✅对接大模型的API哪些参数了解么？

面试速答（先看这里）

**一句话结论：**以上其实就是一个标准的Open AI的API调用代码，其中的重要参数我们也能发现有很多。

60秒标准回答：

以上其实就是一个标准的Open AI的API调用代码，其中的重要参数我们也能发现有很多

base_url：模型服务器地址

在各种智能体框架和低代码平台中，都会要求配置此参数以指定请求发送到哪个模型服务器

**答题顺序：**结论 → 原理/机制 → 关键流程 → 场景与取舍 → 易错点

回答主线：

**要点1：**完整的 API 接口路径通常是：）/v1/chat/completions
**要点2：**在 HTTP 请求头 (Authorization: Bearer <API Key>
**要点3：**高多样性（示例 temperature =0.9）：适用于需要创意、想象力和新颖表达的场景，如创意写作、头脑风暴或市场营销文案。
**要点4：**高确定性（示例 temperature =0.1）：适用于要求内容准确、严谨和可预测的场景，如事实问答、代码生成或法律文本。
**要点5：**如果设置，有助于在多次调用中复现相同的输出，提高结果的可预测性（并非 100% 保证）。

**记忆锚点：**API → https → temperature → completions → base_url → String

关键取舍：

高多样性（示例 temperature =0.9）：适用于需要创意、想象力和新颖表达的场景，如创意写作、头脑风暴或市场营销文案。
高确定性（示例 temperature =0.1）：适用于要求内容准确、严谨和可预测的场景，如事实问答、代码生成或法律文本。

易错提醒：

通常不要与温度系数同时调整，只需调整其中之一即可。

加分表达：

默认为false，如果设置为 true，模型会流式返回 Token，而不是等待整个回复生成完毕。

追问准备：

围绕「API」：底层原理是什么？使用时有哪些边界和常见坑？
围绕「https」：底层原理是什么？使用时有哪些边界和常见坑？
围绕「temperature」：底层原理是什么？使用时有哪些边界和常见坑？
如果线上出现异常，你会如何定位、验证并规避？

python

import os
from openai import OpenAI

try:
    client = OpenAI(
        # 替换成你自己的ak
        api_key="<your key>",
        base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
    )

    completion = client.chat.completions.create(
        model="qwen-plus",
        messages=[
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": "你是谁？"},
        ],
    )
    print(completion.choices[0].message.content)
except Exception as e:
    print(f"错误信息：{e}")

以上其实就是一个标准的Open AI的API调用代码，其中的重要参数我们也能发现有很多。

**base_url：**模型服务器地址。

在各种智能体框架和低代码平台中，都会要求配置此参数以指定请求发送到哪个模型服务器。

格式说明：

完整的 API 接口路径通常是：https://域名地址（或者ip+port）/v1/chat/completions

但是大多数智能体框架（如 LangChain、Autogen等等）默认会拼接 /chat/completions，因此我们只需配置到：https://域名地址/v1/ 即可。

而在我们课程中用的最多的SpringAI，他不太一样的点就是，他默认拼接的是：/v1/chat/completions。所以在SpringAI框架中的配置是只到v1之前。

常见模型的base_url：

**Chatgpt：**https://api.openai.com/v1
**通义千问：**https://dashscope.aliyuncs.com/compatible-openai/v1
**DeepSeek：**https://api.deepseek.com/v1
**本地模型：**http://<IP地址或域名>:<端口号>/v1 （如ollama：http://localhost:11434/v1）

参数名称	是否必填	数据类型	作用	参数说明
api_key	必填	String	身份验证	在 HTTP 请求头 (Authorization: Bearer <API Key> ) 中设置，用于验证身份信息、授权访问、计费等。
model	必填	String	指定模型	确定使用哪一个具体的大模型（如 qwen-plus）。
messages	必填	Array	消息列表	传递给模型的对话历史或指令。包含 role（角色：system、user、assistant）和 content(内容)。
temperature	非必填	Float	温度系数	0.0 到 2.0 （部分模型是0.0-1.0）。控制大模型输出的随机程度。低值更稳定，高值更随机。高多样性（示例`temperature`=0.9）：适用于需要创意、想象力和新颖表达的场景，如创意写作、头脑风暴或市场营销文案。高确定性（示例`temperature`=0.1）：适用于要求内容准确、严谨和可预测的场景，如事实问答、代码生成或法律文本。通常建议默认0.7即可。
top_p	非必填	Float	核采样	与温度系数类似（但算法不同），0.0 到 1.0 。控制大模型输出的随机程度。低值更稳定，高值更随机。高值的输出不会像温度系数那么极端。通常不要与温度系数同时调整，只需调整其中之一即可。
max_tokens	非必填	Integer	模型最大输出长度	限定模型单次响应可以生成的最大 Token 数量，影响大模型的回复长度。
n	非必填	Integer	生成次数	请求 API 为给定的 Prompt 生成 n 个不同的回应。
stream	非必填	Boolean	流式输出	默认为false，如果设置为 true，模型会流式返回 Token，而不是等待整个回复生成完毕。非常重要，用于提升用户体验。
stop	非必填	String/Array	停止标记	字符串或字符串列表。模型一旦生成列表中的任一字符串，就会立即停止生成。
presence_penalty	非必填	Float	出现惩罚	-2.0 到 2.0。较高的正值：鼓励模型引入新话题和新词汇，生成的文本会更加多样化。较低的负值：减少新话题的引入，生成的文本会更加集中和一致。
frequency_penalty	非必填	Float	频率惩罚	-2.0 到 2.0。较高的正值：减少重复词语的出现，生成的文本会更加多样化。较低的负值：增加重复词语的出现，生成的文本会更加一致和连贯。
seed	非必填	Integer	复现性种子	如果设置，有助于在多次调用中复现相同的输出，提高结果的可预测性（并非 100% 保证）。

以上就是OpenAI API的全部入参字段，加粗标记的就是正常我们使用的最多的标准字段，其他字段基本可以不用设置，因为设置的不好就非常可能会导致模型输出的不确定性，使用默认值即可。