使用大模型的方式

要实现具体功能（网站/小程序/app），必须用代码调用LLM（区别于在网站上输入prompt）

🥖 日常开发/调试，建议用deepseek，性价比高。

deepseek开放平台：https://platform.deepseek.com/usage

上手实操

✏️ 前置动作1：已搞定python环境

前置动作2：请先在终端(Powershell/terminal/IDE终端均可)执行pip install openai python-dotenv安装依赖库，然后在当前目录下创建一个.env文件，内容如下：DEEPSEEK_API_KEY="你的API密钥"

Python
from openai import OpenAI
import os
from dotenv import load_dotenv

# 从.env文件加载密钥（不要将密钥硬编码在代码中！）
load_dotenv()

# 创建OpenAI客户端实例，使用从环境变量加载的API密钥和DeepSeek的基础URL
client = OpenAI(
    api_key=os.getenv("DEEPSEEK_API_KEY"),
    base_url="https://api.deepseek.com"
)

# 创建聊天 completions请求，指定模型和消息内容
response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "system", "content": "You are a helpful assistant"},
        {"role": "user", "content": "你好"},
    ]
)

# 打印模型的回复内容
print(response.choices[0].message.content)

Plain Text

OPENAI_API_KEY=sk-xxx
DEEPSEEK_API_KEY=sk-xxx
QWEN_API_KEY=sk-xxx
KIMI_API_KEY=sk-xxx

💡 安全提示：绝对不要将API密钥提交到Git仓库！在 .gitignore 中添加 .env 文件。密钥泄露会导致账户被盗用和高额费用。

常用参数详解

参数	类型	默认值	说明
model	string	—	使用的模型名称
messages	array	—	对话历史，包含role和content
temperature	float	1.0	随机性：0=确定，2=创意，推荐0.7
max_tokens	int	—	最大输出token数
stream	bool	false	是否流式输出（打字机效果）
reasoning_effort	string	high	思考强度控制low/medium/high/xhigh
extra_body	object	—	{"thinking": {"type": "enabled"}}

🥛 在本课堂上，请永远记住，写代码并不是什么重要的事情。上面的内容要知道，但并不需要记住，因为未来代码都是AI写的，你只需要审查！

课后练习

[ ] 跑通上述代码，修改输入与AI进行对话。

🤔 思考：多轮对话是如何实现的？你只需要思考就行，后面我们让AI帮忙实现。