第1节 第一次对话：发一个问题给LLM，拿一个回答
这一节要做什么
做一个最小最小的程序：你说一句中文，程序把这句话发给大模型（大模型就是ChatGPT、Claude背后那个大脑），大模型回你一句，然后把答案打印出来。
就像：
你： "你好"
程序： 把"你好"发给大模型
大模型：回 "你好！有什么我可以帮你的吗？"
程序： 打印出来就这么多功能。这一节结束后，你会理解：大模型本质就是一个"能理解文字的网页接口"。
先搞懂几个概念（零基础解释）
什么是"网页接口"（API）
你去外卖软件点餐，步骤是：
你选好饭，按"下单"
外卖软件把订单发给餐厅
餐厅做好饭，送过来
在这个过程里，你（用户）和餐厅之间，靠外卖软件传递信息。
网页接口（API）就像是这个场景里的"外卖软件"。只不过这里不是传递饭菜，而是传递文字信息。
你的程序把一段文字"送出去"，大模型把另一段文字"送回来"。这个过程叫"请求-响应"。
什么是HTTP
HTTP是传输协议，可以理解成"传递信息的快递规则"。
就像快递有规则（寄件→运输→收件），HTTP也有规则。你的程序按照这个规则的格式把数据"打包"寄出去，大模型按同样规则"拆包"处理，然后按规则把结果寄回来。
什么是POST
在HTTP里，"POST"是一种发送数据的方式，意思是"把我给你的数据发过去"。
类比：你去银行办业务，跟柜员说"我要存款，把这些钱存进去"。柜员收下你的钱，给你一个回执。POST就是这样——把数据交给对方，等对方处理完拿结果。
和POST对应的叫GET——"把某个东西拿给我看"，比如你打开网页，浏览器用GET把网页内容"拿回来"。
什么是JSON
JSON是一种组织数据的格式，让数据排列整齐、容易读取。
就像你给朋友写信有两种格式：
普通格式（不工整）：
我叫小明，我22岁，我喜欢编程JSON格式（工整）：
{
"姓名": "小明",
"年龄": 22,
"爱好": ["编程", "音乐", "游戏"]
}JSON的好处是：格式固定，程序好读也好写。大模型接口要求数据必须用JSON格式。
什么是大模型的"接口地址"（URL）
就像每个快递网点有自己的地址，每个大模型服务也有自己的"地址"。这个地址叫URL，比如：
https://api.openai.com/v1/chat/completions这一长串的意思是：去 api.openai.com 这个服务器，找 /v1/chat/completions 这个"窗口"办理业务。
完整代码
把下面这段代码复制到一个文件里，比如叫 chat.py，然后运行它（前提是你有API key，没有的话先跳过实操，只看解释）：
# ============================================================
# 第1节完整代码：发一个问题给大模型，拿一个回答
# ============================================================
# ---------- 1. 导入工具 ----------
import requests
# ---------- 2. 设置大模型的"地址" ----------
url = "https://api.openai.com/v1/chat/completions"
api_key = "sk-xxxxxxxxxxxxxxxxxxxxxxxx" # <-- 换成你的真实API密钥
model = "gpt-4o-mini"
# ---------- 3. 准备要发给大模型的数据 ----------
messages = [
{
"role": "user",
"content": "你好，介绍一下你自己"
}
]
# ---------- 4. 拼装完整的HTTP请求 ----------
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {api_key}"
}
body = {
"model": model,
"messages": messages
}
# ---------- 5. 发送请求，等待大模型回复 ----------
response = requests.post(url, headers=headers, json=body, timeout=60)
print("服务器返回的原始数据：")
print(response.json())
# ---------- 6. 从返回结果里提取大模型的回答 ----------
result = response.json()["choices"][0]["message"]["content"]
# ---------- 7. 打印结果 ----------
print("
" + "=" * 50)
print("大模型的回答：")
print(result)代码逐行详解
第1部分：导入工具
