一、准备硅基流动账号

1.前往硅基流动官网注册账号

点击前往硅基流动官网 ，填写邀请码获得14元赠费：EmdUC8Xs 

点击新建API密钥，这是第一步（API密钥相当于你可以调用模型的门票）

2.前往模型广场挑选一个你想用的模型

建议勾选免费的模型来验证服务器和配置的连通性

（本文基于智谱AI运行，深度思考模型回复较慢不建议调试使用）

复制模型的名字

二、配置代码

把第一步中准备好的API密钥和选择的模型填入到代码前几行的全局变量中，点击运行即可（可能会比较慢）

import requests
import json

# SiliconFlow API配置
API_KEY = "引号中换成自己创建的API密钥"  # API密钥
API_URL = "https://api.siliconflow.cn/v1/chat/completions"  # SiliconFlow API端点
TEXT_PROMPT = "介绍一下你自己"  # 发送的对话内容
MODEL_NAME = "THUDM/GLM-Z1-9B-0414"  # 调用的模型

def call_language_model(prompt):
    """
    调用语言模型
    
    参数:
        prompt (str): 文本内容
    返回:
        dict: API响应
        
    """
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }
    
    # 准备消息内容
    messages = [{"role": "user", "content": prompt}]
    
    # 准备请求数据
    data = {
        "model": MODEL_NAME,  # 指定模型名称
        "messages": messages,
        "temperature": 0.7,
        "max_tokens": 1024
    }
    
    try:
        response = requests.post(API_URL, headers=headers, json=data)
        full_response = response.json()
        
        # 提取需要的信息
        simplified_response = {}
        
        # 提取文本内容
        if "choices" in full_response and len(full_response["choices"]) > 0:
            simplified_response["content"] = full_response["choices"][0]["message"]["content"]
        
        # 提取token使用情况
        if "usage" in full_response:
            simplified_response["usage"] = full_response["usage"]
        
        return simplified_response
    except Exception as e:
        return {"error": str(e)}

def main():
    # 示例: 纯文本查询
    print("发送文本查询...")
    response = call_language_model(TEXT_PROMPT)
    
    # 打印简化后的响应
    if "content" in response:
        print("模型回复:")
        print(response["content"])
        print("\n" + "-"*30 + "\n")
        
        if "usage" in response:
            print("Token使用情况:")
            print(f"提示词tokens: {response['usage']['prompt_tokens']}")
            print(f"回复tokens: {response['usage']['completion_tokens']}")
            print(f"总tokens: {response['usage']['total_tokens']}")
    else:
        print("模型响应出错:")
        print(json.dumps(response, ensure_ascii=False, indent=2))
    
    print("\n" + "-"*50 + "\n")

if __name__ == "__main__":
    main()

如果如下文所示可以在终端正常运行，则可以替换模型和文本进行你的模型DIY咯