怎么一步步实现自己的第一个Request零基础学习大模型API请求与Prompt工程一、学习前言本文为AI应用开发零基础入门复盘笔记梳理从Prompt工程基础认知到手动编写第一个Request请求、打通大模型API多轮对话的完整学习流程。全文以理论搭配实操案例的形式记录无冗余内容仅保留核心知识点用于日常复盘巩固适合新手循序渐进入门学习。二、认识Prompt工程AI开发核心基础Prompt Engineering中文名称为提示词工程是AI应用开发最基础、最核心的能力。核心逻辑无需对大模型进行训练、无需修改模型底层代码仅通过规范、合理、结构化的文字指令就能精准控制大模型的输出内容、回答风格、输出格式、回答范围这就是Prompt工程的核心价值。所有大模型API对话都遵循全球统一的角色规范仅有三种固定角色不支持自定义、不允许拼写错误是开发的硬性标准。1. 三大核心角色附实操案例system 系统提示词全局最高规则作用定义AI的身份、工作规则、输出约束全局生效优先级高于所有用户提问直接决定AI的回答质量。{role:system,content:你是AI应用开发教学助手回答简洁通俗、逻辑清晰不编造未知内容专注解答Python接口与Prompt工程相关问题。}user 用户提示词单次需求指令作用承载用户每一次的提问需求仅对当前单轮对话生效无全局约束效果。{role:user,content:学习Prompt工程需要掌握哪些基础内容}assistant 模型回复对话记忆核心作用存储大模型返回的回答内容是实现多轮上下文对话的关键不存储该内容AI会全程失忆。{role:assistant,content:学习Prompt工程首先要掌握对话角色规范其次熟练大模型API请求格式最后学会规范化设计提示词。}2. 完整标准对话结构案例以下是官方规范的完整对话模板所有大模型请求均需遵循该结构[{role:system,content:你是零基础AI开发助手},{role:user,content:什么是Request请求},{role:assistant,content:Request是Python网络请求库可用于调用大模型API实现人机对话功能。}]3. 学习Prompt工程的第一步核心重点很多新手学习Prompt工程会直接背诵提示词模板这是错误的学习顺序。学习Prompt工程的第一步是手写标准Request请求、打通大模型API接口。只有熟练掌握API请求规范、读懂对话数据结构、清楚提示词的传输逻辑才能真正理解Prompt的生效原理后续设计优质提示词、优化AI输出效果才有基础。脱离API请求的Prompt学习都是纸上谈兵。三、从零实现第一个大模型Request请求分步实操正式开发前必须遵循官方开发规范所有接口代码以官方文档为唯一标准不凭空编写代码严格匹配接口格式与参数。公共接口地址https://api.siliconflow.cn/v1/chat/completions1. 接口密钥获取方法api_key是调用大模型接口的身份凭证无密钥无法发起请求新手免费获取步骤如下1. 注册并登录硅基流动官方平台2. 进入个人中心找到「API密钥管理」模块3. 一键生成SK密钥复制后替换代码中密钥参数即可使用4. 重要注意密钥属于个人私密凭证严禁公开、分享防止被盗用产生算力消耗。2. 接口三大核心组成官方标准请求地址固定接口路径用于向大模型服务端提交对话数据请求头headers声明数据格式、携带身份密钥用于服务端权限校验headers{Content-Type:application/json,Authorization:fBearer 你的个人密钥}请求体body核心参数集合决定模型调用、对话内容、生成规则3. 核心参数详解对错案例对照model 模型名称必须与官方文档完全一致不可简写、遗漏前缀✅ 正确Qwen/Qwen2.5-7B-Instruct❌ 错误Qwen2.5-7B-Instruct缺少前缀直接报错messages 对话列表存储system、user、assistant完整对话格式为数组嵌套字典是上下文对话的核心载体temperature 随机性参数取值范围0-2数值越低模型回答越严谨、无编造新手调试固定设置为0max_tokens 最大输出字数限制模型单次回复最大字符数数值过小会导致回答截断新手建议设置500及以上stream 流式输出新手统一关闭False一次性获取完整回答便于调试学习4. 