大家好，我是Grok 教程链上杯子（掘金：链上杯子）。
失业一年了，天天想着怎么翻身。最近终于把前面学的函数、列表、文件都串起来，能生成提示词了，但还停留在“自己脑补 AI 回复”。今天开始真正调用免费的 LLM API，让程序能直接问模型问题，拿到真实回复。第一次看到代码输出模型生成的文字时，感觉离“写自己的 AI 小工具”只差一步了。
本课目标：学会使用 requests 模块发送 HTTP 请求，调用免费大模型 API（以 DeepSeek 或 Grok 的免费接口为例，实际可替换成你能访问的 API）。通过结合前面生成的提示词，实现“输入 → 生成 Prompt → 调用 API → 显示回复”的完整流程。
注意：本课假设你有可用的免费 API Key（例如 DeepSeek 平台注册免费额度，或其他开源接口，我充值了一元就开始愉快的使用了）。如果没有，可以先用模拟回复测试代码逻辑。
- 打开命令行（cmd 或终端），输入：
安装 requests 库（发送网络请求的工具）。
- 准备 API Key：去 DeepSeek 官网（deepseek.com）注册账号 → API Keys → 创建一个免费 Key。记下来，后续代码会用到。
运行后（假设 Key 有效），会输出类似：
运行后会看到生成的 Prompt，然后输出模型的真实回复。
编辑
哈哈哈，大家拿代码也去试试吧，欢迎讨论
练习1（基础）
复制第1段基础调用代码，修改 “user” 的 content 为你自己想问的问题（例如“给我推荐 3 本 Python 入门书”）。
运行看模型回复。注意替换 api_key，如果失败就打印错误信息。
练习2（进阶）
结合 generate_prompt 函数，让用户输入 role、task、style，生成 Prompt 后调用 API。
把 Prompt 和 AI 回复一起保存到 txt 或 json 文件。
多次运行，积累几条对话记录。建议把回复复制到浏览器验证是否一致。
本课介绍了 requests 模块发送 POST 请求、调用 LLM API 的基本流程（headers、json 数据、解析响应）。
结合前面函数生成 Prompt，现在程序能真正“和 AI 对话”。后续可以扩展成带历史的多轮聊天。
下一课：聊天历史 + 多轮对话 —— 带记忆的交互机器人，实现上下文连续对话。
欢迎在评论区贴出练习代码、API 回复截图或生成的文字，有问题可以留言。
发布者：Ai探索者，转载请注明出处：https://javaforall.net/282687.html原文链接：https://javaforall.net
