用Python做个AI聊天机器人，原来这么简单

用户11081884

发布于 2026-07-20 19:51:53

350

文章被收录于专栏：用户11081884的专栏用户11081884的专栏

你有没有想过，自己也能做一个能聊天的AI机器人？

说实话，我之前也觉得这事儿离我很远，直到我发现了一个超简单的方法。

不用从头训练模型，不需要海量数据，只要会点Python，几分钟就能搞定。

今天我就把这个方法分享给你。

为什么选择API这条路？

传统方法太复杂了，你得训练模型、处理数据、调参数……听着就头大。

但API就像点外卖一样简单。

你不用管后厨怎么做饭（模型训练），只要点餐（发送请求），就能直接享用美食（AI回复）。

API调用就像去餐馆吃饭。你不用自己买菜做饭，直接点单就行。做饭的事交给后厨（大模型API），你只需要享受美味（智能回复）。

这种方式特别适合：

想做智能客服
想做个AI助手
想快速验证想法
不想花大钱训练模型

两步准备，马上开始

真正开始写代码前，先做两件事：

第一件事：获取API密钥

去大模型服务商的官网注册，比如OpenAI、DeepSeek或者百川。

注册后在控制台就能找到API Key，这就像你的餐厅会员卡，每次点餐都要出示它。

记住，这个Key要保密，别让别人知道了。

第二件事：配置Python环境

确保你的Python版本是3.7或更高。

建议用虚拟环境（venv或conda）来管理项目，这样不会和其他项目冲突。

然后安装requests库，发送HTTP请求全靠它：

pip install requests

最简单的版本：单轮对话

先从最简单的开始，一问一答。

我用DeepSeek的API来演示，其他大模型的调用方式都差不多：

import requests

def call_deepseek_api(user_input, api_key):
    """
    调用DeepSeek API获取单轮对话回复
    """
    url = "https://api.deepseek.com/v1/chat/completions"
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {api_key}"
    }
    data = {
        "model": "deepseek-chat",
        "messages": [{"role": "user", "content": user_input}],
        "temperature": 0.7,
        "max_tokens": 2000
    }
    response = requests.post(url, headers=headers, json=data)
    if response.status_code == 200:
        response_data = response.json()
        return response_data['choices'][0]['message']['content']
    else:
        return f"请求出错，状态码：{response.status_code}"

# 使用示例
API_KEY = "你的实际API密钥"
user_question = "你好，请介绍一下你自己。"
answer = call_deepseek_api(user_question, API_KEY)
print(f"AI: {answer}")

代码虽然不长，但包含了所有关键要素：

URL：API的地址
headers：身份信息（API密钥）
data：你问的问题
temperature：控制AI的创造力（越低越稳定，越高越多样）

升级版：能记住对话历史

上面的版本有个问题：每次都是新对话，AI记不住你说过的内容。

要实现真正的连续对话，就得维护一个对话历史列表。

看这个升级版的代码：

class ChatBot:
    def __init__(self, api_key):
        self.api_key = api_key
        self.conversation_history = []

    def get_response(self, user_input):
        # 1. 将用户输入加入历史记录
        self.conversation_history.append({"role": "user", "content": user_input})

        # 2. 准备API请求数据，包含全部历史记录
        url = "https://api.deepseek.com/v1/chat/completions"
        headers = {
            "Content-Type": "application/json",
            "Authorization": f"Bearer {self.api_key}"
        }
        data = {
            "model": "deepseek-chat",
            "messages": self.conversation_history,
            "temperature": 0.7,
            "max_tokens": 1000
        }

        # 3. 发送请求并获取回复
        response = requests.post(url, headers=headers, json=data)
        if response.status_code == 200:
            bot_reply = response.json()['choices'][0]['message']['content']
            # 4. 将AI回复也加入历史记录，以便后续对话使用
            self.conversation_history.append({"role": "assistant", "content": bot_reply})
            return bot_reply
        else:
            return "抱歉，我暂时无法回应。"

    def start_chat(self):
        """启动一个交互式的对话循环"""
        print("聊天机器人已启动，输入'退出'结束对话。")
        while True:
            user_input = input("\n你: ")
            if user_input.lower() in ['退出', 'exit', 'quit']:
                print("再见！")
                break
            reply = self.get_response(user_input)
            print(f"机器人: {reply}")

# 运行机器人
bot = ChatBot("你的实际API密钥")
bot.start_chat()

核心思路很简单：

每次对话时，把用户说的话和AI之前的回复全部打包发送给API。

这样AI就能看到完整的对话历史，像真人一样进行连续对话了。

让机器人更智能的小技巧

基础功能实现了，但想让机器人更实用，还有几个地方可以优化：

1. 异常处理很重要

网络请求可能会失败，比如密钥错误、请求太频繁、服务器出问题等。

加上异常处理和重试机制，能让程序更稳定：

import time
import random

def call_api_with_retry(api_func, max_retries=3):
    for attempt in range(max_retries):
        try:
            return api_func()
        except requests.exceptions.HTTPError as e:
            if e.response.status_code == 429:  # 频率限制
                wait = 2 ** attempt + random.uniform(0, 1)
                time.sleep(wait)
                continue
            else:
                raise
    raise Exception("超过最大重试次数")

2. 管理对话历史长度

API对每次请求的token数有限制，对话越久，历史记录越长。

需要定期清理或截断历史，只保留最近的几轮对话。

3. 给AI设定人设

在对话历史开头加一条system消息，就能定义AI的性格和回答风格：

{"role": "system", "content": "你是一位专业的编程助手，回答要简洁准确。"}

4. 部署成Web服务

用Flask把你的机器人包装成Web服务，就能通过浏览器访问了：

from flask import Flask, request, jsonify

app = Flask(__name__)

@app.route('/chat', methods=['POST'])
def chat():
    user_message = request.json.get('message', '')
    bot_reply = get_bot_response(user_message)
    return jsonify({'response': bot_reply})