Python AI 实战（14/20）：用 Python 调用大模型 API 教程：OpenAI、DeepSeek、通义接入

Python AI 实战问答速查手册 · 第 14/20 问

所属板块：大模型与 LLM

统一认知：一些服务商提供 OpenAI 兼容接口，但模型名、参数、工具调用和流式事件可能不同；迁移前要按服务商文档验证。

三步接入流程：注册拿 Key → 安装 SDK → 写调用代码。

1. 基础调用（以 OpenAI 为例）

pip install openai

import os
from openai import OpenAI

# 先设置三个环境变量；地址、模型名和密钥必须来自同一服务商。
client = OpenAI(
  api_key=os.environ["LLM_API_KEY"],
  base_url=os.environ["LLM_BASE_URL"],
  timeout=30.0,
)
model_name = os.environ["LLM_MODEL"]
messages = [{"role": "user", "content": "用一个例子解释 Python 闭包"}]
resp = client.chat.completions.create(model=model_name, messages=messages)
print(resp.choices[0].message.content)

2. 配置核对

• OpenAI、DeepSeek、通义等服务的地址和模型以各自官方文档及账号权限为准。

• 示例使用 Chat Completions 兼容接口；确认目标模型支持该接口后再运行。

• 不同模型对 temperature、输出长度和 tools 的支持不同，不要直接照搬参数。

3. 进阶用法

• 流式输出（边生成边显示）：

stream = client.chat.completions.create(
  model=model_name, messages=messages, stream=True,
)
for chunk in stream:
  if chunk.choices:
    print(chunk.choices[0].delta.content or "", end="", flush=True)

• 函数调用（Function Calling）：声明 tools 参数，让模型按 JSON 格式调用你的函数，这是做 Agent 的基础。

• 重试与限流：API 返回 429/超时，先区分速率限制与额度不足；可重试错误采用有次数上限的退避，并考虑 SDK 自带重试，避免叠加重试。

注意事项：

• Key 安全：放环境变量或 .env 文件，绝不要提交到 GitHub（会被爬虫盗用扣费）。

• 计费：按 token 计费，长上下文和输出 token 都花钱，先估预算；以当前计价规则估算，并配置调用限额。

• 用之前先读各家官方文档，确认模型名和兼容端点，模型名写错是最常见报错（404/400）。