【保姆级 - 大模型应用开发】零基础调用大模型 API【代码实战】

只需 20 行代码，调用AI大模型 API 生成内容（适合新手）

什么是大模型 API：很多厂商开放了在线 API 接口，让开发者可以方便地在自己应用中调用这些能力，只要发一个 HTTP 请求，就能获得强大的自然语言理解与生成能力

随着大模型技术的火热，很多人都想在自己的项目中接入 GPT 等智能能力。但一提到 “API 调用”，不少人就头大
其实只需要 不到 20 行代码，你就可以让自己的程序拥有 “智能大脑”！

今天我用最简单、最实用的方式，带你上手「大模型 API 调用」
不需要训练模型、不需要掌握深奥的机器学习知识，直接上手就是干！

---

🎯效果演示

我们会让 AI 模型自动判断一句英文评论的情感是积极还是消极，比如：

输入：
“The banana pudding was really tasty!”

输出：
“Positive sentiment”

是不是有点像 ChatGPT，但变成了你自己的工具！

---

📦 准备工作: 注册&申请获取 API Key

你可以使用如 OpenAI、阿里云百炼 等服务商，注册后获取一串 API 密钥 sk-xxx

---

💡 完整代码：调用大模型 API

import os
import requests  ## HTTP 客户端库，需要提前安装：pip install requests
from dotenv import load_dotenv

API_KEY = None  ## 注册后获取的密钥
BASE_URL = None ## 路由地址

# 构建请求头
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"  	## 使用 Bearer Token 认证授权
}

# 构建请求体（对话格式）
data = {
    "model": "gpt-4o-mini",					## 要调用的模型名称 (不同模型收费不同，看具体厂商)
    "messages": [  							## 对话式 API 的核心输入，支持多轮对话
        {"role": "system", "content": "你是一个有帮助的助手"},
        {"role": "user", "content": "Classify the sentiment: The banana pudding was really tasty!"}
    ]
}

try:
    response = requests.post(BASE_URL, headers=headers, json=data, timeout=10)  ## 发起 HTTP 请求
    response.raise_for_status()  												## 会对非 2xx 响应抛出异常
    result = response.json()
    print("AI 回复：", result["choices"][0]["message"]["content"])  				## 按照 API 规范提取回答内容
except requests.exceptions.RequestException as e:
    print("请求失败：", e)
except ValueError:  															## 捕获 ValueError 以防服务器返回的不是 JSON
    print("返回非 JSON 内容：", response.text)

你可以很容易改造这个功能，让它完成翻译、改写、代码生成、作文打分、AI客服等任务。