Fork me on GitHub

大模型调用示例

字数统计: 1k字   |   阅读时长≈ 5分

本文记录了几种主流大语言模型（LLM）的 Python 调用方式，包括 DeepSeek、Google Gemini、通义千问（Qwen） 和 讯飞星火（Spark）。所有示例均使用 python-dotenv 从 .env 文件中加载 API 密钥，避免在代码中硬编码敏感信息。

前置准备

安装依赖

1
pip install openai python-dotenv google-genai sparkai

.env 文件配置

在项目根目录创建 .env 文件，按需填入以下密钥：

1
2
3
4
5
6
7
8
9
10
11
12
13
# DeepSeek
DEEPSEEK_API_KEY=你的DeepSeek API密钥

# Google Gemini
GEMINI_API_KEY=你的Gemini API密钥

# 通义千问（阿里云 DashScope）
DASHSCOPE_API_KEY=你的DashScope API密钥

# 讯飞星火
SPARKAI_APP_ID=你的APP_ID
SPARKAI_API_KEY=你的API_KEY
SPARKAI_API_SECRET=你的API_SECRET

一、DeepSeek

DeepSeek 兼容 OpenAI SDK 的接口格式，只需将 base_url 指向 DeepSeek 的 API 地址即可。

基本调用

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import os
from openai import OpenAI
from dotenv import load_dotenv

load_dotenv()

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

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "你好"}],
    stream=False
)
print(response.choices[0].message.content)

流式输出

1
2
3
4
5
6
7
8
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "你好"}],
    stream=True
)
for chunk in response:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

说明：

  • 模型名称使用 deepseek-chat（即 DeepSeek-V3）。
  • 其他可用的模型还有 deepseek-reasoner（DeepSeek-R1）等，见 DeepSeek API 文档。

二、Google Gemini

Gemini 使用 Google 官方的 google-genai SDK，调用方式非常简洁。

1
2
3
4
5
6
7
8
9
10
11
12
from google import genai
from dotenv import load_dotenv

load_dotenv()

client = genai.Client()

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="你好"
)
print(response.text)

说明：

  • genai.Client() 会自动读取环境变量 GEMINI_API_KEY。
  • 可根据需要切换模型，如 gemini-2.0-flash、gemini-2.5-pro 等。
  • 详见 Gemini API 文档。

三、通义千问（Qwen）

通义千问同样兼容 OpenAI SDK，通过阿里云 DashScope 平台提供服务。

基本调用

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import os
from openai import OpenAI
from dotenv import load_dotenv

load_dotenv()

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

response = client.chat.completions.create(
    model="qwen-plus",
    messages=[{"role": "user", "content": "你好"}],
    stream=False
)
print(response.choices[0].message.content)

流式输出

1
2
3
4
5
6
7
8
response = client.chat.completions.create(
    model="qwen-plus",
    messages=[{"role": "user", "content": "你好"}],
    stream=True
)
for chunk in response:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

说明：

  • base_url 为阿里云 DashScope 的 OpenAI 兼容端点。
  • 可用的模型包括 qwen-turbo、qwen-plus、qwen-max 等。
  • 详见 通义千问 API 文档。

四、讯飞星火（Spark）

讯飞星火提供了专用的 sparkai SDK，认证方式与 OpenAI 系列不同，需要 APP_ID、API_KEY、API_SECRET 三个凭证。

4.1 Spark Lite（基本调用）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
from sparkai.llm.llm import ChatSparkLLM
from sparkai.core.messages import ChatMessage
from dotenv import load_dotenv
import os

load_dotenv()

client = ChatSparkLLM(
    spark_api_url='wss://spark-api.xf-yun.com/v1.1/chat',
    spark_app_id=os.getenv('SPARKAI_APP_ID'),
    spark_api_key=os.getenv('SPARKAI_API_KEY'),
    spark_api_secret=os.getenv('SPARKAI_API_SECRET'),
    spark_llm_domain='lite',
    streaming=False,
)

response = client.generate([[ChatMessage(role='user', content='你好')]])
print(response.generations[0][0].text)

4.2 Spark Pro

只需修改 API 地址和域名：

1
2
3
4
5
6
7
8
9
10
11
client = ChatSparkLLM(
    spark_api_url='wss://spark-api.xf-yun.com/v3.1/chat',
    spark_app_id=os.getenv('SPARKAI_APP_ID'),
    spark_api_key=os.getenv('SPARKAI_API_KEY'),
    spark_api_secret=os.getenv('SPARKAI_API_SECRET'),
    spark_llm_domain='generalv3',
    streaming=False,
)

response = client.generate([[ChatMessage(role='user', content='你好')]])
print(response.generations[0][0].text)

4.3 多轮对话

通过维护消息历史列表来实现多轮对话：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
from sparkai.llm.llm import ChatSparkLLM
from sparkai.core.messages import ChatMessage
from dotenv import load_dotenv
import os

load_dotenv()

spark = ChatSparkLLM(
    spark_api_url='wss://spark-api.xf-yun.com/v1.1/chat',
    spark_app_id=os.getenv('SPARKAI_APP_ID'),
    spark_api_key=os.getenv('SPARKAI_API_KEY'),
    spark_api_secret=os.getenv('SPARKAI_API_SECRET'),
    spark_llm_domain='lite',
    streaming=False,
)

messages = []

while True:
    user_input = input("用户:").strip()
    if user_input.lower() in {'退出', 'exit', 'quit', 'q'}:
        print("会话已结束。")
        break
    if not user_input:
        continue

    # 添加用户消息到历史
    messages.append(ChatMessage(role='user', content=user_input))

    # 调用模型（传入完整历史以保持上下文）
    result = spark.generate([messages])
    reply = result.generations[0][0].text

    print(reply)
    # 添加助手回复到历史
    messages.append(ChatMessage(role='assistant', content=reply))

说明：

各版本对照表

版本 API 地址 Domain
Lite wss://spark-api.xf-yun.com/v1.1/chat lite
Pro wss://spark-api.xf-yun.com/v3.1/chat generalv3
Max wss://spark-api.xf-yun.com/v3.5/chat generalv3.5
X1 wss://spark-api.xf-yun.com/v1/x1 spark-x

总结

模型 SDK 兼容 OpenAI 认证方式
DeepSeek openai ✅ API Key
Gemini google-genai ❌（专用SDK） API Key
通义千问 openai ✅ API Key
讯飞星火 sparkai ❌（专用SDK） APP_ID + API_KEY + API_SECRET

可以看到，DeepSeek 和通义千问都兼容 OpenAI 的 SDK 格式，只需修改 base_url 和 api_key 就能直接使用，上手非常简单。Gemini 和讯飞星火则使用各自的专用 SDK，调用方式略有不同但也并不复杂。

赏

谢谢你请我吃糖果

支付宝
微信

扫一扫，分享到微信

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia-plus根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

一个努力学习，积极向上的程序员。