大型语言模型实战入门：从 API 到开源模型，掌握文本生成与对话核心技能
大型语言模型（LLM）已成为开发者的重要工具，无论是构建智能对话机器人、自动生成文案，还是辅助代码开发，都离不开对 LLM 接口的灵活运用。本文将系统讲解三大类 LLM 工具的实战技巧 ——OpenAI API、国产模型 API（以文心一言为例）和开源模型 Ollama，通过具体代码示例和直观图示，帮你快速掌握文本生成与对话的核心技能，让 LLM 真正为你所用。
一、为什么要学 LLM API？—— 从工具到生产力的跨越
在 LLM 普及的今天，直接调用 API 或部署开源模型是最高效的应用方式，无需关注模型训练的复杂细节（千亿参数、万亿 tokens 训练数据），只需掌握接口调用逻辑，就能快速实现：
- 文本生成：自动写文案、生成报告、创作代码片段；
- 对话交互：构建客服机器人、智能助手、教学问答系统；
- 内容处理：文本摘要、翻译、情感分析等。
LLM API 的核心逻辑可简化为 “输入 - 处理 - 输出” 的闭环：开发者发送包含 “提示词（Prompt）” 和参数的请求，模型处理后返回生成结果。无论哪种模型，这个核心逻辑都是相通的。
接下来，我们分别实战三大类工具，从 API 调用到本地部署，覆盖不同场景需求。
二、实战一：OpenAI API—— 国际主流 LLM 接口的使用
OpenAI 的 GPT 系列（如 GPT-3.5、GPT-4）是目前应用最广泛的 LLM 之一，其 API 设计简洁，文档完善，适合快速开发。
2.1 准备工作：注册账号与获取 API 密钥
- 注册 OpenAI 账号：访问OpenAI 平台，用邮箱注册（需科学上网）；
- 创建 API 密钥：登录后进入 “Personal → View API keys”，点击 “Create new secret key”，保存密钥（仅显示一次）。
注意：API 调用需要计费（新账号有免费额度），需绑定支付方式；密钥是访问凭证，切勿泄露（泄露后立即吊销）。
2.2 核心能力 1：文本生成（Completion）
使用gpt-3.5-turbo-instruct模型生成指定风格的文本（如产品文案、代码片段）。
代码示例（Python）：
import openai# 配置API密钥（建议通过环境变量加载，避免硬编码）
openai.api_key = "你的API密钥"def generate_text(prompt, model="gpt-3.5-turbo-instruct", max_tokens=100, temperature=0.7):"""生成文本:param prompt: 提示词（核心输入）:param model: 模型名称:param max_tokens: 生成文本的最大长度:param temperature: 随机性（0-1，值越高越随机）:return: 生成的文本"""response = openai.Completion.create(model=model,prompt=prompt,max_tokens=max_tokens,temperature=temperature)return response.choices[0].text.strip()# 示例：生成一段Java变量命名规范的说明
prompt = "请用简洁的语言说明Java变量命名的3个核心规范："
result = generate_text(prompt, max_tokens=150)
print("生成结果：\n", result)
输出示例：
生成结果：1. 采用小驼峰命名法：首字母小写，后续单词首字母大写（如userName、orderTotal）。2. 见名知意：变量名需清晰表达其用途（避免使用a、b等无意义名称）。3. 避免关键字：不能使用Java保留字（如class、int）作为变量名。
2.3 核心能力 2：对话交互（Chat Completion）
gpt-3.5-turbo和gpt-4模型支持多轮对话，通过 “消息列表” 维护上下文。