知识点 1：一句话讲透「requests 库到底是什么？」
大白话版：requests 就是 Python 里专门用来「让你的电脑和互联网服务器对话」的工具，相当于你电脑里的「微信 / 外卖 APP」。
你可以这么理解：
你的电脑 = 你本人
互联网上的服务器（比如通义千问的大模型服务器、百度的服务器）= 饭店 / 你的朋友
requests 库 = 你的手机微信 / 外卖 APP
你用微信给朋友发消息、等朋友回复 → 你用 requests 给服务器发请求、等服务器返回结果
你用外卖 APP 给饭店发订单、等饭店送餐 → 你用 requests 给大模型服务器发问题、等大模型返回答案
所有 AI 大模型的 API 调用，不管是通义千问、ChatGPT、豆包，还是其他任何 AI 模型，底层都是用 requests 库来实现「发问题、收答案」的，这是 AI 行业最通用、最核心的基础技能，没有之一。
知识点 2：2 个最核心的请求方法（记死，99% 的场景都用这两个）
requests 库有很多方法，但我们学 AI API 调用，只需要先掌握 2 个最核心的，其他的以后用到再学，完全不用记一堆没用的。
| 方法 | 大白话作用 | 适用场景 | 我们用它来干嘛 |
|---|---|---|---|
| requests.get() | 「从网上拿东西」，只需要告诉服务器你想要什么，服务器就会把内容给你 | 看网页、下载图片 / 视频、查公开数据 | 今天入门练习用，以后偶尔用来查公开数据 |
| requests.post() | 「给网上发东西 + 拿结果」，你把自己的内容发给服务器，服务器处理完再把结果给你 | 点外卖、发微信、登录账号、调用 AI 大模型 | 核心中的核心！以后所有大模型 API 调用，全用这个方法 |
手把手实操
步骤 1：安装 requests 库（必须先做，不安装写的代码全跑不通）
pip install requests步骤 2：用 get 方法，发送你的第一个网络请求（入门练习，5 分钟跑通）
# 第一步：导入我们安装好的requests库importrequests# 第二步：定义我们要请求的地址（百度首页的官方地址，固定不变）url="https://www.baidu.com"# 第三步：用get方法，发送请求，拿到服务器返回的结果# 大白话：告诉requests，我要去这个url地址，拿点东西回来response=requests.get(url)# 第四步：打印请求的结果，先看状态码，判断有没有成功print("✅ 请求状态码：",response.status_code)print("✅ 百度首页的内容（前500个字符）：")# 只打印前500个字符，避免内容太多，看不过来print(response.text[:500])步骤 3：用 post 方法，发送带数据的请求（核心练习，直接对接大模型场景）
# 第一步：导入requests库，还有我们之前写的配置文件importrequestsfromconfigimportTONGYI_API_KEY,TONGYI_API_URL# 第一步：导入我们安装好的requests库# 第二步：构造请求头（headers），也就是我们给服务器的「自我介绍+通行证」headers={# 这里放我们的apiKey，告诉服务器我们是注册过的合法用户"Authorization":f"Bearer{TONGYI_API_KEY}",# 告诉服务器，我们发的内容是JSON格式的，让服务器正确解析"Content-type":"application/json"}# 第三步：构造请求体（data），也就是我们给大模型发的「核心内容」data={# 用免费的qwen-turbo模型，新手首选"model":"qwen-turbo",# 我们给大模型发的问题"input":{"messages":[{"role":"user","content":"你好，我是零基础学AI的，能给我打个招呼吗？"}]}}# 第四步：用post方法，发送请求，拿到大模型服务器返回的结果response=requests.post(url=TONGYI_API_URL,json=data,headers=headers)# 第五步：打印请求的结果，先看状态码，判断有没有成功print(" 请求状态码：",response.status_code)# 打印大模型返回的完整结果print(" 大模型返回的结果：")print(response.text)# 步骤 4：解析响应结果，拿到我们想要的内容# 把大模型返回的JSON文本，解析成Python的字典result=response.json()# 直接拿到大模型的回复内容，不用看其他格式ai_reply=result["output"]["text"]print(f"大模型的回复：{ai_reply}")
