调用大模型API

OpenAI Python 库是官方提供的工具包，让你能在 Python 应用中便捷地调用 OpenAI 的强大模型。它的核心用途是简化与 OpenAI REST API 的交互，并提供了同步/异步客户端以及完整的类型定义。

下面是它的基本使用方法。

安装

在开始之前，需要完成安装和API密钥配置两步。

安装库

通过 pip 即可从 PyPI 安装。库要求 Python 3.9 或更高版本。

bash 复制代码

pip install openai

核心用法

OpenAI Python 库目前支持两种主要的文本生成接口：Responses API （推荐）和 Chat Completions API。

方式一：Responses API（推荐的新标准）

这是与 OpenAI 模型交互的首要 API，提供了更简洁的接口。

python 复制代码

import os
from openai import OpenAI

client = OpenAI(
    api_key="sk-123",
    base_url="https://api.qnaigc.com/v1",
)

response = client.responses.create(
    model="deepseek/deepseek-v4.1-flash-1017",
    instructions="You are a coding assistant that talks like a pirate.", # 系统级指令
    input="How do I check if a Python object is an instance of a class?", # 用户输入
)

print(response.output_text)

这段代码会让模型扮演一个"像海盗一样说话"的编程助手来回答问题，并直接打印生成的文本。

方式二：Chat Completions API（经典接口）

这是之前的标准接口，目前仍被无限期支持，适合需要更精细控制对话角色的场景。

python 复制代码

from openai import OpenAI

client = OpenAI(
    api_key="sk-123",
    base_url="https://api.qnaigc.com/v1",
)

completion = client.chat.completions.create(
    model="deepseek/deepseek-v4.1-flash-1017",
    messages=[
        {"role": "developer", "content": "Talk like a pirate."}, # 开发者指令（类似系统角色）
        {"role": "user", "content": "How do I check if a Python object is an instance of a class?"},
    ],
)

print(completion.choices[0].message.content)

关键区别 ：Chat Completions API 通过 messages 列表来构建对话上下文，其中 role 可以是 developer（系统级指令）、user（用户消息）或 assistant（模型之前的回复）。

不用 openai SDK 后，本质就是用 requests 发 HTTP POST JSON 请求。等价的 requests 写法：Chat Completions

python 复制代码

import os
import requests

API_KEY = os.getenv("LLM_API_KEY", "sk-123") 
BASE_URL = os.getenv("LLM_BASE_URL", "https://api.qnaigc.com/v1").rstrip("/")
MODEL = os.getenv("LLM_MODEL", "deepseek/deepseek-v4.1-flash-1017")

headers = {
    "Content-Type": "application/json",
}

# 本地模型没有 key 时可以不传 Authorization
if API_KEY:
    headers["Authorization"] = f"Bearer {API_KEY}"

payload = {
    "model": MODEL,
    "messages": [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "你好，简单介绍一下你自己"},
    ],
    "temperature": 0.7,
}

try:
    resp = requests.post(
        f"{BASE_URL}/chat/completions",
        headers=headers,
        json=payload,
        timeout=60,
    )
    resp.raise_for_status()
    data = resp.json()

    print(data["choices"][0]["message"]["content"])

except requests.RequestException as e:
    print("请求失败:", e)
    if "resp" in locals():
        print("状态码:", resp.status_code)
        print("响应内容:", resp.text)

代码的模型配置参数使用的是七牛云厂商提供，如果你还没有API_KEY，那么可以尝试扫码注册领取token，然后开发你的agent应用。

源码

我希望简单模拟自己实现一个类似OpenAI的调用方式。核心就是把 client.chat.completions.create(...) 这种链式属性访问用普通类模拟出来，再把 HTTP 返回的 JSON 递归包装成可以用 . 访问的对象。下面是一个可以直接运行的最小实现。

一、完整代码

python 复制代码

import os
import requests
from types import SimpleNamespace


class APIError(Exception):
    def __init__(self, status_code, body):
        self.status_code = status_code
        self.body = body
        super().__init__(f"API error {status_code}: {body}")


def _wrap(obj):
    """递归把 dict/list 转成可用 . 属性访问的对象。"""
    if isinstance(obj, dict):
        return SimpleNamespace(**{k: _wrap(v) for k, v in obj.items()})
    if isinstance(obj, list):
        return [_wrap(x) for x in obj]
    return obj


class Completions:
    def __init__(self, client):
        self._client = client

    def create(self, *, model, messages, **kwargs):
        payload = {"model": model, "messages": messages, **kwargs}
        return self._client._post("/chat/completions", payload)


class Chat:
    def __init__(self, client):
        self.completions = Completions(client)


class OpenAI:
    def __init__(self, api_key=None, base_url=None, timeout=60):
        self.api_key = api_key or os.getenv("OPENAI_API_KEY")
        self.base_url = (
            base_url or os.getenv("OPENAI_BASE_URL") or "https://api.openai.com/v1"
        ).rstrip("/")
        self.timeout = timeout
        # 关键：把 chat 挂成实例属性，形成链式访问
        self.chat = Chat(self)

    def _post(self, path, payload):
        headers = {"Content-Type": "application/json"}
        if self.api_key:
            headers["Authorization"] = f"Bearer {self.api_key}"

        resp = requests.post(
            f"{self.base_url}{path}",
            headers=headers,
            json=payload,
            timeout=self.timeout,
        )
        if not resp.ok:
            raise APIError(resp.status_code, resp.text)
        return _wrap(resp.json())

二、使用方式（和官方一模一样）

python 复制代码

client = OpenAI(
    api_key="sk-...",
    base_url="https://api.deepseek.com/v1",  # 换成你实际服务的地址
)

completion = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "Talk like a pirate."},
        {"role": "user", "content": "How do I check if a Python object is an instance of a class?"},
    ],
)

print(completion.choices[0].message.content)

三、关键设计点

链式属性访问

client.chat → Chat 实例

client.chat.completions → Completions 实例

client.chat.completions.create → 方法

只要把每一层都挂成上一层的属性，就能自然形成 client.chat.completions.create(...)。
completion.choices[0].message.content 怎么来的

HTTP 返回的是：
json 复制代码
```
{"choices": [{"message": {"content": "..."}}]}
```
原生的取值是 data["choices"][0]["message"]["content"]。

_wrap() 递归把 dict 转成 SimpleNamespace，于是就能用 .choices[0].message.content 访问。这是整个模拟里最关键的一步。
create 的签名

用 def create(self, *, model, messages, **kwargs) 显式声明 model 和 messages，其余参数透传。这样调用姿势和官方 SDK 完全一致，也方便 IDE 提示。

但作为"理解官方 SDK 内部是怎么一层层组织请求和响应"的教学实现，上面这 50 行已经覆盖了核心机制。