🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度
使用Python和Taotoken SDK快速构建一个多轮对话聊天机器人原型
本文面向希望快速体验大模型对话能力的开发者，介绍如何使用Python和Taotoken提供的OpenAI兼容SDK，构建一个具备上下文记忆功能的命令行聊天机器人原型。整个过程无需复杂的配置，只需几行核心代码即可实现与多种大模型的交互。
1. 准备工作：环境与密钥
开始编写代码前，你需要完成两项简单的准备工作。
第一是安装必要的Python库。我们将使用官方维护的openai库，它兼容Taotoken的API接口。在终端或命令行中执行以下命令即可完成安装。
pip install openai第二是获取访问凭据。你需要登录Taotoken控制台，创建一个API Key。同时，在模型广场页面，可以查看所有可用的模型及其对应的模型ID，例如claude-sonnet-4-6或gpt-4o-mini。请妥善保管你的API Key，接下来的步骤会用到它。
2. 核心连接：初始化客户端
与Taotoken服务建立连接的核心是正确配置OpenAI客户端。关键点在于设置base_url参数，这决定了你的请求将被发送到何处。
以下是初始化客户端的标准代码。请将YOUR_API_KEY替换为你从Taotoken控制台获取的真实API Key。
from openai import OpenAI client = OpenAI( api_key="YOUR_API_KEY", # 替换为你的Taotoken API Key base_url="https://taotoken.net/api", # 固定为Taotoken的OpenAI兼容端点 )请注意，base_url的值固定为https://taotoken.net/api。OpenAI SDK会自动在此基础URL后拼接/v1/chat/completions等具体路径，因此你无需手动添加/v1部分。这个地址是连接Taotoken平台所有OpenAI兼容模型服务的统一入口。
3. 实现对话：编写聊天循环
有了初始化的客户端，我们就可以构建聊天机器人的核心逻辑了。一个能记住上下文的聊天机器人，关键在于在每次请求时，将整个对话历史（包括用户的问题和模型的回复）传递给API。
下面的代码实现了一个简单的命令行交互循环。它会持续运行，直到用户输入“exit”退出。
def chat_with_memory(model_id="claude-sonnet-4-6"): messages = [] # 用于存储对话历史的列表 print(f"开始与模型 {model_id} 对话，输入 'exit' 退出。") while True: user_input = input("\n你: ") if user_input.lower() == 'exit': print("对话结束。") break # 将用户本轮输入加入历史 messages.append({"role": "user", "content": user_input}) try: # 发起API调用，传入完整的对话历史 completion = client.chat.completions.create( model=model_id, messages=messages, stream=True # 启用流式输出，获得更即时的响应体验 ) print("助手: ", end="", flush=True) full_response = "" # 处理流式响应 for chunk in completion: if chunk.choices[0].delta.content is not None: content = chunk.choices[0].delta.content print(content, end="", flush=True) full_response += content print() # 换行 # 将模型本轮回复加入历史 messages.append({"role": "assistant", "content": full_response}) except Exception as e: print(f"请求出错: {e}") if __name__ == "__main__": chat_with_memory()这段代码的核心是messages列表，它按照时间顺序保存了所有role为user或assistant的消息。每次新的用户提问后，程序都会将整个列表发送给API，这样模型就能基于之前的全部对话内容生成有连贯性的回复。我们同时开启了stream=True参数，以实现类似打字机效果的流式输出，提升交互体验。
4. 切换模型：体验不同风格
使用Taotoken的一个主要优势是能够轻松切换不同的底层大模型，而无需修改代码逻辑或更换API端点。你只需要更改client.chat.completions.create方法中的model参数值。
例如，如果你想尝试另一个模型，只需修改调用函数时的参数：
# 使用 GPT 系列模型 chat_with_memory(model_id="gpt-4o-mini") # 或者使用 DeepSeek 模型 chat_with_memory(model_id="deepseek-chat")你可以在Taotoken的模型广场查看所有可用的模型ID。通过简单地更换这个字符串，你的聊天机器人原型就能立即对接不同的模型服务，方便你快速对比和测试不同模型在对话逻辑、创意写作或代码生成等方面的表现差异。
5. 下一步探索
至此，你已经完成了一个具备上下文记忆功能的多轮对话聊天机器人原型。这个原型可以作为许多应用的基础，例如智能客服助手、编程陪练或创意写作工具。
为了进一步完善它，你可以考虑以下几个方向：为对话历史增加长度限制或摘要功能，以防止上下文过长；添加系统提示词（system角色消息）来更精确地设定机器人的行为和身份；或者将命令行界面升级为图形化Web界面。
探索更多模型和高级功能，可以访问Taotoken查看完整的模型列表和API文档。祝你构建愉快。
🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度
)