【实战】AI大模型入门：Python调用大模型（新手零门槛，附完整代码+避坑指南

jerry3732

318人浏览 · 2026-04-04 08:00:00

jerry3732 · 2026-04-04 08:00:00 发布

如今AI大模型已渗透到开发、办公、创作等各个场景，从ChatGPT、通义千问到本地部署的Llama 3、Qwen，大模型的应用门槛越来越低。而Python作为AI开发的首选语言，凭借简洁的语法和丰富的第三方库，让我们无需深入研究模型训练，就能快速调用大模型能力。

一、前置准备（环境搭建，新手必看）

AI大模型Python调用的基础环境搭建非常简单，核心是安装Python和对应的大模型调用库，步骤清晰，全程复制命令即可完成，无需额外配置算力（优先使用API调用，无需本地GPU）。

1.1 安装Python环境

推荐使用Python 3.8~3.10版本（兼容性最佳，避免过高版本出现依赖冲突），官网直接下载对应系统版本，安装过程简单易懂：

下载地址：https://www.python.org/downloads/

安装注意事项：Windows系统安装时，务必勾选“Add Python to PATH”（否则后续无法在终端调用Python）；Mac/Linux系统自带Python，可通过python3 --version查看版本，低于3.8则升级，升级命令：pip3 install --upgrade python。

1.2 安装核心依赖库

本文核心使用两个常用依赖库，分别对应“通用大模型API调用”和“本地模型调用”，新手可先从API调用入手（无需算力，上手更快），终端输入以下命令，一键安装（建议使用国内镜像源，加快下载速度，避免超时）：

# 国内镜像源（豆瓣）安装，速度更快 pip install openai python-dotenv -i https://pypi.doubanio.com/simple/

依赖库详细说明（新手必看，理解用途更易上手）：

openai：通用大模型API调用库，不仅支持OpenAI的GPT系列模型，还可适配通义千问、讯飞星火等国内大模型（后续补充适配方法），语法统一，上手极易。
python-dotenv：用于管理环境变量，安全存储大模型API Key（避免直接写入代码，防止泄露），是企业开发和个人实战的必备工具。

验证安装：终端输入python -c "import openai; import dotenv; print('安装成功')"，无报错即说明环境搭建完成，可进入实战环节。

二、核心认知：AI大模型与Python调用逻辑（新手易懂）

很多新手觉得AI大模型很高深，其实核心逻辑非常简单，尤其是API调用方式，本质就是“发送请求→接收响应”，用Python代码模拟我们和大模型的对话，具体拆解如下，同时帮大家理清核心概念，避免踩坑：

核心概念：AI大模型是参数规模庞大、具备强大语言理解和生成能力的深度学习模型，通过海量数据训练，能处理文本生成、问答、翻译等复杂任务，分为“云端API模型”（如GPT-4、通义千问）和“本地部署模型”（如Llama 3、Qwen），新手优先选API模型，无需配置算力。
调用逻辑：用Python的openai库向大模型的API接口发送请求（携带API Key、提示词等参数），大模型经过推理后，返回响应结果，我们只需解析结果即可。
关键参数：API Key（身份凭证，必须正确配置）、提示词（引导大模型输出的指令，决定输出效果）、模型名称（选择不同的大模型，如gpt-3.5-turbo、qwen-turbo）。

补充说明：本文以“GPT-3.5-turbo（API调用）”和“本地Llama 3（简化部署）”为例，全程实战演示，兼顾“零算力上手”和“本地隐私可控”两种需求，新手可根据自身情况选择，避免一上来就陷入算力配置的难题，打击积极性。同时遵循“20%核心理论解决80%问题”原则，不深入模型底层原理，聚焦实战应用。

三、实战环节：Python调用AI大模型（全程可复制）

本次实战分为两个场景，从易到难，全程代码可直接复制运行，每一行都有详细注释，新手也能看懂。场景1：API调用GPT-3.5-turbo（零算力，最快上手）；场景2：本地调用Llama 3（隐私可控，无需联网）。

3.1 场景1：API调用GPT-3.5-turbo（新手首选）

核心准备：获取API Key（百度“OpenAI API Key获取”，按流程注册获取，国内用户可使用代理或选择国内大模型API，如通义千问、讯飞星火，后续补充适配方法）。

步骤1：创建环境变量文件（安全存储API Key），在项目目录下新建.env文件，写入以下内容（替换为自己的API Key）：

OPENAI_API_KEY=你的API Key

步骤2：完整调用代码（可直接复制运行，实现文本生成、问答交互）：

# 导入核心依赖库
import openai
from dotenv import load_dotenv
import os

# 1. 加载环境变量，获取API Key（避免直接写入代码，防止泄露）
load_dotenv()  # 自动读取.env文件中的环境变量
openai.api_key = os.getenv("OPENAI_API_KEY")

# 2. 定义大模型调用函数（可直接复用，修改提示词即可）
def call_gpt(prompt, model="gpt-3.5-turbo"):
    try:
        # 发送请求到大模型API
        response = openai.ChatCompletion.create(
            model=model,  # 模型名称，gpt-3.5-turbo性价比最高，适合新手
            messages=[
                {"role": "user", "content": prompt}  # 提示词，用户的指令
            ],
            temperature=0.7,  # 随机性，0~1，值越高输出越灵活，越低越严谨
            max_tokens=1000  # 最大输出长度，避免输出过长
        )
        # 解析响应结果，提取大模型输出的文本
        return response.choices[0].message["content"].strip()
    except Exception as e:
        return f"调用失败，错误原因：{e}"

# 3. 测试调用（修改提示词，实现不同功能）
if __name__ == "__main__":
    # 示例1：文本生成（生成Python爬虫入门教程大纲）
    prompt1 = "帮我生成一篇Python爬虫入门教程的大纲，分6个章节，每个章节简要说明核心内容"
    result1 = call_gpt(prompt1)
    print("示例1：文本生成结果\n", result1, "\n")
    
    # 示例2：问答交互（解答Python基础问题）
    prompt2 = "解释一下Python中的try-except语句的作用，举一个简单的示例代码"
    result2 = call_gpt(prompt2)
    print("示例2：问答交互结果\n", result2)

3.2 场景2：本地调用Llama 3（简化部署，隐私可控）

核心准备：无需API Key，无需联网，但需要安装ollama（本地模型部署工具），用于快速部署Llama 3模型（轻量版，CPU可运行）。

步骤1：安装ollama（不同系统安装命令）：

# macOS（终端执行）
brew install ollama

# Windows（PowerShell以管理员身份运行）
iwr -useb https://ollama.com/install.ps1 | iex

# Linux
curl https://ollama.com/install.sh | sh

步骤2：拉取并启动Llama 3模型（终端执行，首次拉取需等待几分钟）：

ollama run llama3:8b  # 8b是轻量版，CPU可运行，适合新手

步骤3：Python调用本地Llama 3代码：

# 先安装ollama依赖库（终端执行：pip install ollama -i https://pypi.doubanio.com/simple/）
import ollama

# 定义本地模型调用函数
def call_llama3(prompt, model="llama3:8b"):
    try:
        # 调用本地部署的Llama 3模型
        response = ollama.chat(
            model=model,
            messages=[{"role": "user", "content": prompt}]
        )
        return response["message"]["content"].strip()
    except Exception as e:
        return f"本地调用失败，错误原因：{e}"

# 测试调用
if __name__ == "__main__":
    prompt = "用Python写一个简单的文本生成函数，带详细注释"
    result = call_llama3(prompt)
    print("本地Llama 3调用结果\n", result)