API 入门导读：从代码到第一次 LLM 响应

本章阅读时间：约25分钟（共5篇）

学完 LLM 基础，你知道了大语言模型是什么、怎么工作。下一步是动手：写几行代码，发一个请求，拿到真实的模型响应。

本章是整个课程体系中"动手"的起点。理论要落地，必须经过这一关。

为什么 API 调用是独立的一章

很多教程把 API 调用当成几行示例代码一带而过，直接跳到框架和高级应用。这带来一个隐患：开发者在复杂框架出问题时，不知道底层发生了什么。

LangChain、LangGraph 等框架，本质上都是在封装 API 调用。理解裸 API 的行为——请求格式、响应结构、流式输出、错误类型——是调试任何上层框架的基础能力。

打个比方：学会 SQL 基础，才能在 ORM 框架出问题时知道该如何排查；学会原生 API 调用，才能在 LangChain 出问题时看懂底层在发生什么。

本章覆盖的内容：

第一次成功调用，建立信心和基本认知
多轮对话的消息历史管理，理解无状态 API 的本质
流式输出，现代 AI 应用的用户体验基础
结构化输出与 JSON 模式，让模型输出可以被程序处理
API 密钥安全管理，生产环境的基本卫生

使用哪个模型的 API

本章以 DeepSeek 为主，原因：

国内直连：不需要代理，稳定可用
价格极低：非常适合学习阶段大量试验，成本几乎可以忽略
OpenAI 兼容接口：使用与 OpenAI 完全相同的 SDK，掌握 DeepSeek 后无缝迁移到 GPT-4o 等模型只需改两行代码

核心概念（消息格式、角色定义、流式输出、工具调用）在各主流模型 API 中高度一致，本章的知识可以直接迁移到 GPT-4o、Claude、Gemini 等任何支持 Chat Completions 格式的模型。

本章 5 篇文章的学习路径

动手起点（第 1 篇）

01 是全章的入口：获取 API Key、安装 SDK、配置 .env 文件、发送第一个请求、理解响应结构。目标是在 30 分钟内跑通第一次调用，建立"能用"的信心。每段代码之后都有"你应该看到什么输出"说明，让你清楚地知道成功长什么样。

核心交互模式（第 2-3 篇）

02 讲多轮对话的消息历史管理：LLM API 是无状态的，每次调用都需要把完整的对话历史发过去。理解这个机制，才能正确实现聊天应用，才能理解 Token 消耗为什么随对话轮次增加。文章包含生产环境警告和三种历史管理策略。03 讲流式输出与 SSE：逐 Token 输出的实现原理，前端如何接收，后端如何发送。这是现代 AI 应用用户体验的核心技术。

进阶技巧（第 4-5 篇）

04 讲结构化输出与 JSON 模式：如何让模型稳定地输出 JSON，如何用 pydantic 做类型验证。05 讲 API 密钥安全管理与环境配置：环境变量、.env 文件、密钥轮换、不同环境的配置隔离——这些是生产环境的基本安全要求。

常见错误和解决方法（本章预览）

在学本章之前，先了解几个最常见的错误：

错误	原因	解决方法
AuthenticationError	API Key 无效或未设置	检查 .env 文件和环境变量
输出被截断	max_tokens 设太小	增大 max_tokens
模型"忘记"之前说的话	没有传入历史消息	见第 02 篇
输出格式不稳定	没有使用 JSON 模式或格式约束	见第 04 篇
密钥提交到 git	硬编码密钥	见第 05 篇

与其他章节的关联

与 LLM 基础（第 6 章）的关系

LLM 基础章节建立了对 Token、Temperature、上下文窗口的理论认知；本章把这些概念落地到实际 API 参数上。理解了 Temperature 是什么，才知道 API 请求里的 temperature: 0.7 意味着什么。

与 Prompt 工程（第 8 章）的关系

Prompt 工程的所有技巧，最终都要通过 API 调用实现。本章建立了 API 调用的基础能力，第 8 章在这个基础上讲如何设计更有效的 Prompt。

与工具使用与 Function Calling（第 9 章）的关系

工具调用是 API 调用能力的扩展——在基本的文本生成之外，让模型能调用外部函数。本章是理解工具调用的前置基础。

与生产化部署（第 18 章）的关系

本章第 3 篇的流式输出基础，与第 18 章的 SSE 生产化实现直接对应。本章第 5 篇的密钥管理，是第 18 章安全章节的基础。