import requests解释： Python自己不会发送网页请求，需要借助别人写好的工具。import requests 就是从Python的工具箱里拿出 requests 工具。
类比： 就像做饭前要从厨房拿出菜刀，import就是在"拿工具"。
为什么需要这个： 如果没有这个工具，Python不知道怎么跟网页服务器说话。requests把HTTP的复杂规则包装好了，我们只需要调用几个简单命令。
第2部分：配置地址和密钥
url = "https://api.openai.com/v1/chat/completions"
api_key = "sk-xxxxxxxxxxxxxxxxxxxxxxxx"
model = "gpt-4o-mini"解释： 这里设置三样东西：
url：大模型服务的"窗口地址"。这里用的是OpenAI的格式，大部分兼容OpenAI格式的模型（硅基流动、DeepSeek等）都可以用同一个地址，只是换密钥和模型名。api_key：相当于"会员卡号"。大模型服务不是免费的，你要有账号和密钥才能用。就像去停车场要有停车卡一样。model：用哪个大脑。gpt-4o-mini是一个比较便宜又好用的小模型，适合学习用。
类比： 就像你去快递站寄件，要填：寄到哪里（url）、你是谁（api_key）、用哪家快递公司（model）。
第3部分：准备对话内容
messages = [
{
"role": "user",
"content": "你好，介绍一下你自己"
}
]解释： messages 是一个列表，里面装着"谁说了什么"的信息。
role（角色）有三种：
"user"= 用户，就是你"assistant"= 助手，就是大模型"system"= 系统提示词，用来设定大模型的身份
content 就是具体说的内容。
类比： 就像剧本里写：
角色：用户
台词：你好，介绍一下你自己目前只有一个"用户"说的话，所以大模型还不知道自己是谁（下一节会加 system 角色设定）。
第4部分：拼装HTTP请求
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {api_key}"
}
body = {
"model": model,
"messages": messages
}解释： HTTP请求分成两部分：请求头（headers）和请求体（body）。
headers（请求头） = 相当于快递的面单，填的是"寄件人信息、快递公司"这类元数据：
Content-Type: application/json：告诉服务器"我寄给你的东西是JSON格式"Authorization: Bearer xxx：告诉服务器"我是有权限的用户，密钥是xxx"
body（请求体） = 相当于快递里的东西，这里放我们真正的数据：
model：用哪个模型messages：说什么
类比： 去银行汇款，headers就是汇款单上的账号信息，body就是汇款金额那一栏要填的内容。
第5部分：发送请求
response = requests.post(url, headers=headers, json=body, timeout=60)解释：
requests.post()= 用POST方式发送请求url= 发到哪里headers=headers= 带上请求头（身份验证信息）json=body= 要发送的数据（自动转成JSON格式）timeout=60= 最长等60秒，防止程序卡死
返回的 response 是一个响应对象，里面有服务器返回的所有数据。
第6部分：提取回答
result = response.json()["choices"][0]["message"]["content"]解释： 这是最难理解的一行。先搞清楚返回数据的结构：
{
"choices": [
{
"message": {
"role": "assistant",
"content": "你好！我是..."
}
}
]
}所以：
response.json()把返回的JSON变成Python字典["choices"][0]取出第一个答案["message"]["content"]取出答案的文字内容
类比： 就像从抽屉里拿东西：
衣柜["衣服层"]["第一格"]["左边这件"] = "这件是T恤"第7部分：打印结果
print("
" + "=" * 50)
print("大模型的回答：")
print(result)解释： 打印出来让你看到。=" * 50 是打印50个等号，当分隔线用，让输出更好看。
这一节学到了什么
这一节的代码对应nanobot的哪里
用户提问
↓
本节代码：requests.post() 发送 HTTP 请求
↓
nanobot 对应位置：providers/base.py 里的 chat() 函数
↓
返回大模型的文字回答nanobot的所有大模型调用，最终都是走的这个requests.post()逻辑，只是包装得更复杂（加了provider抽象、支持多模型、处理错误等）。