标准化开发流程导包 → 基础参数配置 → 构造请求头 → 初始化对话历史 → 组装标准请求体 → 发送网络请求 → 解析返回结果 → 存储AI回答实现记忆四、完整可运行实操代码新手标准模板代码经过调试修复无冗余、无报错适配零基础新手直接运行使用importrequests# 1. 官方固定基础配置api_urlhttps://api.siliconflow.cn/v1/chat/completionsapi_key你的个人SK密钥modelQwen/Qwen2.5-7B-Instruct# 2. 标准请求头固定格式无需修改headers{Content-Type:application/json,Authorization:fBearer{api_key}}# 3. 初始化系统提示词与对话历史chat_history[{role:system,content:专注解答AI应用开发、Python接口调用、Prompt工程相关问题回答完整规范、逻辑清晰不编造未知内容。}]# 4. 循环多轮对话实现连续聊天print( 大模型多轮对话工具 )print(输入 exit 即可退出对话\n)whileTrue:user_inputinput(你)# 退出程序判定ifuser_input.lower()exit:print(对话结束)break# 追加用户提问到对话历史chat_history.append({role:user,content:user_input})# 组装官方标准请求体body{model:model,messages:chat_history,stream:False,temperature:0,max_tokens:500}# 发送POST请求resrequests.post(api_url,headersheaders,jsonbody)# 解析并保存AI回答实现上下文记忆ifres.status_code200:ai_answerres.json()[choices][0][message][content]print(fAI{ai_answer}\n)# 核心代码存储AI回答避免失忆chat_history.append({role:assistant,content:ai_answer})else:print(请求失败错误码,res.status_code,错误详情,res.text)五、上下文记忆核心原理带实操对比大模型本身不具备任何记忆能力所有多轮连续对话效果均为代码手动实现。失忆效果错误写法仅追加用户提问user不存储AI回答assistant每一轮对话都是全新请求AI无法承接上文。记忆效果正确写法每轮对话结束后必须将AI回答存入对话列表chat_history.append({role:assistant,content:ai_answer})实操验证第一轮提问「什么是Prompt工程」第二轮提问「总结上一轮内容」模型可精准承接上文证明上下文记忆功能生效。六、实战踩坑问题总结新手高频报错1. 20015 参数非法报错原因参数名拼写错误、自定义role角色、请求体传参不规范典型错误max_token缺少复数s、自定义role“助手”解决方案严格使用官方参数名仅使用system、user、assistant三种标准角色2. 模型不存在报错原因模型名称简写缺失官方前缀解决方案完整填写官方模型名 Qwen/Qwen2.5-7B-Instruct3. 回答内容截断原因max_tokens 参数数值设置过小限制了输出长度解决方案调整数值为500或更高保证回答完整输出4. AI上下文失忆原因未将AI回答assistant追加至对话历史列表解决方案每轮AI回复后执行记忆存储代码5. 状态码判断失效原因将数字状态码与字符串对比res.status_code “200”解决方案统一使用数字判断 res.status_code 200七、整体学习总结1. Prompt工程的核心是通过规范化文字指令控制大模型输出其入门第一步是掌握标准Request请求开发。2. 大模型API开发严格遵循官方文档规范请求头、请求体、参数格式均不可自定义修改。3. 多轮对话记忆的核心是持续拼接user和assistant对话内容完整保留上下文数据。4. 新手绝大多数接口报错均由参数拼写、格式不规范、传参错误导致对照文档即可快速排错。八、后续进阶学习方向基础Request请求巩固 → 流式打字机输出开发 → 结构化Prompt精准设计 → 代码工具类封装 → RAG知识库应用开发 → AI智能体进阶开发
