环境搭好了，接下来要给 Agent 装上「大脑」——也就是调用大模型 API。别紧张，所谓 AI 应用，底层很多时候就是在调用 API。这一课结束，你能用 Python 让 AI 回答你的问题。

一、获取模型 API

你可以使用 OpenAI、Anthropic、Google 等模型。为了教学简单，我们先以 OpenAI API 为例。

1. 安装 OpenAI SDK

回到 VS Code 终端（确认前面还有 (.venv)），执行：

pip install openai

检查是否安装成功：

pip show openai

看到 Name: openai 和版本号就 OK。

2. 设置 API Key（重点！）

千万不要把 API Key 直接写进代码里。 例如不要这样：

api_key = "sk-xxxxxxxx"   # 危险！容易泄露

因为一旦上传 GitHub，Key 就会被别人拿到。我们先用环境变量。Windows PowerShell：

$env:OPENAI_API_KEY="你的API Key"

检查一下：

echo $env:OPENAI_API_KEY

API Key 就像银行卡密码，后面我们会进一步学习用 .env 这类更规范的管理方式。

二、写出第一段 AI 程序

在 my-agent 里创建 main.py：

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="你的模型名称",
    input="你好，请介绍一下什么是人工智能。"
)

print(response.output_text)

运行：

python main.py

如果一切正常，你会得到类似：

人工智能是研究如何让计算机执行通常需要人类智能才能完成的任务……

恭喜，这就是你的第一个 AI 程序。

这两行代码到底做了什么？

response = client.responses.create(...)

意思是：「把我的问题交给大模型。」

print(response.output_text)

意思是：「把大模型的回答打印出来。」

整个链路是这样的：

Python → OpenAI SDK → API → 大模型 → 回答 → Python → 终端

一句话概括：调用大模型，本质就是「发一句话过去，收一句话回来」。

三、想用 DeepSeek 怎么办？改三个地方就行

很多人以为换模型要重写代码，其实不用。DeepSeek 提供了与 OpenAI 兼容的接口，所以我们可以继续用 openai 这个 SDK，只改三个参数。

1. 获取 DeepSeek API Key

到 DeepSeek 开放平台（platform.deepseek.com）创建 API Key。同样不要写进代码，用环境变量：

$env:DEEPSEEK_API_KEY="你的DeepSeek API Key"

2. 修改代码

改用 DeepSeek 兼容的 Chat Completions 接口：

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com"
)

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {
            "role": "user",
            "content": "你好，请介绍一下人工智能。"
        }
    ]
)

print(response.choices[0].message.content)

运行 python main.py，如果看到 DeepSeek 的回答，就成功了。

3. 三处变化，一眼看懂

变化点	OpenAI	DeepSeek	作用
api_key	OPENAI_API_KEY	DEEPSEEK_API_KEY	用谁的钱
base_url	默认	https://api.deepseek.com	请求发给谁
model	如 gpt-4o	deepseek-chat	用哪个模型

其中 base_url 是最关键的地方。你可以这样理解：

SDK 是「电话」，base_url 是「拨打哪个号码」。

一句话概括：换模型，换的是「号码」和「名字」，不是整套代码。

四、一个重要的设计思想：模型层与 Agent 层解耦

我们最终开发 Agent 时，会把模型单独抽象出来：

Agent
 │
 ├── OpenAI
 ├── DeepSeek
 ├── Claude
 ├── Gemini
 └── 其他模型

换供应商时，主要修改：

API_KEY
BASE_URL
MODEL

而 Agent 的 Tool、Memory、Search、Planning 等代码尽量保持不变。

这样设计的好处是：今天你用 DeepSeek，明天想换 GPT 或 Claude，只需要改配置，不用重写业务逻辑。

一句话概括：模型只是可替换的零件，Agent 才是你要造的那台机器。

总结

这一课的核心就一句话：AI 应用 = 调用 API。我们用几行代码让大模型开口说话，还学会了如何从 OpenAI 平滑切换到 DeepSeek。

但现在的程序有个小问题——问一次就结束，而且它记不住上一句话。下一课，我们把它改造成真正的聊天机器人，并引入「对话历史」这个概念，这是 Memory 的第一步。

---

下一课预告

第3课：从一问一答到聊天机器人——对话历史与 Memory 入门。