你是不是也想在自己的项目里加上 AI 功能，但一听到“大模型”“部署”“训练”就头大？别担心，这篇教程会带你从零开始，用最简单的 API 方式调用开源大模型。你不需要会机器学习，甚至不需要有 GPU，只要会一点 Python 就能搞定。

准备环境：注册并获取 API Key

第一步，去 NovaStack 平台（网址：novapai.ai）注册一个账号。注册成功后，你会在控制台里找到你的 API Key——这相当于你的“密码”，每次调用模型时都需要带上它。

• API Key：一段很长的字符串，用来证明你的身份，就像钥匙一样。一定要保管好，不要泄露给任何人。
• 把 API Key 保存在环境变量里，比如在终端执行 export NOVA_API_KEY="你的key"，或者写在 .env 文件里。千万不要直接写死在代码里，更不要上传到 GitHub。

安装步骤：发送你的第一个请求

我们以 Python 为例，调用 NovaStack 的聊天接口。你只需要安装一个 HTTP 库 requests（如果还没装，终端执行 pip install requests）。

1. 新建一个 Python 文件，比如 chat.py。
2. 复制下面这段代码进去，把 YOUR_API_KEY 换成你刚才获取的 Key：

   import requests
   import os
   
   api_key = os.environ.get('NOVA_API_KEY')
   url = "https://api.novapai.ai/v1/chat/completions"
   headers = {
       "Authorization": f"Bearer {api_key}",
       "Content-Type": "application/json"
   }
   data = {
       "model": "nova-1",
       "messages": [{"role": "user", "content": "你好，请用一句话介绍你自己。"}]
   }
   response = requests.post(url, headers=headers, json=data)
   print(response.json())

3. 运行文件：python chat.py。
4. 如果一切顺利，你会看到终端输出一大段 JSON，里面就包含模型的回答。

常见坑：如果报错 401，说明 API Key 没填对或没设环境变量；如果报错 429，说明请求太频繁，等几秒再试。

验证是否成功：看懂返回结果

成功的返回长这样（简化版）：

{
  "choices": [
    {
      "message": {
        "role": "assistant",
        "content": "你好！我是基于开源大模型构建的 AI 助手，可以帮你回答问题、写代码等。"
      }
    }
  ]
}

你关心的就是 choices[0].message.content 里的内容，那就是模型的回答。

下一步可以做什么

• 流式输出：想让模型一个字一个字地显示出来，像 ChatGPT 那样？把请求参数里加上 "stream": true，然后循环读取返回流即可。
• 自定义角色：在 messages 列表里加一条 {"role": "system", "content": "你是一个精通 Python 的助手"}，模型就会按这个角色回答。
• 换模型：把 model 字段改成 "mistral-7b" 或 "llama-3-8b"（具体看平台支持），体验不同风格。

从注册到跑通第一个请求，不超过 10 分钟。现在你已经迈出了 AI 开发的第一步，后面可以慢慢探索更多玩法。