AI大模型应用第18期|1-AI大模型原理与API使用

如果你已经能调用一两个大模型接口，但说不清 token 是怎么算的、为什么同样的提示词换一次调用结果就不稳定，那这门课的第一模块值得先看。它不讲大而全的行业图景，只处理一个具体场景：把大模型从「能用」推到「知道它为什么这样返回」，并且能自己写出可复用的调用代码。

先判断自己该不该学

这门课的门槛不算低，但也不算高。你需要有基本的 Python 语法基础，能看懂函数、字典、循环，知道怎么装依赖、跑脚本。如果你完全没写过代码，直接进来会很吃力，建议先补一段 Python 再回来。如果你已经做过一些调用，比如用现成工具生成过文案、跑过简单的对话接口，那你的基础刚好够用，能直接进入原理和 API 部分。它不适合零基础转行者当作第一门课，更适合已经动手试过、但遇到问题只能靠猜的人。

先看哪几块，怎么配合练习

资料里有原理讲解的文档、注册 API KEY 的说明，以及几个可运行的示例脚本。建议的顺序是：先读原理部分，把模型输入输出的基本单位、上下文长度、参数对结果的影响搞清楚；然后照着注册说明把 KEY 配好，确保环境能跑通；接着动手跑情感分析那个例子，它是理解「输入文本—模型判断—结构化输出」这条链路最短的路径。跑通之后不要停在看结果，试着改一改输入，观察输出怎么变。天气查询那个例子引入了函数调用的思路，表格提取则更接近真实办公场景，把非结构化内容转成可处理的数据。这三个例子按顺序做，比跳着看更稳。每跑完一个，建议自己换一份数据重写一遍，而不是只运行原文件。

学完能独立做什么

完成这个模块后，你应该能独立完成几件具体的事：自己申请并管理 API KEY，写出一个能稳定调用的 Python 脚本；对一段文本做情感倾向判断，并把结果整理成可继续处理的结构；用函数调用的方式让模型去触发一个外部查询，而不是只让它聊天；从一段杂乱文本或表格里提取出指定字段，输出成规整的数据。这些能力单独看都不复杂，但组合起来，就构成了后面 Prompt 工程、编程辅助和 Agent 实战的基础。如果你现在的工作里经常要处理文本分类、信息抽取、批量问答这类任务，学完这一块就能自己搭一个能跑的小工具，不必每次依赖别人。

最后提醒一句：这个模块是整套内容的第一部分，重点在原理和接口本身，不涉及复杂的应用架构。把它当作打地基，不要指望学完就能做出完整产品。地基打牢了，后面的部分才接得住。