一步API调用主流大模型Claude/GPT/DeepSeek/Gemini/Grok最简单教程

前言

      文章底部有接入教程哦~，添加客服二维码，发送口令【领取福利】，免费领取体验额度。

为什么选择一步API中转站？

一步API中转站是一个专业的API聚合平台，提供对Claude、GPT、DeepSeek、Gemini和Grok等主流大语言模型的统一接入服务。通过一步API，开发者只需一个API密钥，即可便捷地调用多种大模型，无需分别申请各平台的开发者权限，大幅简化了开发流程。

1. 工具使用

1. Chatbox配置教程
2. Cursor IDE配置教程
3. JetBrains 全家桶(idea、PyCharm、WebStorm)配置教程

2. 代码调用

安装SDK（Python示例）

pip install openai

基础调用示例

from openai import OpenAI

// 初始化客户端
client = OpenAI(
    api_key="sk-xxxxxxxxxxxxxxxxxxxxxxxx",  # 替换为您的一步API密钥
    base_url="https://api.yibuapi.com/v1"  # 一步API基础URL
)

// 调用模型
response = client.chat.completions.create(
    model="gpt-4o",  # 可替换为任何支持的模型
    messages=[
        {"role": "system", "content": "你是一个乐于助人的AI助手。"},
        {"role": "user", "content": "请简要介绍人工智能的发展历史。"}
    ]
)

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

Claude系列模型调用

Claude模型由Anthropic开发，以其出色的上下文理解能力和安全性而闻名。

response = client.chat.completions.create(
    model="claude-3-5-sonnet",
    messages=[
        {"role": "system", "content": "你是一个专业的写作助手。"},
        {"role": "user", "content": "帮我写一封求职信，应聘软件工程师职位。"}
    ],
    temperature=0.7,
    max_tokens=1500
)

高级功能：Claude视觉能力

import base64

// 图片转base64
def encode_image(image_path):
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode('utf-8')

// 构建请求
image_base64 = encode_image("path/to/your/image.jpg")

response = client.chat.completions.create(
    model="claude-3-opus",
    messages=[
        {"role": "user", "content": [
            {"type": "text", "text": "这张图片中有什么?"},
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{image_base64}"}}
        ]}
    ],
    max_tokens=1000
)

GPT系列模型调用

OpenAI的GPT系列模型是最受欢迎的大语言模型之一，一步API支持从GPT-3.5到最新的GPT-4o。

基础调用

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "你是一个专业的数据分析师。"},
        {"role": "user", "content": "帮我解释一下线性回归和逻辑回归的区别。"}
    ],
    temperature=0.3  // 降低随机性，获得更精确的回答
)

函数调用示例

response = client.chat.completions.create(
    model="gpt-4-turbo",
    messages=[
        {"role": "user", "content": "今天北京的天气怎么样?"}
    ],
    tools=[{
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定城市的天气信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "城市名称"
                    },
                    "date": {
                        "type": "string",
                        "description": "日期，默认为今天"
                    }
                },
                "required": ["city"]
            }
        }
    }],
    tool_choice="auto"
)

3. 高级功能

流式输出（Streaming）

stream = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "user", "content": "写一篇关于人工智能伦理的短文。"}
    ],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

JSON模式输出

response = client.chat.completions.create(
    model="gpt-4-turbo",
    messages=[
        {"role": "user", "content": "给我列出5本科幻小说及其作者和出版年份。"}
    ],
    response_format={"type": "json_object"}
)

多模型对比调用

def compare_models(prompt, models):
    results = {}
    for model in models:
        response = client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": prompt}],
            temperature=0.5
        )
        results[model] = response.choices[0].message.content
    return results

comparison = compare_models(
    "解释量子计算的基本原理",
    ["gpt-4o", "claude-3-opus", "gemini-1.5-pro"]
)

for model, response in comparison.items():
    print(f"--- {model} ---")
    print(response)
    print("\n" + "-"*50 + "\n")

开始使用一步API，一键接入全球顶尖大语言模型，让AI应用开发更简单、更高效！