

response: 整個(gè)響應(yīng)對(duì)象。

.choices: 一個(gè)列表，因?yàn)槟憧梢砸驛PI一次生成多個(gè)回答。

[0]: 我們通常只取第一個(gè)（也是最好的）回答。

.message: 回答的消息主體。

.content: 我們最終想要的、純文本的回答內(nèi)容。

七、流式輸出 (stream=True) vs. 非流式輸出：核心區(qū)別是什么？
這是用戶體驗(yàn)的巨大差異。

非流式（默認(rèn)）：

行為：程序會(huì)一直等待，直到模型生成全部回答后，一次性返回一個(gè)完整的response對(duì)象。

優(yōu)點(diǎn)：代碼處理簡(jiǎn)單直接。

缺點(diǎn)：用戶需要面對(duì)較長(zhǎng)時(shí)間的白屏等待。

流式 (`stream=True`)：

行為：程序立刻返回一個(gè)`Stream`對(duì)象（“水龍頭”），這個(gè)對(duì)象本身不包含答案。你需要用for循環(huán)去遍歷它，一小塊一小塊（chunk）地接收實(shí)時(shí)生成的內(nèi)容。

優(yōu)點(diǎn)：用戶在請(qǐng)求發(fā)出后幾乎立刻就能看到文字開始出現(xiàn)，體驗(yàn)極佳。

缺點(diǎn)：代碼處理邏輯稍復(fù)雜，需要循環(huán)、拼接字符串

審核編輯 黃宇