AI API 入门指南：5 分钟学会调用大模型
很多人以为调用大模型 API 是件很「硬核」的事。实际上，只要搞清楚三个概念——API Key、base_url、模型名——你就能在 5 分钟内发出人生第一个请求。这篇文章用最直白的方式带你走一遍。
一、三个必须搞懂的概念
1. API Key（密钥）
API Key 相当于你的「账号密码」+「钱包」。每次请求都要带上它，服务端才知道你是谁、扣谁的钱。注意：Key 只会在创建时完整显示一次，一定要立即复制保存。泄露的 Key 会被别人盗刷，所以别把它写进前端代码、提交到 GitHub，也别发到任何群里。
2. base_url（接口地址）
这是所有请求的「门牌号」。OpenAI 官方是 https://api.openai.com/v1；使用聚合平台时改成它的地址即可。以 DrAI 为例：https://ai.dr-ai.top/v1。改一个地址，就能用上几十个模型，这是聚合平台最实用的地方——你的业务代码完全不用动。
3. model（模型名）
每个模型有一个字符串 ID，比如 gpt-5.4-mini、deepseek-r1。请求时通过 model 参数指定用哪个模型。调用 GET /v1/models 可以拿到当前账号可见的完整列表。
二、注册并获取 Key
- 打开 ai.dr-ai.top/signin，用邮箱注册。
- 登录后在控制台创建 API Key，复制保存。
- 免费版自带每日额度，先跑通流程再决定是否升级。
三、第一个 Python 请求
安装官方 SDK（OpenAI 系平台通用）：
pip install openai然后运行：
from openai import OpenAI
client = OpenAI(
api_key="sk-你的Key",
base_url="https://ai.dr-ai.top/v1"
)
resp = client.chat.completions.create(
model="gpt-5.4-mini",
messages=[{"role": "user", "content": "你好，介绍一下你自己"}]
)
print(resp.choices[0].message.content)就这么简单。messages 是对话历史，role 有三种：system（设定人设与规则）、user（用户输入）、assistant（助手回复）。多轮对话就是把历史消息整个传回去，模型才能「记得」前面聊了什么：
messages = [
{"role": "system", "content": "你是一位耐心的中文编程老师。"},
{"role": "user", "content": "什么是 API？"},
{"role": "assistant", "content": "API 是程序之间通信的约定接口。你调用大模型 API，就是通过 HTTP 请求让模型帮你处理文本。"},
{"role": "user", "content": "那 API Key 又是什么？"},
]四、常用参数：让输出更可控
- temperature（0-2，默认 1）：控制随机性。创意写作调高（0.8-1.2），分类、抽取等确定性任务调低（0-0.3）。
- max_tokens：限制输出长度，防止模型「话痨」、账单失控。
- stream：开启流式输出，逐字返回。
这些参数在 SDK 里都是 create() 的可选参数，按需传入即可。另外还有一个 top_p（默认 1），与 temperature 二选一使用，控制输出的聚焦程度，一般保持默认即可。
如果你用的是 Node.js 或其他语言，思路完全一样：构造 messages 数组，带上 Authorization 请求头，POST 到 /v1/chat/completions，解析返回 JSON 里的 choices[0].message.content。OpenAI 兼容接口意味着市面上几乎所有 LLM 的 SDK 和开源项目都能直接对接 DrAI，无需修改代码——这也是聚合网关最大的价值：模型可以随时更换，代码一行不改。
五、curl 验证（不写代码也能测）
curl https://ai.dr-ai.top/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer sk-你的Key" \
-d '{"model": "gpt-5.4-mini",
"messages": [{"role": "user", "content": "讲个冷笑话"}]}'返回的 JSON 里，choices[0].message.content 就是模型回答。
六、流式输出：交互应用的标配
聊天机器人逐字回复的效果，靠的就是流式输出（SSE）。加一个 stream=True 即可：
stream = client.chat.completions.create(
model="gpt-5.4-mini",
messages=[{"role": "user", "content": "写一首五言绝句"}],
stream=True
)
for chunk in stream:
delta = chunk.choices[0].delta.content
if delta:
print(delta, end="")流式输出还有两个额外好处：首字延迟更低（用户体验好），以及长回答不容易触发超时重试。国内做 Web 应用时，记得给 SSE 连接配置合适的反代超时与心跳检测，否则长回复容易在中途断流。
七、常见报错与排查
| 报错 | 原因 | 处理 |
|---|---|---|
| 401 Unauthorized | Key 错误/失效 | 检查是否多复制了空格换行，重新创建 Key |
| 404 model not found | 模型名错误或套餐不含该模型 | 先调 /v1/models 确认 ID |
| 429 Too Many Requests | 触发速率限制 | 指数退避重试，或升级套餐 |
| 请求超时 | 网络波动 | 重试；改用流式输出 |
补充一个判断技巧：5xx 错误（服务端问题）可以放心重试，4xx 错误（参数、鉴权问题）重试没有意义，先检查自己的代码和 Key。
八、小练习：今天就能做完
试着写一个脚本：读取一篇中文文章，让模型提炼出三个要点，并用提示词要求「只输出 JSON，不要多余文字」。跑通之后，你已经掌握了日常开发中 80% 的 API 用法。接下来可以看《GPT-5 API 价格全解析》了解成本结构，或回到完整快速开始指南，解锁 Agent、Function Calling 等进阶玩法。
练习提示词参考：「请阅读下面的文章，输出三个要点的 JSON 数组，每个要点一句话，不要输出其他内容。」如果返回的不是合法 JSON，先把 temperature 调到 0 再试——这是新手最常踩的坑。跑通之后把这个脚本封装成函数，输入文本、输出要点，你的第一个「AI 工具」就诞生了。
九、模型选择建议
同一个接口下模型很多，新手容易挑花眼。给三条保守建议：日常问答和内容生成用 gpt-5.4-mini；需要深度推理（数学、代码、复杂分析）用 gpt-5.4；中文长文本、性价比优先用 deepseek-r1 或 deepseek-v3。记住：先跑通，再优化——不要一开始就上最贵的旗舰模型。
| 场景 | 推荐模型 | 理由 |
|---|---|---|
| 日常问答、内容生成 | gpt-5.4-mini | 便宜、快、够用 |
| 深度推理、复杂代码 | gpt-5.4 / gpt-5.6-sol | 旗舰能力最稳 |
| 中文内容、预算优先 | deepseek-r1 / deepseek-v3 | 中文地道、价格极低 |
模型之间的价格差异巨大，选型直接决定账单。想了解每款模型的定价水平，可以看《GPT-5 API 价格全解析》和《DeepSeek 还是 GPT-5？》。一句话总结：小模型先跑通，大模型做兜底，混合路由是 2026 年成本与效果的最优解。
另外提醒一句：免费版的模型范围有限，应用要上生产的话建议至少升级到 Pro 套餐。生产环境还要考虑速率限制和稳定性，这些都可以在定价页找到答案。
最后回答一个高频问题：学这些要不要懂 HTTP？答案是够用就行。SDK 帮你封装了网络细节，你只需要理解「请求-响应」和「鉴权」两个概念。真遇到问题，把报错信息复制给模型（比如让 AI 帮你排查），通常几分钟就能解决——用 AI 学 AI，效率翻倍。