从网页聊天到代码调用：一文读懂AI API开发入门

很多人每天在网页上用AI聊天、写文案，觉得挺方便，但很少往下一步想：能不能让AI直接在自己的产品、脚本、工作流里自动干活？

比如电商网站自动为每件商品生成描述文案，笔记应用自动总结用户输入的长文档，客服系统自动分类和回复用户咨询……这些都不用手动复制粘贴，通过 AI API 就能实现。

简单说，API就是应用之间通信的桥梁。有了它，你的代码可以直接向AI模型发请求、拿结果，把AI能力真正嵌入到自己的业务里。

一、先搞懂三个基础概念

不用上来就写代码，先把最核心的三个概念搞明白。

1. API：封装复杂，只留接口

用餐厅打比方最容易懂：

菜单就是API文档，告诉你能点什么、怎么点；
你跟服务员说“一份宫保鸡丁，少辣”，就是发送API请求；
厨房做好菜端上来，就是返回API响应。

你不用进厨房、不用知道菜怎么做，就能拿到结果——这就是API的价值：把复杂的内部逻辑封装起来，只对外暴露简单的接口。

2. REST API：用HTTP方式通信

REST是目前最主流的API设计风格，简单说就是用HTTP协议的不同方法做不同的事：

POST：提交内容，比如发送聊天请求、生成图片，AI API绝大多数都是POST；
GET：获取信息，比如查询有哪些模型、查账单；
DELETE：删除资源，比如删除对话历史。

3. JSON：API之间的通用语言

JSON是API通信最常用的数据格式，本质就是“键值对”的组合，比如你发给AI的请求长这样：

{
    "model": "gpt-3.5-turbo",
    "messages": [{"role": "user", "content": "你好"}],
    "temperature": 0.7
}

规则很简单：对象用大括号、数组用中括号、字符串用双引号、键值对用冒号分隔。它和Python字典很像，但语法更严格，写代码的时候注意区分。

二、开发环境准备：三步搞定

工欲善其事，必先利其器。准备好基础环境，后面写代码才顺畅。

1. Python：调用AI的首选语言

Python是AI开发最常用的语言，库多、生态完善，上手也简单。推荐3.9及以上版本，终端输入python --version就能检查有没有安装。

2. pip：安装第三方库的工具

pip是Python的包管理器，用来安装AI SDK之类的第三方库。建议先升级到最新版，国内用户可以配置清华镜像源，下载速度会快很多。

3. 代码编辑器

大多数人选 VS Code：免费、插件多、轻量够用；
想让AI帮忙写代码可以用 Cursor：内置AI辅助，生成代码很方便；
专业Python开发者可选 PyCharm：功能最全，对Python支持最好。

三、第一次调用AI API：三步跑通

我们以最经典的OpenAI格式为例，很多国内厂商（比如DeepSeek）也兼容这个格式，学会一套就能通用。

第一步：拿到API Key

API Key就是你的身份凭证，相当于调用API的“钥匙”。一般去对应平台的开发者后台创建，比如OpenAI的platform.openai.com，DeepSeek的platform.deepseek.com。

⚠️ 重要提醒：

Key只显示一次，创建完立刻保存；

永远不要把Key硬编码到代码里、提交到公开仓库，一旦泄露别人会用你的额度产生费用；

正式项目一定要从环境变量读取Key。

第二步：安装官方SDK

不用自己手写HTTP请求，官方已经封装好了SDK，一行命令安装：

pip install openai

第三步：写第一个调用程序

核心逻辑就三步：初始化客户端→发送请求→提取回复。

from openai import OpenAI# 初始化客户端，正式项目用环境变量读key
client = OpenAI(api_key="你的API Key")
# 发送聊天请求
response = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "请用一句话介绍菜鸟教程"}]
)
# 提取AI的回复
print(response.choices[0].message.content)

运行这段代码，能看到AI返回的文字，就说明调用成功了。

小技巧：国内模型兼容OpenAI格式的，只要多加一个base_url参数，换成对应厂商的接口地址就行，其他代码几乎不用改。

四、常用参数详解：调对参数，输出才对味

API请求里有很多参数可以调，最常用的就几个，掌握了就能控制输出风格。

参数	作用	取值建议
model	选择用哪个模型	根据需求选，简单任务用便宜的小模型
messages	对话历史消息列表	必传，多轮对话就往里面加消息
temperature	控制随机性，0-2之间	写代码用0.1-0.4，日常用0.7，创意用1.2+
max_tokens	最大输出长度	设合理上限，避免AI说太多浪费钱
top_p	核采样参数	一般保持默认1.0就行

