大模型API调用是指通过编程接口（API）访问大型人工智能模型，以实现自然语言处理、代码生成、内容创作等多种功能。大模型的API扮演了一个接口（Interface）的角色，它允许用户以编程方式与大模型进行交互，而无需深入了解模型内部的复杂结构和算法。这种模式类似于模型即服务（Model as a Service, MaaS），其中大模型被封装成一个可访问的服务，用户只需通过发送HTTP请求并遵循API规范，即可获得模型针对特定输入（即用户的问题或prompt）的输出。

以智谱AI为例，演示如何调用大模型。智谱AI致力于打造新一代认知智能大模型，专注于做大模型的中国创新，是一家在人工智能领域具有显著影响力的企业。

一、获取API-key

官网智谱AI开放平台进行注册，完成实名认证后可获得免费的使用额度。

进入工作台—>API密钥，即可看到自己的API keys

二、准备工作

智谱AI提供了两种方式来实现API的调用，分别是SDK （软件开发工具包）和原生 HTTP ，建议使用 SDK进行调用以获得更好的编程体验。

<code>pip install zhipuai

三、调用方式

平台提供了同步、异步、以及SSE（Server-Sent Events，服务器发送事件）三种调用方式。

from zhipuai import ZhipuAI

client = ZhipuAI(api_key="###") # 填写您自己的APIKeycode>

#同步调用：向聊天服务发送消息并接收回复

def zhipu_syn(prompt):

response = client.chat.completions.create(

model="glm-4", # 填写需要调用的模型名称code>

messages=[

{

"role": "user",

"content": prompt

}

],

)

print(response.choices[0].message)

#异步调用：调用后会立即返回一个任务 ID，然后用任务ID查询调用结果（但我不知道咋查询）

def zhipu_asyn(prompt):

response = client.chat.asyncCompletions.create(

model="glm-4", # 填写需要调用的模型名称code>

messages=[

{

"role": "user",

"content": prompt

}

],

)

print(response)

#SSE调用：以流的形式接收数据。然后遍历响应的块（chunks），并打印每个块的 delta 属性。

def zhipu_sse(prompt):

response = client.chat.completions.create(

model="glm-4", # 填写需要调用的模型名称code>

messages=[

{

"role": "user",

"content": prompt

}

],

stream=True

)

for chunk in response:

print(chunk.choices[0].delta)

四、进阶用法（待更新）