小叙：为什么聊大语言模型？

说实话，Zui近AI圈子热得像火锅底料。

哈哈，你要是不跟上，就怕被时代甩到后面去。

大语言模型啊，就像那位读遍天下书的老学者——博闻强识、逻辑缜密。

你问它任何问题，它dou会根据自己的“知识储备”给出一个合理的回答。

懂的dou懂，咱就是说这玩意儿Yi经从科研实验室跑到了普通开发者的厨房。

模型Ke以理解为一个经过海量数据训练的人工智Neng系统。

它拥有理解人类语言和生成自然文本回复的Neng力。

说白了它就是你熟悉的 GPT‑、DeepSeek、Qwen这些大模型。

不对不对，应该说它们dou是“大语言模型”的不同“口味”。

先说说传统模式——Chat Completions API。

它的设计初衷是把大模型当Zuo一个“对话聊天角色”来调用。

你需要手动传给模型的每句话和每一个历史消息。

3个核心价值——理解、推理、生成，一个dou不Neng少！

国内hen多开发者对大模型的接入方式感到云里雾里。

到底是传统 Chat Completions API 好用，还是新型 Responses API geng强？

别急，我慢慢拆给你听。

你得有一台Neng上网的电脑，Zui好Neng装个 Python 环境。

别怕装不成功，咱们这边一步一步来没事儿的。

装好 Python 后建议用 virtualenv 隔离一下依赖。

python -m venv venv
source venv/bin/activate  # Windows 用 venv\Scripts\activate
pip install openai python-dotenv

OPENAI_API_KEY=你的密钥
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_MODEL_NAME=gpt-4o-mini

from openai import OpenAI
from dotenv import load_dotenv
import os
load_dotenv
client = OpenAI(
    api_key=os.getenv,
    base_url=os.getenv,
)
response = client.chat.completions.create(
    model=os.getenv,
    messages=,
    temperature=0.7,
)
print

代码关键步骤解释：

- 构造 client 时把密钥和地址分离出来这样安全点；

- messages 列表里要把 system、user、assistant 的角色全塞进去；

- temperature 控制回答随机性，值越高越有创意；

- Zui后打印出 choices 的内容，就是 AI 给你的答案啦。

A：每次请求dou有Zui大 token 上限，大约 8K 到 128K 不等，kan你选哪个模型。

B：Ru果历史消息太长，你得自己Zuo摘要或者删掉老旧对话。

A：其实模型本身没有长期记忆，你得在客户端保存会话上下文。

B：Ke以用简单的 list 存起来每次发请求前拼接进去就行了。

def ask:
    response = client.chat.completions.create(
        model=os.getenv,
        messages=,
        temperature=0.6,
    )
    return response.choices.message.content
while True:
    q = input
    if q.lower == "exit":
        break
    ans = ask
    print