免费 AI IDE
一句话结论先给你：Python 调用大模型 API，本质就是发一个 HTTP 请求到模型服务商的接口地址，带上你的密钥和想问的内容，就能拿回模型的回复。你想给自己写的 Python 小工具接上大模型能力，比如自动总结文章、智能问答，却卡在"到底怎么调"，这很正常。其实调用一点都不神秘：你把一个装着"问题"和"密钥"的数据包发给对方，对方算完把回答发回来，这就是一次调用的全部。本文基于 Python 3.10 演示三种最常用的调法：用官方 SDK、用 requests 裸发请求、以及流式输出，帮你挑最顺手的一种。今天这篇文章，编程狮就把调用大模型 API 这件事讲透，新手也能照着跑通。
一、先搞懂一次调用发生了什么
调用大模型 API，本质上就是一次普通的 HTTP 请求：你把一个装着"问题"和"密钥"的数据包发给模型服务商的接口地址，对方算完，把回答塞进响应里发回来。这个数据包通常是 JSON 格式，里面的"密钥"用来证明"是你在使用"，"问题"就是你想问的内容。不同的服务商接口细节略有不同，但国内大部分都兼容 OpenAI 的接口格式，写法几乎一样，学会一家就能很快上手其他家。在动手之前，你需要两样东西：一是申请到的 API Key（密钥），二是记下服务商给的接口地址和模型名。申请密钥通常在服务商后台的"API Keys"页面，创建后会得到一串字符，它就是你的 api_key；接口地址和模型名一般写在服务商的"快速开始"文档里，复制下来备用即可。注意不同服务商的免费额度、计费方式不同，具体以官网说明为准，本文不提供具体价格。如果你刚学 Python，可以先过一遍 Python 基础入门教程，把请求库和 JSON 基础理顺，后面会顺很多。
二、方法一：用 OpenAI 兼容 SDK（最省事）
最省事的做法是装官方 SDK，用几行代码就能对话。下面以兼容 OpenAI 格式的接口为例（把地址和密钥换成你自己的）：
from openai import OpenAI
client = OpenAI(
api_key="你的_API_KEY", # 替换成你申请的密钥
base_url="https://你的接口地址/v1" # 替换成服务商给的接口地址
)
resp = client.chat.completions.create(
model="你的模型名",
messages=[{"role": "user", "content": "用一句话解释什么是递归"}]
)
print(resp.choices[0].message.content)
SDK 帮你封装了鉴权、拼包、解析响应这些琐事，新手最友好，不用自己处理一大堆细节。拿到回复后，真正有用的内容在 resp.choices[0].message.content 里，它是一个字符串：你可以直接打印，也可以存进变量做后续处理，比如把结果再拼进提示词问一轮，就能实现多轮对话。常用语法记不住，Python 速查手册 可以常备在手边。需要说明：示例里的"你的_API_KEY""你的接口地址""你的模型名"都是占位符，请替换成你实际申请到的内容，不要照抄运行。装包命令通常是 pip install openai，具体以 SDK 文档为准。
⚠️ 注意：密钥不要写死在代码里，更不要提交到公开仓库。更稳妥的做法是用环境变量读取，避免泄露。
三、方法二：用 requests 裸发 HTTP 请求（不依赖 SDK）
如果不想装 SDK，用标准库之外的 requests 也能直接发请求，任何兼容 OpenAI 格式的模型都通用：
import requests
url = "https://你的接口地址/v1/chat/completions"
headers = {
"Authorization": "Bearer 你的_API_KEY",
"Content-Type": "application/json"
}
data = {
"model": "你的模型名",
"messages": [{"role": "user", "content": "用一句话解释什么是递归"}]
}
resp = requests.post(url, headers=headers, json=data)
print(resp.json()["choices"][0]["message"]["content"])这种方式的好处是完全不依赖第三方包，逻辑也最透明：你清楚每一个字段是怎么发出去的，方便排错和定制。返回的是 JSON 字符串，用 resp.json() 解析成字典后，同样取 ["choices"][0]["message"]["content"]。如果服务商返回错误，resp.json() 里通常带有 error 字段，把它打出来就能看到原因。想了解背后的 AI 原理，AI 人工智能教程 里有更系统的讲解。当接口返回异常时，可以先打印 resp.status_code 和 resp.text 看看服务商到底回了什么，这是定位问题最快的办法，比盲目改代码高效得多。
四、方法三：流式输出与常见坑
模型生成回答是一个字一个字往外蹦的。如果你想让界面"边生成边显示"，而不是等半天一次性吐出来，就打开流式输出（stream=True），然后逐块读取：
stream = client.chat.completions.create(
model="你的模型名",
messages=[{"role": "user", "content": "讲个三句话的冷笑话"}],
stream=True
)
for chunk in stream:
print(chunk.choices[0].delta.content or "", end="")常见坑有几个，提前知道能省不少事：一是网络不稳要做超时与重试，别让程序卡死，可以给请求加上 timeout 参数并配合简单的重试逻辑；二是密钥别硬编码，前面已经强调过；三是不同服务商的模型名、参数可能略有差异，以各自文档为准。国内很多平台都是 OpenAI 兼容接口，换一家基本只改地址和密钥，代码几乎不用动。流式输出在聊天界面、命令行工具里体验最好，建议需要"边想边出"效果时优先打开。三种方法没有绝对优劣，按场景选就好：想最快跑通选 SDK，想完全掌控每个字段选 requests，想做聊天式体验选流式。同一段业务逻辑换一种写法通常只改几行，不必纠结，先跑通再优化。
总结
调用大模型 API 的核心，就是用 Python 发一个带密钥和问题的 HTTP 请求，拿回模型的回答。三种做法按顺手程度选：新手最省事用 OpenAI 兼容 SDK，几行代码就能对话；不想装包用 requests 裸发请求，逻辑最透明；要边生成边显示就打开流式输出逐块读取。记住两个底线：密钥别硬编码、不同平台以文档为准。想继续深入 AI 编程，可以顺着下面的路径走。
延伸学习
想把 AI 编程能力补齐，可以按这个顺序来：
常见问题
Q：调用大模型 API 一定要装 SDK 吗？
A：不一定要。用 requests 直接发 HTTP 请求也能调，任何兼容 OpenAI 格式的模型都通用；SDK 只是帮你省去拼包和解析的琐事。
Q：密钥写在代码里有什么风险？
A：密钥一旦泄露，别人能冒用你的额度产生费用。建议用环境变量读取，且绝不上传到公开仓库。
Q：国内模型和 OpenAI 接口不一样吗？
A：多数国内平台都兼容 OpenAI 接口格式，写法基本一致，通常只需更换接口地址和模型名，具体以各家文档为准。
Q：什么是流式输出？
A：流式输出是让模型回答边生成边返回，前端可以逐字显示，体验更顺滑；关闭时则等全部生成完一次性返回。
Q：请求一直超时或报错怎么办？
A：先检查接口地址、模型名、密钥是否填对，再打印响应的状态码和正文定位原因；网络不稳时给请求加超时与重试逻辑。
Q：调用大模型 API 要花钱吗？
A：多数平台按调用量或 token 计费，新用户通常有免费额度，具体价格以服务商官网为准，本文不提供具体价格，请以官方说明为准。
