Python AI Agent 零基础教程 | 第4篇:API调用基础——让程序与对话

Python AI Agent 零基础教程 | 第4篇：API调用基础——让程序与AI对话

前言

经过前三期的学习，你已经掌握了 Python 的基础语法。今天我们正式开始与 AI 对话！本期将讲解什么是 API，如何获取 API Key，以及如何使用 Python 调用 AI 大模型。

一、什么是 API？

1.1 通俗理解 API

API（Application Programming Interface）

就像餐厅的服务员。想象你去餐厅吃饭：

- 👨‍🍳 厨房 = 服务器（处理请求的地方）
- 📋 菜单 = API 文档（告诉你有什么菜）
- 👨‍🍳 服务员 = API（传递你的请求和返回结果）


你（客户端） ──请求──▶  API ──▶ 服务器（AI）

│ ▼ 你（客户端） ◀──响应── API ◀── 服务器（AI）

1.2 HTTP 请求基础

最常用的 API 调用方式是HTTP 请求，主要有两种：

| 请求类型 | 说明 | 场景 |

|---------|------|------|

| GET | 获取数据 | 查询信息 |

| POST | 发送数据 | 提交表单、发送消息 |

1.3 请求结构

一个 HTTP 请求包含：


请求方法  URL路径

GET /api/users?id=1

Headers（请求头）

Content-Type: application/json

Body（请求体）

{"name": "鹏鹏", "age": 25}

二、获取 API Key

2.1 什么是 API Key？

API Key

就像你的身份证号码，用于：

- 身份验证（证明你是谁）
- 计费统计（统计你用了多少）
- 权限控制（你能访问什么）

2.2 获取 OpenAI API Key（以 ChatGPT 为例）

步骤 1：注册 OpenAI 账号

访问：https://platform.openai.com 点击 "Sign up" 注册账号

步骤 2：登录并进入 API 页面

登录后，点击右上角头像 → 选择 "API keys"

步骤 3：创建 API Key

1. 点击 "Create new secret key"

2. 给 Key 起个名字（方便管理）

3. 点击复制按钮 🔗 复制 Key ⚠️

重要提醒：

- API Key 只显示一次！复制后要保存好
- 不要分享给他人
- 不要上传到 GitHub

步骤 4：充值或查看额度

新用户有 $5 免费额度，可以点击 "Usage" 查看使用情况。

2.3 国内替代方案

如果 OpenAI 访问困难，可以使用国内大模型：

| 提供商 | 产品 | 特点 |

|-------|------|------|

| 百度 | 文心一言 | 中文能力强 |

| 阿里 | 通义千问 | 免费额度大 |

| 智谱 | GLM-4 | 性价比高 |

| 月之暗面 | Kimi | 长文本处理强 |

三、安装必要的库

3.1 安装 requests 库

requests 是 Python 最常用的 HTTP 请求库。

方法 1：使用 pip 安装

打开终端（Windows 按 Win+R，输入 cmd），执行：

pip install requests

方法 2：在 PyCharm 中安装

1.File → Settings → Project → Python Interpreter

2. 点击+号

3. 搜索requests

4. 点击Install Package

3.2 安装 openai 库（可选）

如果使用官方 OpenAI API，可以安装 openai 库：

pip install openai

四、第一个 API 调用：天气查询

4.1 选择天气 API

我们使用免费的心知天气 API 来学习：访问：https://www.seniverse.com 注册获取 API Key

4.2 完整代码实现

import requests

import json

def get_weather(city="北京"):

"""获取天气信息""" # API 配置

api_key = "你的API密钥" # 替换为你的密钥

url = f"https://api.seniverse.com/v3/weather/now.json" # 请求参数

params = { "key": api_key, "location": city, "language": "zh-Hans", "unit": "c" } # 发送请求

response = requests.get(url, params=params) # 解析结果

if response.status_code == 200:

data = response.json()

weather = data["results"][0]

print(f"\n📍 {city} 天气情况：")

print(f"天气：{weather['now']['text']}")

print(f"温度：{weather['now']['temperature']}°C")

print(f"体感温度：{weather['now']['feels_like']}°C")

print(f"更新时间：{weather['last_update']}")

else:

print(f"请求失败：{response.status_code}")

