<think>我们参考了多个引用，特别是引用[1][2][3][4]，它们都涉及使用Python调用AI API（如DeepSeek或OpenAI）来实现智能聊天助手。 用户需求是“零基础保姆级教程”，所以我们需要从最基础的步骤开始，包括： 1. 获取API密钥 2. 安装必要的库 3. 编写最简单的请求代码 4. 处理响应 5. 实现连续对话（可选，因为用户要求“简单基础”，但引用中提到了多轮对话和记忆存储，所以可以简单介绍） 根据引用[2]和[3]，我们可以使用DeepSeek API（因为引用中提到了DeepSeek）或OpenAI API（因为引用[1]提到OpenAI）。这里我们以DeepSeek API为例，因为引用[2][3]具体提到了DeepSeek，而且它是国产的，可能对中文用户更友好。 步骤： 1. 注册并获取API密钥：访问DeepSeek官网（https://platform.deepseek.com/）注册账号，然后在API密钥管理页面创建API密钥。 2. 安装必要的Python库：主要使用`requests`库发送HTTP请求。 3. 编写代码：构建请求，发送到API端点，并处理返回的响应。 由于是零基础，我们将分步骤详细说明。 注意：DeepSeek API的调用方式与OpenAI API类似，因此我们可以参考引用[2]中的代码结构。 我们将实现一个最简单的版本：单次对话（没有记忆，每次都是新的对话）。然后，再扩展为多轮对话（保存对话历史）。 根据引用[3]，我们还可以添加不同的聊天风格，但用户要求“简单基础”，所以我们先实现基础功能，然后在扩展部分提到风格设置。 另外，引用[4]中提到了角色定义，我们可以通过设置系统消息（system message）来实现。 步骤详解： 第一步：获取API密钥 - 访问DeepSeek官网，注册登录，进入API密钥管理页面，创建一个新的API密钥，并保存好（注意保密）。 第二步：安装requests库 - 在命令行中运行：`pip install requests` 第三步：编写代码（单次对话） - 设置API端点（根据DeepSeek文档，当前是：https://api.deepseek.com/chat/completions） - 构建请求头（headers），包含授权信息（Bearer + API密钥）和内容类型（application/json） - 构建请求体（body），包含模型名称（例如：deepseek-chat）、消息列表（至少包含用户消息） - 发送POST请求 - 解析响应，提取AI回复 第四步：编写代码（连续对话） - 维护一个消息列表（message list），每次将用户的新消息和AI的回复都追加进去，下次发送整个历史。 第五步：持久化存储（可选） - 可以将对话历史保存到文件（如txt或json）中。 考虑到零基础，我们将提供详细的代码注释。 下面，我们按照这个思路编写教程。 </think> ### Python接入API实现简单基础AI聊天助手：零基础保姆级教程 下面我将一步步教你使用Python调用DeepSeek API实现基础AI聊天助手，整个过程无需编程基础，只需跟着操作即可完成。 --- ### 第一步：准备工作 1. **获取API密钥** - 访问[DeepSeek官网](https://platform.deepseek.com/) - 注册/登录账号 → 进入控制台 → 创建API Key - 复制生成的密钥（如：`sk-xxxxxxxxxxxxxxxx`）备用[^2] 2. **安装Python环境** ```bash # Windows用户下载安装包：https://www.python.org/downloads/ # Mac用户使用Homebrew：brew install python ``` 3. **安装必要库** ```bash pip install requests python-dotenv ``` --- ### 第二步：基础聊天助手实现 创建`chat_assistant.py`文件，复制以下代码： ```python import os import requests from dotenv import load_dotenv # 加载环境变量（将API密钥保存在.env文件中） load_dotenv() API_KEY = os.getenv("DEEPSEEK_API_KEY") # 你的API密钥 def chat_with_ai(message): url = "https://api.deepseek.com/chat/completions" headers = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" } payload = { "model": "deepseek-chat", "messages": [{"role": "user", "content": message}] } response = requests.post(url, json=payload, headers=headers) return response.json()["choices"][0]["message"]["content"] # 主程序 if __name__ == "__main__": print("🤖 AI助手已启动（输入exit退出）") while True: user_input = input("👤 你：") if user_input.lower() == "exit": break response = chat_with_ai(user_input) print(f"🤖 AI：{response}") ``` --- ### 第三步：配置环境变量 1. 创建`.env`文件 2. 添加你的API密钥： ```env DEEPSEEK_API_KEY=你的实际密钥 ``` --- ### 第四步：运行程序 ```bash python chat_assistant.py ``` ``` # 示例对话： 👤 你：你好，你是谁？ 🤖 AI：我是DeepSeek AI助手，可以回答你的各种问题！ 👤 你：Python怎么安装库？ 🤖 AI：使用pip install命令即可... ``` --- ### 第五步：进阶功能（可选） #### 1. 添加对话记忆 ```python # 在payload中添加历史对话 conversation_history = [] # 存储对话历史 def chat_with_ai(message): global conversation_history conversation_history.append({"role": "user", "content": message}) payload = { "model": "deepseek-chat", "messages": conversation_history } # ...其余代码不变... # 将AI回复加入历史 ai_reply = response.json()["choices"][0]["message"] conversation_history.append(ai_reply) ``` #### 2. 设置角色扮演 ```python # 在消息列表开头添加系统指令 payload = { "messages": [ {"role": "system", "content": "你是一个幽默的东北话AI助手"}, {"role": "user", "content": message} ] } ``` #### 3. 保存对话记录 ```python # 在退出时保存对话 import json if user_input.lower() == "exit": with open("chat_history.json", "w") as f: json.dump(conversation_history, f) ``` --- ### 常见问题解决 1. **API调用失败**： - 检查API密钥是否正确 - 确认账户是否有剩余额度 - 查看DeepSeek API状态页 2. **模块找不到错误**： ```bash pip install 缺失的模块名 ``` 3. **响应速度慢**： - 检查网络连接 - 减少单次请求内容长度 --- 通过这个教程，你已实现了一个基础AI聊天助手。根据引用[2][3]，后续可添加GUI界面、多风格支持等进阶功能。完整代码可在[GitHub示例](https://github.com/deepseek-ai/chat-examples)找到[^1]。