最简的 LLM 调用

如果想获取全套课程资料，请关注微信公众号 「AI面包君」，回复 「课程资料」 即可领取。

1. 先完成一次模型调用

在聊天网页里输入一句话，再等 AI 回复，这个过程大家可能已经很熟悉了。现在换成自己写的 Python 程序来发出这句话。

这门课会逐步做出一个能对话、能调用工具的助手。第一章先只做最基本的一步：把问题发送给模型接口，再把回答打印出来。

本章的请求可以先这样理解：

程序把消息整理成一个列表，发给模型 API，再从响应中取出回复。

暂时还没有工具和 Agent 循环，只发一个问题、收一个回答。后面几章会一直用到这段调用代码，所以先把消息格式和返回结果看清楚。

第一次运行可能会花些时间在安装依赖和配置密钥上。遇到报错，可以先按文末的排查方法处理，看到回复后再继续读代码。

<!-- bread-visual:start -->

图解： 把角色与内容装进 messages，再交给模型。 messages 是有顺序的消息列表；模型回复不会自动替你保存到下一轮。

<!-- bread-visual:end -->

---

2. 跑起来：先看到效果，再讲原理

第一步：进入这一章的文件夹

在终端（Windows 是 PowerShell 或命令提示符）里，确保你已经 cd 到了仓库根目录 bread-agent/，然后：

cd ch00_hello

第二步：运行 main.py

python main.py

如果用的是 Anaconda 或者特定 Python 环境（例如老师让你用 D:\anaconda3\envs\yutong\python.exe），把上面命令的 python 替换成对应路径：

D:\anaconda3\envs\xxxxx\python.exe main.py

第三步：看到 AI 的回答

正常应该看到一行类似这样的话：

你好！我是一个友好的中文助理，随时可以帮你解答各种问题、聊天或提供信息查询。请问有什么可以帮助你的吗？

回复的措辞可能与示例不同。先确认程序确实收到了模型返回的文本，再继续往下看它是怎样发出请求的。

如果报错了，跳到本文末尾的"4. 卡住了怎么办"。

---

<!-- bread-practice:start -->