测试

get_weather("北京")

get_weather("上海")

4.3 代码详解

1. 构建 URL + 参数 │

url = "https://api...?" + params

2. 发送请求

response = requests.get(url, params)

3. 检查状态码

if response.status_code == 200:

4. 解析响应数据

data = response.json()

5. 提取需要的信息

weather = data["results"][0]["now"]

五、调用 OpenAI API

5.1 使用 requests 直接调用

import requests

import json

def chat_with_gpt(prompt, api_key):

"""调用 ChatGPT API"""

url = "https://api.openai.com/v1/chat/completions"

 headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {api_key}"
    }

 data = {
        "model": "gpt-3.5-turbo",  # 或 "gpt-4"
        "messages": [
            {"role": "user", "content": prompt}
        ],
        "temperature": 0.7  # 创造性参数（0-2）
    }

response = requests.post(url, headers=headers, json=data)

if response.status_code == 200:

result = response.json()

answer = result["choices"][0]["message"]["content"]

return answer

else:

return f"错误：{response.status_code} - {response.text}"

使用示例

api_key = "sk-xxxxxx" # 替换为你的 API Key

answer = chat_with_gpt("你好，请介绍一下你自己", api_key)

print(answer)

5.2 使用 openai 库调用（更简单）

from openai import OpenAI

设置 API Key

client = OpenAI(api_key="sk-xxxxxx")  # 替换为你的 API Key

<h1

发送对话请求

chat_completion = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "user", "content": "用一句话介绍Python"}
    ]
)

获取回复

print(chat_completion.choices[0].message.content)

5.3 代码解析

OpenAI API 请求结构

url: "https://api.openai.com/v1/chat/completions"

headers:

Authorization: "Bearer {api_key}" Content-Type: "application/json"

body:

{ "model": "gpt-3.5-turbo",     # 模型选择  "messages": [                  # 对话历史 {"role": "user", "content": "..."},{"role": "assistant", "content": "..."}, {"role": "user", "content": "..."} ], "temperature": 0.7           # 创造性 }

六、调用国内大模型 API

6.1 百度文心一言

import requests

import json

def chat_with_wenxin(prompt):

"""调用百度文心一言 API"""

# API 配置

api_key = "你的API Key"

 secret_key = "你的Secret Key"
    
    # 获取

access_token

auth_url = "https://aip.baidubce.com/oauth/2.0/token"

auth_params = { "grant_type": "client_credentials", "client_id": api_key, "client_secret": secret_key }

auth_response = requests.get(auth_url, params=auth_params)

access_token = auth_response.json().get("access_token") # 调用 API

url = f"https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions"

url += f"?access_token={access_token}"

headers = {"Content-Type": "application/json"}

data = { "messages": [{"role": "user", "content": prompt}] }

response = requests.post(url, headers=headers, json=data)

result = response.json()

return result["result"]

使用

answer = chat_with_wenxin("用一句话介绍AI Agent")

print(answer)

6.2 智谱 GLM

import requests

def chat_with_zhipu(prompt, api_key):

"""调用智谱 GLM API"""

url = "https://open.bigmodel.cn/api/paas/v4/chat/completions"

  headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json"
    }

  data = {
        "model": "glm-4",
        "messages": [{"role": "user", "content": prompt}]
    }

response = requests.post(url, headers=headers, json=data)

result = response.json()

return result["choices"][0]["message"]["content"]

使用

answer = chat_with_zhipu("什么是AI Agent？", "你的API Key")

print(answer)

七、错误处理与调试

7.1 常见错误及解决

import requests

def safe_api_call(url, params):

"""安全的 API 调用（带错误处理）"""

try:

 response = requests.get(url, params=params, timeout=10)
        
