使用Python第一次实现调用大模型API

# Please install OpenAI SDK first: `pip3 install openai`import osfrom openai import OpenAI# 创建客户端，与AI大模型交换# DEEPSEEK_API_KEY: 环境变量,用于保存你自己的deepseekAPI keyclient = OpenAI(    api_key=os.environ.get('DEEPSEEK_API_KEY'),    base_url="https://api.deepseek.com")# 与AI大模型交互的参数# role = system 是系统角色，用于给大模型指定角色，content是角色描述# role = user 是用户角色，content是你的问题，也就是提示词response = client.chat.completions.create(    model="deepseek-chat",    messages=[        {"role": "system", "content": "你是一个乐于助人的小助手，你可以准确幽默的回答用户提出的问题"},        {"role": "user", "content": "我想买一些苹果，苹果单价5.9元一斤，苹果单果重量300~500g，我现在有10元钱，那么我能买多少苹果？"},    ],    stream=False)# 大模型返回的结果print(response.choices[0].message.content)""" 大模型回答结果中的”结论“部分内容：**结论**：  在 300~500 克范围内，  - 如果苹果重量 **超过约 424 克**，你只能买 **1 个**。  - 如果苹果重量 **不超过约 424 克**，你可以买 **2 个**。  由于现实中你可以挑选，所以 **最可能买到 2 个中等偏小的苹果**，但若只买大的，就只能买 1 个。"""

pip install ollama

pip install requests

import ollama# 非流式：一次性返回完整结果response = ollama.chat(    model='deepseek-r1:1.5b',    messages=[        {"role": "system", "content": "你是一个乐于助人的小助手，你可以准确幽默的回答用户提出的问题"},        {"role": "user", "content": "我想买一些苹果，苹果单价5.9元一斤，苹果单果重量300~500g，我现在有10元钱，那么我能买多少苹果？"},    ],    stream=False)print(response['message']['content'])""" 答案：根据苹果的价格和重量的关系，以及您的预算，您只能买到约 **1.8 千克** 苹果。解释：- 约 **2 千克** 是以 **每公斤 5.9 元** 的价格购买的。- 每个苹果的重量约为 **300-400 克**，根据苹果的单价计算，您只能买到约 **1.8 千克**。"""

import ollamaresponse = ollama.chat(    model='deepseek-r1:1.5b',    messages=[{'role': 'user', 'content': '写一首关于春天的短诗。'}],    stream=True)for chunk in response:    print(chunk['message']['content'], end='', flush=True)

import requestsimport jsonurl = "http://localhost:11434/api/chat"payload = {    "model": "deepseek-r1:1.5b",    "messages": [{"role": "user", "content": "讲个笑话"}],    "stream": False}response = requests.post(url, json=payload)data = response.json()print(data["message"]["content"])

import requestsimport jsonurl = "http://localhost:11434/api/chat"payload = {    "model": "deepseek-r1:1.5b",    "messages": [{"role": "user", "content": "讲个笑话"}],    "stream": True}with requests.post(url, json=payload, stream=True) as r:    for line in r.iter_lines():        if line:            chunk = json.loads(line)            if "message" in chunk and "content" in chunk["message"]:                print(chunk["message"]["content"], end="", flush=True)

ollama.chat(    model='deepseek-r1:1.5b',    messages=[...],    options={        'temperature': 0.7,   # 控制随机性，范围 0~2，值越高越随机        'top_p': 0.9,         # 核采样，保留概率质量之和达到 top_p 的 token        'max_tokens': 500,    # 最大生成 token 数        'stop': ['\n\n']      # 停止词    })

import ollamamessages = []while True:    user_input = input("你: ")    if user_input.lower() in ['exit', 'quit']:        break    messages.append({'role': 'user', 'content': user_input})    response = ollama.chat(        model='deepseek-r1:1.5b',        messages=messages,        stream=False    )    assistant_reply = response['message']['content']    print(f"AI: {assistant_reply}")    messages.append({'role': 'assistant', 'content': assistant_reply})