当前位置：首页>python>利用AI,零基础速通Python · 08

利用AI,零基础速通Python · 08

2026-09-02 20:27:05

-这是空框｜Reframe 的第 24 篇文章-

前面七篇，我们讲了变量、循环、函数、文件读写、数据结构，甚至让代码具备了基本的“判断能力”。但说实话——如果一个程序永远只处理本地数据，它只是一个“封闭系统”。真正有生产力的代码，一定要连接外部世界。

今天这篇，是整个系列的终章：我们来做一件真正“工程化”的事情——在 Python 中引入API，并调用大模型。

如果说前面是在学“语法”，这一篇，是学“接口”。

而接口，才是软件真正的力量边界。

什么是 API？

API（Application Programming Interface），直译叫应用程序接口。

产品经理视角理解它可以更直白一点：API=远程能力调用入口。就像你在App 里点“支付”，背后是微信支付API。你在地图上查路线，背后是地图服务API。你问大模型问题，背后是模型推理API。

API本质是一种“协议化能力输出”。你给它参数，它给你结果。

字典 → 组织参数
requests → 发送请求
JSON → 转成Python字典
f-string → 组织输出

前面所有知识，都是为这一刻铺垫的。

调用一个大模型的API

我们直接连接一个真正的AI大模型，以阿里云的Qwen模型为例，Qwen是通义千问大模型系列，对外提供API能力。

第一步：准备环境

我们需要安装一个SDK（如果你在本地环境）：

pip install dashscope python-dotenv

然后导入模块：

import os from dotenv import load_dotenv import dashscope

第二步：安全加载API Key

不要把API Key写死在代码里。创建一个 .env 文件：

DASHSCOPE_API_KEY=你的API_KEY

然后加载：

load_dotenv()api_key = os.getenv("DASHSCOPE_API_KEY")dashscope.api_key = api_key

为什么要这样做？因为API Key = 生产权限，暴露 = 财务风险。这是工程常识。

第三步：调用Qwen模型

现在，我们真正调用模型。

response = dashscope.Generation.call(    model="qwen-turbo",     prompt="用一句话解释什么是时间。",     temperature=0.7) print(response["output"]["text"])

核心参数解释：

model → 模型名称
prompt → 提示词
temperature → 创造力控制参数

你会发现，这和我们之前讲的“系统提示 + 温度调节”是同一个逻辑，只是换成API形式。

做一个有趣一点的案例

我们来做一个真正有产品味道的案例——AI 产品经理日报生成器。

假设你每天记录了三条工作日志：

work_logs = [    "优化了汽车HMI的交互流程",     "和算法团队讨论了语音识别延迟问题",     "完成了3D能量中心动效需求文档"]

我们希望把它变成一段“高质量周报总结”。代码如下：

log_text = "\n".join(work_logs) prompt = f""" 你是一位资深产品总监。请将以下工作记录，整理成一段逻辑清晰、专业、有战略高度的工作总结： {log_text} """ response = dashscope.Generation.call(    model="qwen-turbo",     prompt=prompt,     temperature=0.6)print(response["output"]["text"])

运行后，你会看到一段非常“领导味”的总结。这就是API的力量。

再来一个案例

我们做个更有趣的。假设你写了这样一句话：

mood = "今天有点焦虑，觉得自己35岁还没有突破。"

我们让模型变成“理性教练”。

prompt = f""" 你是一位冷静理性的认知教练。请分析以下情绪，并给出结构化建议：{mood} """ response = dashscope.Generation.call(     model="qwen-turbo",     prompt=prompt,      temperature=0.5 ) print(response["output"]["text"])