        # 检查 HTTP 状态码

if response.status_code == 200:

return response.json()

elif response.status_code == 401:

print("❌ API Key 无效或已过期")

elif response.status_code == 429:

print("⏰ 请求过于频繁，请稍后重试")

elif response.status_code == 500:

print("⚠️ 服务器内部错误")

else:

print(f"❌ 请求失败：{response.status_code}")

except requests.exceptions.Timeout:

print("❌ 请求超时，请检查网络连接")

except requests.exceptions.ConnectionError:

print("❌ 网络连接失败，请检查网络")

except Exception as e:

print(f"❌ 未知错误：{str(e)}")

return None

7.2 调试技巧

打印完整的请求信息（调试用）

print(f"请求 URL: {response.url}")

print(f"状态码: {response.status_code}")

print(f"响应头: {response.headers}")

print(f"响应内容: {response.text}")

八、综合实战：AI 对话助手

8.1 完整代码

import requests

import json

class AIAssistant:

"""AI 对话助手"""

def __init__(self, api_key, base_url="https://api.openai.com/v1"):

self.api_key = api_key

self.base_url = base_url

self.conversation_history = []

def chat(self, message):

"""发送消息并获取回复"""

# 添加用户消息到历史

self.conversation_history.append({
            "role": "user",
            "content": message
        })
        
        # 构建请求

url = f"{self.base_url}/chat/completions"

headers = {
            "Content-Type": "application/json",
            "Authorization": f"Bearer {self.api_key}"
        }

data = {
            "model": "gpt-3.5-turbo",
            "messages": self.conversation_history,
            "temperature": 0.7
        }
        
        # 发送请求

response = requests.post(url, headers=headers, json=data)

if response.status_code == 200:

result = response.json()

 assistant_message = result["choices"][0]["message"]
            
            # 添加助手回复到历史

self.conversation_history.append(assistant_message)

return assistant_message["content"]

else:

return f"错误：{response.status_code}"

def clear_history(self):

"""清空对话历史"""

self.conversation_history = []

print("✓ 对话历史已清空")

def show_history(self):

"""显示对话历史"""

print("\n=== 对话历史 ===")

for msg in self.conversation_history:

role = "👤 你"

if msg["role"] == "user" else "🤖 AI"

print(f"{role}:{msg['content']}")

使用示例

if __name__ == "__main__":

# 初始化（替换为你的 API Key）

assistant = AIAssistant("sk-xxxxxx")

print("=== AI 对话助手 ===")

print("输入 'quit' 退出，'clear' 清空历史，'history' 查看历史\n")

while True:

user_input = input("你: ")

if user_input.lower() == "quit":

print("再见！")

break

elif user_input.lower() == "clear":

assistant.clear_history()

elif user_input.lower() == "history":

assistant.show_history()

else:

response = assistant.chat(user_input)

 print(f"AI: {response}\n")

8.2 运行效果


=== AI 对话助手 ===

输入 'quit' 退出，'clear' 清空历史，'history' 查看历史

你: 你好

AI: 你好！有什么我可以帮助你的吗？

你: 什么是AI Agent？

AI: AI Agent（人工智能代理）是一种能够自主理解目标、规划决策、执行复杂任务的智能系统...

你: history

=== 对话历史 ===

👤 你: 你好

🤖 AI: 你好！有什么我可以帮助你的吗？

👤 你: 什么是AI Agent？

🤖 AI: AI Agent（人工智能代理）是一种能够自主理解目标...

你: quit 再见！

九、本章小结

今天我们学习了：

| 知识点 | 说明 |

|-------|------|

| ✅ API 基础 | 什么是 API、如何工作 |

| ✅ 获取 API Key | OpenAI、国内大模型 |

| ✅ requests 库 | 发送 HTTP 请求 |

| ✅ 调用 AI API | OpenAI、文心一言、智谱 |

| ✅ 错误处理 | try/except 捕获异常 |

| ✅ 对话助手 | 带历史记录的对话系统 |

下期预告

第5篇：手把手构建你的第一个 AI Agent

下一期我们将学习：

- AI Agent 的核心架构
- 完整的 Agent 代码实现
- 运行和测试你的 Agent

👨‍💻 作者：鹏鹏 | 专注于 AI + 编程教育 📱 关注公众号「跟着鹏鹏学技术」
💬 互动：你成功调用了哪个 AI API？效果如何？

👨‍💻 作者：鹏鹏

📱 关注公众号「跟着鹏鹏学技术」

🔔 点赞 + 在看，让更多人看到！