前言
很多刚接触大模型的朋友都会有这个疑问：“网页版直接用不就挺好吗？为什么还要折腾API？”
这个问题的答案，其实关系到“消费级工具”和“生产力工具”的本质区别。打个比方：网页版像是一辆家用轿车，能把你从A点送到B点；而API更像是一台发动机，你可以把它装进任何你想要的交通工具里——汽车、飞机、轮船，甚至是机器人。
对于偶尔问个问题、写篇文案来说，确实API有点“小题大做”了。
但遇到特定场景，繁琐重复的工作等等，API的用处就显露出来了！
| 场景 |
|---|
| 批量处理1000篇文章 |
| 实时处理用户问题 |
| 集成到自己的App/网站 |
| 自动化工作流 |
| 智能体聊天Tavo/Sill Tavern |
| 精细控制输出格式 |
这些场景普遍会用到API调用，因为它效率更高，同时也更稳定。
一、准备工作
1. 选择大模型服务商
常见的大模型API服务商：
| 服务商 | 模型 | 国内访问 | 特点 |
|---|---|---|---|
| OpenAI | GPT-5.5, GPT-4o | 需代理 | 能力最强，生态完善 |
| 智谱AI | ChatGLM | 直接访问 | 有免费额度 |
| 百度 | 文心一言 | 直接访问 | 中规中矩 |
| 阿里 | 通义千问 | 直接访问 | 服务好 |
| DeepSeek | DeepSeek系列 | 直接访问 | 高性价比 |
2. 获取API Key
DeepSeek：
二、API调用
你可以把api直接使用在一些配置好的软件里，以完成特定功能（例如：小龙虾OpenClaw·Tavo·Sill Tavern 等）
也可以从零开始，自己调用
详细教程请查看相关模型官网文档：链接
- 注意Token的用量
常规OpenAI SDK调用
1.deepseek
from openai import OpenAI
client = OpenAI(
api_key="your-api-key",
base_url="https://api.deepseek.com" # 可替换为其他模型提供商地址
)response = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": "你是AI大模型"},
{"role": "user", "content": "你好！"}
],
temperature=0.7,
max_tokens=1000
)print(response.choices[0].message.content)
参数详解
1. messages（消息列表）
-
system：系统提示词，定义助手角色 -
user：用户输入 -
assistant：助手历史回复
2. temperature（温度）
-
范围：0-2
-
越低：输出更确定、保守
-
越高：输出更有创意、随机
3. max_tokens（最大输出长度）
-
限制回复的最大token数
-
注意：输入+输出总token不能超过模型限制
4. top_p（核采样）
-
范围：0-1
-
与temperature配合使用
切勿将API Key硬编码在代码中AI
2.OpenAI
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
3.智谱AI
from zhipuai import ZhipuAI
client = ZhipuAI(api_key="your-key")
到这里，本篇文章就要结束了！记住：好的提示词很重要。感谢您读到这里，之后我还会写更深入更有针对性的文章！