其中temperature是最常用的旋钮：越接近0，输出越稳定、每次都差不多；越接近2，输出越随机、越有创意。

五、多轮对话：让AI记住上下文

单轮对话很简单，但真实场景大多需要多轮聊天，让AI记住之前说过什么。

核心原理：历史全量发送

思路非常朴素：用一个列表保存所有对话记录，每次发请求的时候，把完整历史一起发给AI。

用户说一句话，加到列表里；
AI回复一句话，也加到列表里；
下次请求带上整个列表，AI就能看懂上下文。

消息严格按照user→assistant→user→assistant的顺序交替，不能乱。

上下文太长了怎么办？

每个模型都有上下文窗口限制，比如16k、32k，聊太久就会超限报错。三种常用处理策略：

策略	做法	优点	缺点
保留最近N条	只保留最近的几条消息	简单快速	可能丢失早期重要信息
AI总结历史	用AI把之前的对话压缩成摘要	保留关键语义	多花一次API费用
滑动窗口	保留最近的完整对话段	平衡效果和复杂度	实现稍麻烦

普通闲聊用“保留最近N条”就够了，重要信息多的长对话可以用“总结历史”的方案。

六、流式输出：实现打字机效果

网页上用AI聊天的时候，文字一个字一个字蹦出来，不用等全部生成完才显示，这就是流式输出。

为什么要用流式？

普通模式是AI生成完所有内容一次性返回，长内容可能要等好几秒，用户体验很差；流式模式是生成一个token就发一个，用户能立刻看到进度，感知上会快很多。

技术上用的是SSE（服务器推送事件）协议，服务端持续往客户端推数据。实现也很简单，请求里加个stream=True，然后循环读取每一段内容，实时打印就行。

体验建议：只要不是必须等完整结果的场景，优先用流式输出，用户体验提升非常明显。

七、API费用：怎么算、怎么省

AI API是按用量计费的，用得越多花得越多。懂计费规则和优化技巧，能省不少钱。

Token：计费的基本单位

API不是按字数、按次收费，是按Token算。Token是AI处理文本的最小单位：

英文大约1个Token=0.75个单词；
中文大约1个Token=1-2个汉字。

费用分两部分：你发给AI的叫Prompt Tokens，AI返回你的叫Completion Tokens，加起来就是总消耗。不同模型价格差很多，比如GPT-4就比3.5贵十几倍。

五个省钱实用技巧

选合适的模型：简单任务用小模型、便宜的模型，不用强上最贵的，能省90%以上；
限制max_tokens：设合理的输出上限，避免AI废话连篇；
裁剪上下文：只保留必要的对话历史，没用的就清掉；
提示简洁：系统提示不要写得又臭又长，说清楚就行；
结果缓存：相同的问题直接返回缓存结果，不用重复调用。

八、健壮性：错误处理与重试

网络请求总会出错，API也不例外。健壮的代码必须会处理异常。

常见的错误类型

错误	状态码	原因	怎么办
认证失败	401	API Key错了或者过期了	检查Key是否正确
额度不足	402	账户没钱了	充值或者换账号
请求超限	429	发太快或者额度用完了	等一会儿再试
服务器错误	5xx	服务端出问题了	重试

指数退避重试

遇到429、5xx这类临时错误，最标准的做法是指数退避：

第一次失败，等1秒重试；
第二次失败，等2秒重试；
第三次失败，等4秒重试；
每次等待时间翻倍，给服务端恢复的机会。

一般重试3次差不多就行，不用无限重试。也可以用tenacity这类第三方库，几行代码就能实现重试逻辑。

九、实战：做一个完整的命令行聊天工具

把上面的知识点整合起来，就能做一个功能完整的命令行AI聊天工具，一般包含这些核心功能：

多轮对话，自动维护历史；
支持流式输出，打字机效果；
统计Token用量和估算费用；
内置命令：清空历史、查看统计、保存对话、切换模型、调整温度；
配置文件管理，不用硬编码Key。

这个小工具做下来，API开发的核心知识点基本就都练到了。

写在最后

从网页上用AI，到用代码调用AI，是从“使用者”到“开发者”的第一步。
不用一开始就做很复杂的项目，从最简单的单轮调用开始，慢慢加多轮对话、流式输出、错误处理，逐步迭代，你会发现把AI能力集成到自己的产品里，其实没那么难。

核心思路永远是：先跑通，再优化；先能用，再好用。

AI API 开发