AI Agent入门第一课：如何调用大模型

为什么学Agent要从调用大模型开始

很多初学者在接触AI Agent开发时，容易陷入一个误区：一上来就钻研大模型的底层原理，试图搞懂Transformer架构、注意力机制这些复杂的概念。但对于以应用为目标的开发者来说，这条路径既费时又打击信心。

更务实的做法是——先学会怎么调用大模型。当你掌握了调用这个最核心的动作后，Agent中的工具（Tools）、记忆（Memory）、决策（Decision）等模块就会变得容易理解。因为它们本质上都是围绕大模型这个「大脑」展开的辅助能力。

简单回顾一下Agent的四个组成部分：

• 大模型：负责思考
• 工具：负责执行
• 记忆：负责保存信息
• 决策：负责决定下一步怎么做

本文聚焦第一块，也就是Agent的「大脑」，讲清楚大模型到底是怎么被调用的。

用云平台调用大模型，别急着自己部署

调用大模型最简单的方式就是使用云平台。目前国内的选择非常丰富，包括 DeepSeek、智谱、阿里云百炼、火山方舟等，大部分平台都提供免费额度，对于学习阶段来说完全够用。

这里要特别提醒新手：千万不要一上来就想着自己部署模型。本地部署不仅需要昂贵的算力成本（以DeepSeek-V3为例，完整模型需要数百GB显存，即便量化后的小模型也至少需要一块消费级以上的GPU），还会耗费大量时间在环境配置、模型下载、显存调优上，对入门阶段的学习几乎没有帮助。

在众多平台中，比较推荐使用阿里云百炼平台，主要原因是它的文档非常全面和细致，对新手非常友好。你几乎可以在控制台里通过可视化的调试工具，不写一行代码就完成第一次大模型调用。

调用大模型就像发短信

理解调用过程，可以用一个生活化的类比：调用大模型很像用手机发短信。

发短信的三个步骤是：填对方号码 → 输入内容 → 等对方回复。而调用大模型对应的就是：

1. 选择一个模型（相当于填号码）
2. 发送一些内容（相当于输入短信）
3. 等待返回结果（相当于等对方回复）

具体操作上，打开百炼控制台，找到上方的「API参考」，点击「OpenAI 兼容 - Chat」，右边就会出现一个调试按钮。这个OpenAI兼容接口是目前的行业事实标准——OpenAI在2022年底推出ChatGPT后，其Chat Completions API的接口设计迅速被全行业采纳。国内外众多大模型厂商（如阿里通义、智谱GLM、DeepSeek、Moonshot等）都选择采用与OpenAI相同的接口格式，包括请求路径、参数命名、返回结构等。这意味着你只需要学会这一套接口规范，就能通过简单切换base_url和model参数来调用不同厂商的模型，极大降低了迁移和学习成本。这也是为什么很多Agent框架（如LangChain、AutoGen）默认以OpenAI接口格式作为底层通信协议。

在调用之前，你需要先获取一个 API-Key。它相当于你的调用凭证，用来标识身份和计费。API-Key本质上是一种基于令牌的身份认证机制，类似于门禁卡。每次调用大模型时，平台通过API-Key识别调用者身份，并据此进行用量统计和费用结算。大模型的计费通常按Token数量计算——Token是模型处理文本的最小单位，中文大约1个汉字对应1-2个Token，英文大约1个单词对应1-4个Token。需要特别注意的是，API-Key一旦泄露，他人就可以用你的账户额度进行调用，因此绝不能将API-Key硬编码在前端代码或公开的代码仓库中。顺着平台指引创建 API-Key，复制粘贴到对应位置即可。

请求体里的两个核心参数

我们发送给大模型的内容，在计算机术语里叫做请求体（Request Body），里面的内容叫参数，参数后面跟的叫做值。入门阶段，你只需要理解两个关键参数。

Model参数：决定发给哪个模型

第一个参数是 model，它决定你要把请求发送给哪一个模型。比如填 qwen-plus（通义千问 Plus），也可以填 deepseek-chat 等其他模型。每个可选值官方文档都有说明，入门阶段直接用默认值即可。

