大模型API调用入门教程：5分钟接入GPT/Claude/DeepSeek（附代码）

2026年了，大模型API已经像水和电一样触手可及。无论你是想给自己的应用加个AI助手，还是想搭建一个智能客服，调用大模型API都是绕不开的第一步。

好消息是：这事比你想象的简单得多。读完这篇文章，你就能在5分钟内完成你的第一次API调用。

一、前置准备：三样东西就够了

在写代码之前，你需要准备好三样东西：

1. Python环境（3.8以上版本即可）

2. 一个API Key——去对应平台注册账号，在控制台生成。各家获取路径见文末FAQ。

3. 安装 openai 库——绝大多数平台都兼容 OpenAI 的接口格式，一个库搞定所有：

pip install openai

小提示：把 API Key 设为环境变量 export API_KEY="sk-xxx"，比硬编码在代码里安全得多。

二、四大平台调用示例（直接复制就能跑）

1. OpenAI（GPT-4o / GPT-4.1）

import os
from openai import OpenAI

client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "用一句话介绍人工智能"}],
    temperature=0.7,
)

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

响应速度极快，中英文能力均衡，是目前综合体验最好的选择。适合对质量要求高的场景。

2. Anthropic Claude（Claude Opus 4 / Sonnet 4）

import os
from anthropic import Anthropic

client = Anthropic(api_key=os.getenv("ANTHROPIC_API_KEY"))

response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[{"role": "user", "content": "用一句话介绍人工智能"}],
)

print(response.content[0].text)

Claude 以长文本理解和安全性著称，200K上下文窗口是它的招牌。代码生成和逻辑推理表现优异，是 OpenAI 最强的竞争对手。需要 pip install anthropic。

3. DeepSeek（DeepSeek-V3 / R1）

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DEEPSEEK_API_KEY"),
    base_url="https://api.deepseek.com",
)

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "用一句话介绍人工智能"}],
)

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

DeepSeek 的最大优势是极致性价比。完全兼容 OpenAI 接口格式，换个 base_url 和 api_key 就能无缝切换。中文能力出色，价格仅为 GPT-4o 的几十分之一。想省钱？用它就对了。

4. 通义千问（Qwen-Max / Qwen-Plus）

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

response = client.chat.completions.create(
    model="qwen-plus",
    messages=[{"role": "user", "content": "用一句话介绍人工智能"}],
)

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

阿里出品的通义千问，同样兼容 OpenAI 格式。Qwen 系列在中文场景表现突出，对国内开发者非常友好。阿里的百炼平台还提供免费额度，适合上手体验。

看到规律了吗？后三个平台的调用方式和 OpenAI 几乎一模一样，只是换了 base_url 和 api_key。学会一种，等于学会四种。

三、价格对比：选对模型，省下一辆车

下面是2026年主流模型API的价格对比（以百万 token 为单位，按输入/输出分别计费）：

一句话总结：日常开发用 DeepSeek 或 Qwen-Plus，关键任务上 GPT-4o 或 Claude Sonnet，预算充裕再考虑 Opus。

四、最佳实践：从”能跑”到”跑得好”

4.1 永远不要硬编码 API Key

❌ 错误示范：

client = OpenAI(api_key="sk-abc123xyz")  # 千万别这样！

✅ 正确做法——使用环境变量：

export OPENAI_API_KEY="sk-abc123xyz"

client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

4.2 加上错误处理和重试

网络波动、API限流、额度不足……API调用中出问题是家常便饭。加上重试机制能大幅提升稳定性：

from openai import OpenAI, APIError, RateLimitError
import time

def call_with_retry(client, messages, max_retries=3):
    for attempt in range(max_retries):
        try:
            return client.chat.completions.create(
                model="gpt-4o",
                messages=messages,
            )
        except RateLimitError:
            wait = 2 ** attempt  # 指数退避：1秒、2秒、4秒
            print(f"被限流了，{wait}秒后重试...")
            time.sleep(wait)
        except APIError as e:
            print(f"API错误：{e}")
            if attempt == max_retries - 1:
                raise

4.3 控制成本：善用 max_tokens

每次调用都明确 max_tokens，避免模型”放飞自我”产生不必要的费用。一般问答场景 512-1024 就够了。

4.4 流式输出提升体验

用户不想盯着空白屏幕等回复——用 stream=True 让文字逐字出现：

stream = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "写一首关于编程的诗"}],
    stream=True,
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

五、实战：10分钟搭建一个AI聊天机器人

光说不练假把式。下面用不到50行代码，搭一个命令行聊天机器人，支持多模型切换和对话记忆：

import os
from openai import OpenAI

# 配置——这里以 DeepSeek 为例，换成其他平台改这三行即可
client = OpenAI(
    api_key=os.getenv("DEEPSEEK_API_KEY"),
    base_url="https://api.deepseek.com",
)
MODEL = "deepseek-chat"

def chat():
    messages = [{"role": "system", "content": "你是一个友好的AI助手。"}]
    print("AI聊天机器人已启动！（输入 'quit' 退出）\n")

    while True:
        user_input = input("你: ")
        if user_input.lower() == "quit":
            print("再见！")
            break

        messages.append({"role": "user", "content": user_input})

        stream = client.chat.completions.create(
            model=MODEL,
            messages=messages,
            stream=True,
        )

        print("AI: ", end="", flush=True)
        full_response = ""
        for chunk in stream:
            if chunk.choices[0].delta.content:
                text = chunk.choices[0].delta.content
                print(text, end="", flush=True)
                full_response += text

        messages.append({"role": "assistant", "content": full_response})
        print("\n")

if __name__ == "__main__":
    chat()

运行效果：

AI聊天机器人已启动！（输入 'quit' 退出）

你: 什么是API？
AI: API（应用程序编程接口）是一套预先定义好的规则，让不同软件之间能够互相通信。你可以把它理解成一个"服务员"——你按菜单点菜（发请求），服务员把菜端给你（返回结果），你不需要知道厨房里发生了什么。

你: quit
再见！

这个 chatbot 虽然简单，但已经具备了多轮对话记忆和流式输出两个关键能力。在此基础上，你可以加 Web 界面（Gradio/Streamlit）、接数据库、加工具调用，一路升级到完整的 AI 应用。如果你想了解更多，可以看看我们的 LangChain 入门教程。

六、总结

回顾一下，调用大模型API的核心步骤就三步：

1. 获取API Key → 注册平台，在控制台生成
2. 安装 openai 库 → pip install openai
3. 写三行代码 → 创建 client、发请求、打印结果

选模型看预算和场景：预算紧张选 DeepSeek 或通义千问，追求品质选 GPT-4o 或 Claude。国内模型的性价比优势明显，详见我们的 国产大模型横评。如果还在纠结 GPT 还是 Claude，可以读读 GPT vs Claude 全面对比。

最后记住：API Key 就是你的钱包钥匙，永远不要提交到 Git 仓库里。用环境变量管理，用 .gitignore 保护，这是开发者最基本的素养。

如果你是编程新手，我们也准备了一篇 零基础AI编程指南，从安装Python开始，陪你走完第一行代码。

现在，打开你的终端，敲下第一行 pip install openai，开始你的 AI 开发之旅吧 🚀