AI Agent开发入门学习——python调用AI

日常我们使用AI大多通过网页端或APP进行交互式手动对话，从输入指令到等待回复全程依赖人工操作，但远远不够自动化。AI应用开发不用手动打字，通过python程序自行调用大模型、发请求、拿结果、处理等，我们只需要写好代码、制定规则，剩下的由程序自行运作。

本篇将介绍利用python打通与大模型的连接，主要内容包括：申请与管理API key、python连接AI大模型、写出第一个提问函数。

 步骤一：注册开放平台AI账号获取API key

开放平台：通义千问、GLM、DeepSeek等。

操作：注册任意AI账号—找到API密钥管理—点击创建"密钥" 获取API key

 步骤二：key管理

由于key只能自己用，不能泄露，因此不能直接写在python文件里，这里有两种操作方式：

方案1、用.env文件管理：

1.安装python-dotenv库，

2.在pycharm项目目录新建文件.env，

3.填写代码：ZHIPU_API_KEY=sk-你的真实key ; 变量命名以智谱为例

# 检验代码fromdotenvimportload_dotenvimportosload_dotenv() # 加载.env文件print(os.getenv("ZHIPU_API_KEY"))

方案2、放进系统环境变量

 1.按win 键搜编辑系统环境变量→打开

 2.点环境变量→用户变量→新建

 3.变量名填ZHIPU_API_KEY，变量值填key 

 4.重启一下终端/编辑器让变量生效

# 检验代码importosprint(os.getenv("ZHIPU_API_KEY"))

  步骤三：用python连接大模型

由于国内很多厂商：智谱、DeepSeek、通义等都兼容了OpenAI的接口格式，故本次操作选用OpenAI库进行连接。

# 连接AI模型client = OpenAI(    api_key=os.getenv("ZHIPU_API_KEY"),    base_url="https://open.bigmodel.cn/api/paas/v4")

defask(prompt, system="你是一个乐于助人的助手"):    response = client.chat.completions.create(        model="glm-4-flash",                            # 模型选择        messages=[{"role":"system","content":system},   # AI的人设                  {"role":"user","content":prompt}])    # 你问的话return response.choices[0].message.content          print(ask("你好"))

Python调用AI优势

Python调动AI相当于把AI当成程序里的功能模块，把大模型接进业务场景，批量、自动运作。

优势一：批量执行

若有上百个商品SKU要写淘宝标题/文案。网页端：复制一个、问一次、粘贴回来，需重复上百遍。而通过python代码循环则可处理该问题。

优势二：全流程自动化

在网页端执行时，答案得手动复制到表格。若换新的数据，又需重复操作，而通过python代码，数据能被自动读取、AI自动回答、结果自动写回表格。