文本是《使用指南（共11篇）》专题的第 2 篇。阅读本文前，建议先阅读前面的文章：
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
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！
您已阅读完《使用指南（共11篇）》专题的第 2 篇。请继续阅读该专题下面的文章：
快速接入
微信搜索： 或扫码下方二维码添加客服微信领取免费体验额度。
