LLM API使用简介

网页界面固然提供了一种直接与大型语言模型互动便当途径，但它们常需要手动输入和复制粘贴。如果您希望将大型语言模型的功能直接整合到自己的应用程序中，自动化文本生成任务，或无需每次点击按钮就处理大量提示，那该怎么办呢？此时，应用程序接口（API）便可发挥其效用。

可以将API看作是不同软件程序之间相互通信的一种规范方式。您的程序可以直接向大型语言模型服务提供商的系统发送请求，而非人工在网站上输入，随后该系统会将响应发回给您的程序。

什么是API？

API是“应用程序接口”的缩写。我们来逐一解析：

• 应用程序： 指的是任何软件程序，例如大型语言模型服务本身，或您编写的用于与其互动交流的程序。
• 编程： 表示这种通信通过代码进行，从而实现自动化和整合。
• 接口： 这是两个应用程序之间的连接点或约定。它规定了请求应如何格式化以及预期接收何种响应。

设想在餐厅点餐的情形。您不会亲自进入厨房。相反，您与服务员（接口）互动。您使用菜单（已规定好的规则/选项）提出请求，服务员将您的订单带到厨房（服务提供商），并把您的食物（响应）带回。API对于软件的工作方式也类似：它提供了一种规定好的方式，让您的应用程序（顾客）可以向另一个应用程序（大型语言模型厨房）请求服务（如文本生成），而无需了解厨房的内部运作细节。

您的应用程序与大型语言模型服务之间API通信的简化示意图。

为何要使用LLM API？

相比网页界面，使用大型语言模型API具备多项优势，特别是当您的需求日趋复杂时：

1. 自动化： 您可以编写脚本或程序来自动发送提示并处理响应。这对于需要频繁重复执行或无人干预的任务而言非常重要。
2. 整合： API使您能够将大型语言模型能力直接嵌入 (embedding)到自己的软件中。您可以构建聊天机器人，为文档编辑器添加智能摘要功能，或创建由大型语言模型驱动的定制内容生成工具。
3. 定制与控制： API通常比网页界面提供对大型语言模型行为更精细的控制。您或许能够调整响应的创造性（常被称为temperature）、最大输出长度（max_tokens）等参数 (parameter)，以优化输出结果。
4. 规模化： 如果您需要处理成百上千的提示，通过网页界面手动操作是不切实际的。API旨在以程序方式处理请求，使得大规模使用大型语言模型成为可能。

核心要点（简化版）

使用大型语言模型API时，您会接触到一些基本要点：

• 请求： 这是您的应用程序通过API发送给大型语言模型服务的消息。它通常包含您的提示（您希望大型语言模型处理的文本）以及指定模型如何表现的任何参数 (parameter)。
• 响应： 这是大型语言模型服务发送回您的应用程序的消息。它通常包含大型语言模型生成的文本，以及状态码或使用详情等其他信息。
• 端点： 这是大型语言模型服务提供的特定网址（URL），您的应用程序将请求发送到此地址。针对不同的任务或模型版本，可能存在不同的端点。
• 认证： 大多数API要求您识别您的应用程序身份，通常使用一串称为API密钥的独特字符。这确保只有授权用户才能访问该服务，并有助于提供商追踪使用情况。您通常在注册大型语言模型服务时获得一个API密钥。

理解这些要点为使用大型语言模型API打下了根基。尽管通过网页界面互动是一个不错的起始，但API为构建更强大、更整合的应用程序提供了更多空间。在接下来的章节中，我们将学习如何构建和发送您的第一个API请求，以及如何解析收到的响应。