Part 4 · 用代码调用 AI

> 本篇定位：把 Part 3 的假 AI 替换为真实大模型。学完本篇，你能写出第一个真正能用的 AI 应用。 > 阅读时长：25 分钟 > 心流产出：一个命令行 AI 聊天工具，支持流式输出与角色设定。

一、四个第二层概念

二、概念 6：SDK（Software Development Kit，软件开发工具包）

类比

API 是"裸的 HTTP 接口"——要自己拼请求头、加密、解析 JSON。SDK 就是服务商帮你把这些都封装好的"现成工具箱"。

一行代码替代 50 行

# 没用 SDK 之前（伪代码）：要自己拼 URL、Header、Body
# 用了 SDK 之后：3 行搞定
from openai import OpenAI
client = OpenAI()    # 自动读取环境变量 OPENAI_API_KEY
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "你好"}]
)
print(response.choices[0].message.content)

> 关键认知：SDK 不是唯一路径。你也可以用 requests 等库手动构造 HTTP 请求，但 SDK 能极大提高效率。

国产替代

> 小白起步建议：用 OpenAI SDK 调用 DeepSeek（接口兼容，最便宜），或直接用 dashscope / zhipuai。

三、概念 7：Streaming（流式传输）

体验差异

代码示例

from openai import OpenAI
client = OpenAI()

# 关闭 Streaming
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "讲个笑话"}]
)
print(response.choices[0].message.content)    # 一次性输出

# 开启 Streaming
stream = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "讲个笑话"}],
    stream=True    # 关键参数
)
for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)    # 逐字输出

> 关键认知：所有聊天类应用（ChatGPT、文心一言、通义千问）默认开启 Streaming，是其流畅体验的技术基础。

四、概念 8：Temperature（温度参数）

类比

调节 AI 的"脑洞大小"。

代码示例

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "给我的产品起 5 个名字"}],
    temperature=1.2    # 让名字更多样
)

> 关键认知：Temperature 调节的是模型对候选词分布的平滑程度，不是简单的"概率开关"。初学保持默认（通常 1.0）即可。

五、概念 9：System Prompt（系统提示词）

类比

给新员工发的"员工手册"——设定人设、规则、底线，优先级最高，用户消息无法覆盖。

代码示例

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        # 第一条消息：System Prompt（人设/规则）
        {"role": "system", "content": "你是一名资深 Python 工程师。所有回答必须包含可运行代码示例。"},
        # 第二条消息：用户输入
        {"role": "user", "content": "怎么读取 CSV 文件？"}
    ]
)
print(response.choices[0].message.content)

> 关键认知：System Prompt 是约束模型行为最有效的手段。 用户问"忽略上面的指令"也没用。

六、组合实战：命令行 AI 聊天工具

# ai_chat.py
from openai import OpenAI

client = OpenAI()

# System Prompt：设定 AI 是一名耐心的编程导师
SYSTEM = "你是一名耐心的编程导师，回答简洁并附带代码示例。"

def chat(user_input: str, stream: bool = True):
    """调用 AI 并返回/流式输出回答"""
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": SYSTEM},
            {"role": "user", "content": user_input}
        ],
        temperature=0.7,
        stream=stream
    )
    if stream:
        for chunk in response:
            delta = chunk.choices[0].delta.content
            if delta:
                print(delta, end="", flush=True)
        print()    # 换行
    else:
        print(response.choices[0].message.content)

if __name__ == "__main__":
    print("=== 命令行 AI 聊天工具（输入 exit 退出）===")
    while True:
        q = input("\n你：")
        if q.strip() == "exit":
            break
        print("AI：", end="")
        chat(q)

运行：

export OPENAI_API_KEY="sk-..."        # macOS/Linux
# 或 Windows PowerShell：$env:OPENAI_API_KEY="sk-..."
pip install openai
python ai_chat.py

七、本篇动手任务（30 分钟）

任务 A：跑通上面的聊天工具

替换 model 字段为你能访问的模型名（如 "deepseek-chat"），跑通后你就有了一个真正能用的 AI 应用。

任务 B：进阶改造

为你的聊天工具加入以下 1~2 个特性：

1. 多轮对话：用 messages 列表累积历史，实现上下文。
2. 角色切换：在 System Prompt 里预设 3 种角色（导师/翻译/段子手），让用户切换。
3. 错误处理：捕获 openai.APIError，打印友好提示而不是崩溃。

八、进入下一篇

真 AI 已能跑通。进入 Part 5 · 进阶应用，我们探索让 AI 懂你的私有数据的范式：Embedding、向量数据库、RAG。