每天分享一个AI大模型趣味程序解读。
你有没有过这样的经历——明明只是三四行 Python 代码，复制、粘贴、运行，结果不是报错，就是一脸懵：“它到底在干嘛？”“completion 是什么？”“choices[0] 又是谁？”
今天，我就带你用讲故事的方式，把一段调用大模型的代码彻底拆开、嚼碎、讲明白。
一、这段代码，本质上在做什么？
先给你一个一句话结论：这段代码的目标只有一个——向阿里的通义千问大模型提问，并把模型回答打印出来。
但真正的价值，在于它背后那一整套**“大模型对话机制”**。
我们一步一步来，滴水石穿。
二、completion 是谁？它其实是“一次完整的对话结果包”
completion = client.chat.completions.create(...)
这行代码，你可以把它理解成一句人话：
“我向大模型发起了一次正式对话，请你把完整的回应打包给我。”
所以 completion 不是答案本身，它是一个结构化对象，里面包含了很多信息，比如：
模型有没有成功回答
一共生成了几条候选回复
每条回复的角色、内容、元数据
就像你点了一份外卖，completion 是整个外卖袋子，而不是那一口饭。
三、messages：这是你和大模型的“聊天记录本”
messages = [ {'role': 'system', 'content': '你是阿里公司的高级AI工程师...'}, {'role': 'user', 'content': '请介绍一下...'}]
这里是新手最容易忽略、但最重要的地方之一。
我用一个比喻你立刻懂：
messages 是一个列表（list）
列表里的每一项，都是一次“说话”
每一次说话，必须有两个字段：
三种常见 role：
system：定规则、定人设👉 相当于“你现在是专家，请认真回答”
user：真正的问题
assistant：模型自己的历史回答（进阶玩法）
所以这不是“参数”，这是一段被结构化的大模型对话历史。
四、choices[0]：为什么要加 [0]？
completion.choices[0].message.content
这一行，是95% 初学者第一次看就头大的地方。
我们继续讲人话。
choices 是一个 列表
因为：大模型一次可以生成多个候选答案
[0] 的意思是：👉 “我要第一个答案”
所以整句话拆开是：
completion：这次对话的结果包
.choices：模型给出的多个回答
[0]：第一个回答
.message：这一条回答本身
.content：回答的文字内容
你真正想要的，其实只有最后这一步。
五、小白手敲代码，最容易踩的 3 个大坑
这里我必须说重点，这是血泪经验总结。
第一坑：中文冒号 vs 英文冒号
❌ 错误示例：
✅ 正确写法：
记住一句话：代码世界里，只认英文符号。
第二坑：)、}、] 傻傻分不清
messages 是列表，里面是字典，外面包着函数。
一层错，层层报错。
第三坑：缩进和排版乱
Python 不认“差不多”，只认缩进。
多一个空格、少一个空格，程序都会毫不留情地拒绝你。
六、为什么我强烈建议你“看懂”，而不是“照抄”
因为今天你调用的是 Qwen-plus，明天可能是 Qwen3-Max、DeepSeek、GPT-4。
API 会变，模型会换，但这个对话结构是通用底层逻辑。
你一旦吃透这段代码，等于拿到了所有大模型 API 的通行证。
七、结尾：为什么你一定要学会这类代码？
因为未来不是“会不会写代码”的问题，而是：
你能不能把 AI，当成一个真正的生产力伙伴。
而这几行代码，就是你和大模型之间的第一座桥。
感谢大家聆听和观看，以下是关联代码：
completion=client.chat.completions.create(
model='qwen-plus',
messages=[
{'role': 'system','content': '你是阿里公司的高级AI工程师，使用严谨科学认真仔细的态度回答用户问题'}, # 系统提示词
{'role': 'user','content': '请介绍一下阿里的Qwen3-max与Qwen-plus两个大模型在推理能力上的区别？'} # 用户提示词
]
)
result=completion.choices[0].message.content
print(result)