Messages参数：组织你的对话内容

第二个参数是 messages，这是整个调用的核心。它是一个数组，里面每一个大括号 {} 都代表一条消息（Message）。每条消息又包含两个关键字段：

• role（角色）：标识这条消息是谁说的
• content（内容）：具体的消息文本

最常见的两种角色是：

• system（系统消息）：告诉大模型让它扮演什么角色，比如「你是一个乐于助人的助手」
• user（用户消息）：也就是你要问大模型的具体问题

这里有一个重要的背景知识需要理解：messages数组的设计揭示了大模型对话的一个本质特性——大模型本身是无状态的，它不会记住之前的对话内容。每次调用都是一次独立的请求，模型看到的"上下文"完全依赖于你在messages数组中传入的所有消息。这意味着如果你想实现多轮对话，就需要在每次请求时把之前的对话历史（包括用户说的和模型回复的）全部拼接在messages数组中重新发送。这也解释了为什么Agent需要"记忆（Memory）"模块——它负责管理哪些历史消息需要保留、哪些可以压缩或丢弃，以在有限的上下文窗口（Context Window）内最大化对话质量。

通过 system 消息设定角色、user 消息提出问题，你就完成了一次最基础但完整的对话组织。

发送请求与解析返回结果

填好参数后，点击「发送」，就完成了对大模型的一次调用。右边的响应区域会出现模型返回的结果。

返回内容通常包含很多字段，但入门阶段我们只需要关注一个：choices 中的 content，它就是模型真正的回答。点击「解析内容」，平台会只展示 content 里的文本，比如让它介绍「Agent 是什么」，它就会给出对应的解释。

这里有一个有趣的细节可以验证 system 消息的作用：如果把系统角色设定为「房地产经纪人」，再问它「给我介绍 Agent」，由于 Agent 这个词本身有「代理、经纪人」的含义，模型就会结合角色设定，返回一些经纪人相关的信息。这个例子直观说明了系统消息如何影响模型的输出方向。

事实上，system消息的作用机制涉及到一个重要的实践领域——提示工程（Prompt Engineering）。大模型在预训练阶段学习了海量文本中的语言模式，而system消息相当于在推理时为模型设定一个"行为框架"，引导模型在特定角色、语气、知识范围内生成回答。在实际的Agent开发中，system消息往往承载着复杂的指令，包括角色定义、输出格式要求、工具使用规则、安全限制等，有时可达数千字。精心设计的system prompt是Agent能力的关键组成部分，也是很多商业AI产品的核心竞争力所在。

小结：从「会聊天」到「能做事」

到这里，你已经掌握了调用大模型最基础的方式：选模型、组织消息、发送请求、解析结果。这套流程虽然简单，却是所有Agent开发的地基。

不过需要清醒地认识到——现在的大模型只会聊天，还没办法真正完成任务。它能回答问题、生成文本，但不能帮你查天气、发邮件、操作数据库。要让大模型从「会聊天」进化到「能做事」，就需要引入 Agent 的下一个核心模块：工具（Tools）。

实现这一跨越的关键技术是**Function Calling（函数调用）**机制。其原理是：开发者在请求中除了messages外，还传入一组可用工具的描述（包括工具名称、功能说明、参数定义），模型在理解用户意图后，会判断是否需要调用某个工具，并生成结构化的调用参数。开发者的程序拿到这些参数后执行实际操作（如调用天气API），再将结果返回给模型进行最终总结。这个"模型决策→程序执行→结果回传"的循环，正是Agent能够完成复杂任务的核心机制。

下一步的学习重点，就是理解工具如何与大模型配合，让模型不仅能思考，还能调用外部能力去执行真实任务。掌握了「调用大模型」这个基础动作，后续理解工具调用、记忆管理和决策逻辑都会水到渠成。

核心要点