怎么一步步实现自己的第一个Request零基础学习大模型API请求与Prompt工程一、学习前言本文为AI应用开发零基础入门复盘笔记梳理从Prompt工程基础认知到手动编写第一个Request请求、打通大模型API多轮对话的完整学习流程。全文以理论搭配实操案例的形式记录无冗余内容仅保留核心知识点用于日常复盘巩固适合新手循序渐进入门学习。二、认识Prompt工程AI开发核心基础Prompt Engineering中文名称为提示词工程是AI应用开发最基础、最核心的能力。核心逻辑无需对大模型进行训练、无需修改模型底层代码仅通过规范、合理、结构化的文字指令就能精准控制大模型的输出内容、回答风格、输出格式、回答范围这就是Prompt工程的核心价值。所有大模型API对话都遵循全球统一的角色规范仅有三种固定角色不支持自定义、不允许拼写错误是开发的硬性标准。1. 三大核心角色附实操案例system 系统提示词全局最高规则作用定义AI的身份、工作规则、输出约束全局生效优先级高于所有用户提问直接决定AI的回答质量。{role:system,content:你是AI应用开发教学助手回答简洁通俗、逻辑清晰不编造未知内容专注解答Python接口与Prompt工程相关问题。}user 用户提示词单次需求指令作用承载用户每一次的提问需求仅对当前单轮对话生效无全局约束效果。{role:user,content:学习Prompt工程需要掌握哪些基础内容}assistant 模型回复对话记忆核心作用存储大模型返回的回答内容是实现多轮上下文对话的关键不存储该内容AI会全程失忆。{role:assistant,content:学习Prompt工程首先要掌握对话角色规范其次熟练大模型API请求格式最后学会规范化设计提示词。}2. 完整标准对话结构案例以下是官方规范的完整对话模板所有大模型请求均需遵循该结构[{role:system,content:你是零基础AI开发助手},{role:user,content:什么是Request请求},{role:assistant,content:Request是Python网络请求库可用于调用大模型API实现人机对话功能。}]3. 学习Prompt工程的第一步核心重点很多新手学习Prompt工程会直接背诵提示词模板这是错误的学习顺序。学习Prompt工程的第一步是手写标准Request请求、打通大模型API接口。只有熟练掌握API请求规范、读懂对话数据结构、清楚提示词的传输逻辑才能真正理解Prompt的生效原理后续设计优质提示词、优化AI输出效果才有基础。脱离API请求的Prompt学习都是纸上谈兵。三、从零实现第一个大模型Request请求分步实操正式开发前必须遵循官方开发规范所有接口代码以官方文档为唯一标准不凭空编写代码严格匹配接口格式与参数。公共接口地址https://api.siliconflow.cn/v1/chat/completions1. 接口密钥获取方法api_key是调用大模型接口的身份凭证无密钥无法发起请求新手免费获取步骤如下1. 注册并登录硅基流动官方平台2. 进入个人中心找到「API密钥管理」模块3. 一键生成SK密钥复制后替换代码中密钥参数即可使用4. 重要注意密钥属于个人私密凭证严禁公开、分享防止被盗用产生算力消耗。2. 接口三大核心组成官方标准请求地址固定接口路径用于向大模型服务端提交对话数据请求头headers声明数据格式、携带身份密钥用于服务端权限校验headers{Content-Type:application/json,Authorization:fBearer 你的个人密钥}请求体body核心参数集合决定模型调用、对话内容、生成规则3. 核心参数详解对错案例对照model 模型名称必须与官方文档完全一致不可简写、遗漏前缀✅ 正确Qwen/Qwen2.5-7B-Instruct❌ 错误Qwen2.5-7B-Instruct缺少前缀直接报错messages 对话列表存储system、user、assistant完整对话格式为数组嵌套字典是上下文对话的核心载体temperature 随机性参数取值范围0-2数值越低模型回答越严谨、无编造新手调试固定设置为0max_tokens 最大输出字数限制模型单次回复最大字符数数值过小会导致回答截断新手建议设置500及以上stream 流式输出新手统一关闭False一次性获取完整回答便于调试学习4. 