AI 模型 API 调用基础
开发入门 · 程序对接大模型
详细知识点讲解
什么是 API？API 是程序之间对话的通道。你的软件通过 API 调用大模型——发送提示词，接收 AI 回答。不需要自己部署模型，通过 API 就能使用云端大模型。2026 年主流 API 都兼容 OpenAI 格式，切换模型只需改 model 参数。
API Key 与身份认证：调用 API 需要身份凭证——API Key。从 AI 服务商（OpenAI、Anthropic、国内火山引擎、阿里云百炼）注册获取，保管好不要泄露。API 中转站本质是 API 转发服务，把请求转发到原服务商，通常价格更低、支持更多模型、提供统一接口。2026 年趋势是"一个 Key 调用所有模型"——中转站聚合多家模型。
2026 年 API 核心能力：①流式输出（Streaming）——AI 逐字返回回答，用户体验更好，设置 stream=true；②函数调用（Function Calling）——AI 自动判断需要调用什么外部工具（搜索、计算、数据库），返回结构化参数；③多模态输入——同时发送文字和图片，支持 vision 模型；④JSON 模式——强制 AI 返回合法 JSON 格式，方便程序解析。请求格式通常是 JSON：包含 model、messages（对话消息数组）、temperature 等参数。
Token 计费与成本控制：API 按 Token 计费，分输入 Token（你发给 AI 的文字）和输出 Token（AI 生成的文字），输出通常更贵。1 个汉字约 2 个 Token。控制成本：用更便宜的模型（Qwen3 比 GPT-4o 便宜 10 倍以上）、压缩上下文、设置 max_tokens 限制输出、用缓存减少重复请求、简单任务用小模型复杂任务用大模型（模型路由）。
实操落地建议
第一步：获取 API Key 并测试流式输出
注册一个支持 API 的 AI 平台（或使用中转站），获取 API Key。用 curl 发送测试请求，开启 stream=true，体验 AI 逐字返回的流式输出效果。
第二步：用 Python 调用 API 并解析 JSON
写一个 Python 脚本，用 requests 库调用大模型 API，实现简单问答程序。然后开启 JSON 模式（response_format={"type":"json_object"}），让 AI 返回结构化 JSON 并解析。
第三步：体验函数调用和成本计算
尝试 Function Calling：定义一个"查询天气"的函数，让 AI 判断何时调用并返回参数。然后记录一次调用的输入/输出 Token 数，根据平台定价计算费用，建立成本意识。
配套练习题
API 调用中的"输入 Token"指的是？
💡 提示：输入是你发给 AI 的，输出是 AI 返回的。
什么是函数调用（Function Calling）？它在 AI 应用开发中有什么作用？请举一个实际应用场景。
💡 提示：从"AI 自动判断调用外部工具"的角度回答。
以下哪种做法不能降低 API 调用成本？
💡 提示：Temperature 控制创造性，和 Token 用量无直接关系。