大模型编程（1）Hello world

突然发现好久好久，没有在思否发文章了看了之前自己的学习笔记，感觉自己现在真的好差劲，AI 的兴起，我们每个人都是小学生，重新上路吧。

前几日提问国产之光 deepseek 在大模型华山论剑，直接掀桌子了，成本直接降低10倍，牛逼坏了，而且他的 api 设计与 openai 保持一致，那我们可以直接使用 openai 的 sdk 进行调用。我也带着虔诚崇拜的眼光与之接触接触。

送了 500 万 tokens的免费体验额度，在 https://platform.deepseek.com/api_keys 申请了 api key。

参考 https://api-docs.deepseek.com/zh-cn/

好家伙，直接完全兼容行业标杆，不重复造轮子，用 openai 的 sdk 直接干

pip3 install --user openai

通过代码实现与大模型的回答

from openai import OpenAI

client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "You are a helpful assistant"},
        {"role": "user", "content": "Hello"},
    ],
    stream=False
)

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

运行下

python3 a.py
Hello! How can I assist you today? 😊

简单修改下，我们问问他，学习大模型用什么语言最方便。

from openai import OpenAI

client = OpenAI(api_key="sk-6e9b6ff644*****2ff6ec6d2", base_url="https://api.deepseek.com")

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "You are a helpful assistant"},
-       {"role": "user", "content": "Hello"},
+       {"role": "user", "content": "学习大模型编程，用什么语言最合适"},
    ],
    stream=False
)

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

运行，挺好，输出的还是 markdown 格式。就是等待的时间有点长。

开发AI应用，尤其是涉及大模型的应用，选择合适的编程语言至关重要。以下是几种常用的编程语言及其在AI开发中的优势：

### 1. **Python**
   - **优势**:
     - **广泛的库和框架**: Python拥有丰富的AI和机器学习库，如TensorFlow、PyTorch、Keras、Scikit-learn等，这些库极大地简化了AI模型的开发和训练。
     - **社区支持**: Python拥有庞大的开发者社区，遇到问题时可以轻松找到解决方案。
...
根据你的具体需求和项目特点，选择合适的编程语言可以大大提高开发效率和性能

输出等待太久，因为大模型是不停地推算后面的文字，所以需要时间，比较好的体验是流式输出，文档咱们也不用看了直接要大模型告诉咱们怎么改写就行

from openai import OpenAI

client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")

response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "system", "content": "You are a helpful assistant"},
        {"role": "user", "content": "学习大模型编程，用什么语言最合适"},
    ],
    stream=True  # 启用流式输出
)

for chunk in response:
    if chunk.choices[0].delta.content:  # 检查是否有内容
        print(chunk.choices[0].delta.content, end="", flush=True)  # 逐步输出内容

参考 https://developer.aliyun.com/article/1444881