dify 通过api 调用大模型

<think>好的，用户想了解如何通过Dify的API调用大模型进行开发或集成，需要示例和教程。首先，我需要回顾一下Dify的基本信息，确认它是否确实支持API调用。根据用户提供的引用，Dify确实提供了API服务，允许用户以API形式调用项目应用，而不仅仅是使用用户界面。接下来，我需要整理调用API的具体步骤，比如如何创建应用、获取API密钥、构造请求等。 然后，用户可能需要一个具体的代码示例，最好是Python，因为这是常见的语言。我需要确保代码示例正确，包括请求的端点、必要的头部信息（如Authorization和Content-Type），以及请求体的参数，比如用户输入和响应模式。同时，要说明如何解析返回的响应，提取需要的数据。 另外，用户可能关心如何自定义参数，比如调整温度参数来控制生成结果的随机性，或者使用流式响应。这部分需要分点说明，给出不同场景下的配置示例，并解释每个参数的作用，帮助用户理解如何根据需求进行调整。 最后，生成相关问题时要覆盖常见的使用场景、认证方式、参数调整、错误处理以及与其他工具的比较，这样用户能进一步探索他们可能遇到的问题或扩展应用。要确保所有信息准确，引用正确，并且示例代码的语法正确，符合用户提供的格式要求，比如数学表达式使用$...$，但在这个上下文中可能不涉及数学公式，所以主要关注代码块和引用标识的正确放置。</think>以下是使用Dify API调用大模型的详细教程，包含完整流程和代码示例： ### 一、Dify API调用基础步骤 1. **创建应用** 在Dify控制台创建AI应用，选择所需的大模型（如GPT-3.5/4、Claude等）并配置提示词工程[^1]。 2. **获取API密钥** 在项目设置中找到`API Key`和`Endpoint`，格式通常为： ```python API_KEY = "app-xxxxxxxxxxxxxx" ENDPOINT = "https://api.dify.ai/v1/completion-messages" ``` 3. **构造API请求** ```python import requests headers = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" } payload = { "inputs": {}, "query": "如何解释量子纠缠？", # 用户输入的问题 "response_mode": "blocking" # 支持streaming/blocking两种模式 } response = requests.post(ENDPOINT, json=payload, headers=headers) print(response.json()["answer"]) ``` ### 二、高级参数配置示例 ```python # 带自定义参数的请求 payload = { "inputs": { "temperature": 0.7, # 控制生成随机性(0-2) "max_tokens": 500 # 最大输出长度 }, "query": "用Python实现快速排序", "response_mode": "streaming" # 流式响应 } # 处理流式响应 with requests.post(ENDPOINT, json=payload, headers=headers, stream=True) as res: for chunk in res.iter_content(chunk_size=1024): if chunk: print(chunk.decode("utf-8"), end="") ``` ### 三、返回数据结构示例 成功响应包含： ```json { "event": "message", "message_id": "msg_abc123", "answer": "量子纠缠是指...", "metadata": { "usage": { "prompt_tokens": 56, "completion_tokens": 142 } } } ```