标准化开发流程导包 → 基础参数配置 → 构造请求头 → 初始化对话历史 → 组装标准请求体 → 发送网络请求 → 解析返回结果 → 存储AI回答实现记忆四、完整可运行实操代码新手标准模板代码经过调试修复无冗余、无报错适配零基础新手直接运行使用importrequests# 1. 官方固定基础配置api_urlhttps://api.siliconflow.cn/v1/chat/completionsapi_key你的个人SK密钥modelQwen/Qwen2.5-7B-Instruct# 2. 标准请求头固定格式无需修改headers{Content-Type:application/json,Authorization:fBearer{api_key}}# 3. 初始化系统提示词与对话历史chat_history[{role:system,content:专注解答AI应用开发、Python接口调用、Prompt工程相关问题回答完整规范、逻辑清晰不编造未知内容。}]# 4. 循环多轮对话实现连续聊天print( 大模型多轮对话工具 )print(输入 exit 即可退出对话\n)whileTrue:user_inputinput(你)# 退出程序判定ifuser_input.lower()exit:print(对话结束)break# 追加用户提问到对话历史chat_history.append({role:user,content:user_input})# 组装官方标准请求体body{model:model,messages:chat_history,stream:False,temperature:0,max_tokens:500}# 发送POST请求resrequests.post(api_url,headersheaders,jsonbody)# 解析并保存AI回答实现上下文记忆ifres.status_code200:ai_answerres.json()[choices][0][message][content]print(fAI{ai_answer}\n)# 核心代码存储AI回答避免失忆chat_history.append({role:assistant,content:ai_answer})else:print(请求失败错误码,res.status_code,错误详情,res.text)五、上下文记忆核心原理带实操对比大模型本身不具备任何记忆能力所有多轮连续对话效果均为代码手动实现。失忆效果错误写法仅追加用户提问user不存储AI回答assistant每一轮对话都是全新请求AI无法承接上文。记忆效果正确写法每轮对话结束后必须将AI回答存入对话列表chat_history.append({role:assistant,content:ai_answer})实操验证第一轮提问「什么是Prompt工程」第二轮提问「总结上一轮内容」模型可精准承接上文证明上下文记忆功能生效。六、实战踩坑问题总结新手高频报错1. 20015 参数非法报错原因参数名拼写错误、自定义role角色、请求体传参不规范典型错误max_token缺少复数s、自定义role“助手”解决方案严格使用官方参数名仅使用system、user、assistant三种标准角色2. 模型不存在报错原因模型名称简写缺失官方前缀解决方案完整填写官方模型名 Qwen/Qwen2.5-7B-Instruct3. 回答内容截断原因max_tokens 参数数值设置过小限制了输出长度解决方案调整数值为500或更高保证回答完整输出4. AI上下文失忆原因未将AI回答assistant追加至对话历史列表解决方案每轮AI回复后执行记忆存储代码5. 状态码判断失效原因将数字状态码与字符串对比res.status_code “200”解决方案统一使用数字判断 res.status_code 200七、整体学习总结1. Prompt工程的核心是通过规范化文字指令控制大模型输出其入门第一步是掌握标准Request请求开发。2. 大模型API开发严格遵循官方文档规范请求头、请求体、参数格式均不可自定义修改。3. 多轮对话记忆的核心是持续拼接user和assistant对话内容完整保留上下文数据。4. 新手绝大多数接口报错均由参数拼写、格式不规范、传参错误导致对照文档即可快速排错。八、后续进阶学习方向基础Request请求巩固 → 流式打字机输出开发 → 结构化Prompt精准设计 → 代码工具类封装 → RAG知识库应用开发 → AI智能体进阶开发
