大家好，我是程序員魚皮。

最近有個(gè)學(xué)員跟我說，他去面試的時(shí)候，面試官問了一個(gè)問題：如果讓你開發(fā)一個(gè) AI 應(yīng)用，你會(huì)怎么做？

他自信滿滿地回答：那還不簡(jiǎn)單？調(diào)個(gè) API 就行了唄。

面試官追問：就這一種方式？你確定嗎？

他直接懵了，場(chǎng)面一度非常尷尬。

其實(shí)這個(gè)問題很有代表性。很多同學(xué)對(duì) AI 應(yīng)用開發(fā)的認(rèn)知還停留在「調(diào) API」這個(gè)層面，覺得能發(fā)個(gè) HTTP 請(qǐng)求拿到 AI 的回答就完事兒了。

但實(shí)際上，調(diào) API 只是最基礎(chǔ)的一種方式。從最底層的 HTTP 請(qǐng)求，到官方 SDK 封裝，到功能齊全的開發(fā)框架，再到拖拽式的低代碼平臺(tái)，還有一種鮮為人知的隱藏模式，AI 應(yīng)用開發(fā)的模式已經(jīng)非常豐富了。

今天魚皮就給大家一次性講清楚，目前主流的 5 種 AI 應(yīng)用開發(fā)模式 到底是什么、怎么用、各自適合什么場(chǎng)景。每種模式我都會(huì)給一段簡(jiǎn)單的代碼示例，幫你快速理解。搞懂這些，不僅面試的時(shí)候能應(yīng)對(duì)自如，用 AI 編程做項(xiàng)目的時(shí)候也能知道該往技術(shù)棧里加什么。

本文內(nèi)容后續(xù)會(huì)收錄到魚皮免費(fèi)開源的 ，感興趣的可以直接在線閱讀完整版。

一、HTTP API 直接調(diào)用

最原始、最直接的方式，就是通過 HTTP 請(qǐng)求調(diào)用大模型的 API 接口。

簡(jiǎn)單來說，就是你的程序給大模型發(fā)送一條消息，大模型處理完之后把結(jié)果返回給你。

這就像打電話給一個(gè)專家咨詢問題。你得自己撥號(hào)碼（拼接 API 地址）、報(bào)上身份（傳入密鑰）、把問題描述清楚（構(gòu)造請(qǐng)求體），然后等專家回答完再自己記錄下來（解析響應(yīng)）。雖然每一步都得自己來，但你對(duì)整個(gè)過程有完全的掌控。

不管你用什么編程語言，只要能發(fā) HTTP 請(qǐng)求，就能調(diào)用 AI 大模型。所以這是所有大模型服務(wù)商都支持的最基本的調(diào)用方式。

無論是國外的 OpenAI 和 Anthropic、國內(nèi)的 DeepSeek 和通義千問，還是本地用 Ollama 部署的開源模型，甚至是 OpenRouter 這類一個(gè) API Key 就能調(diào)用多家模型的聚合平臺(tái)，都支持通過 HTTP API 來調(diào)用。

目前 HTTP API 調(diào)用主要有兩種協(xié)議格式。

1）OpenAI 兼容格式

這套格式最初是 OpenAI 定義的，但因?yàn)橛玫娜硕啵F(xiàn)在已經(jīng)成了各家默認(rèn)遵循的標(biāo)準(zhǔn)。DeepSeek、通義千問、Kimi、Ollama 等絕大多數(shù)大模型服務(wù)商都兼容這套格式。

有統(tǒng)一標(biāo)準(zhǔn)的好處是，你寫一套調(diào)用大模型的代碼，只需要換個(gè) API 地址和密鑰，就能無縫切換到不同廠商的模型，不用重新適配格式。

舉個(gè)例子，我用 HTTP 請(qǐng)求工具 curl，發(fā)一個(gè) OpenAI 兼容格式的請(qǐng)求，調(diào)用 DeepSeek 大模型：

curl https://api.deepseek.com/chat/completions \
  -H "Authorization: Bearer 你的API密鑰" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro",
    "messages": [
      {"role": "system", "content": "你是一個(gè)有用的助手"},
      {"role": "user", "content": "用一句話介紹什么是AI應(yīng)用開發(fā)"}
    ]
  }'

如果換成調(diào)用 OpenAI 的模型，只需要把 URL 請(qǐng)求地址和 model 模型名稱換一下就行，請(qǐng)求格式完全一樣。

2）Anthropic Messages API 格式

Anthropic（Claude 模型的開發(fā)商）用的是自己獨(dú)立的一套協(xié)議，請(qǐng)求結(jié)構(gòu)和 OpenAI 不太一樣。

比如系統(tǒng)提示詞是放在頂層的 system 參數(shù)里，而不是作為一條消息傳入。如果你要調(diào)用 Claude 系列模型，就得按它的格式來。

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: 你的API密鑰" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-4-6",
    "max_tokens": 1024,
    "system": "你是一個(gè)有用的助手",
    "messages": [
      {"role": "user", "content": "用一句話介紹什么是AI應(yīng)用開發(fā)"}
    ]
  }'

實(shí)際開發(fā) AI 應(yīng)用的時(shí)候，你還需要了解請(qǐng)求和響應(yīng)中各個(gè)字段的含義。最核心的是 messages 字段，也就是你跟 AI 的對(duì)話消息列表；此外還有 temperature 控制回答的隨機(jī)性、max_tokens 限制回答長度、響應(yīng)里的 usage 字段能告訴你這次調(diào)用消耗了多少 Token 等等。各家平臺(tái)一般都會(huì)提供詳細(xì)的 API 文檔，照著文檔來就行。

大模型的 API 一般會(huì)提供兩種調(diào)用方式。一種是普通請(qǐng)求，一問一答，等 AI 生成完整個(gè)回答后一次性返回。另一種是流式請(qǐng)求，如果你想實(shí)現(xiàn)一個(gè)字一個(gè)字往外蹦的打字機(jī)效果，就需要用到 SSE（Server-Sent Events） 流式傳輸協(xié)議，讓服務(wù)端把生成的內(nèi)容一段一段地推送給你。用法也不復(fù)雜，一般只需要在請(qǐng)求參數(shù)里把 stream 設(shè)置為 true 就行了。

下面我用 Python 寫一個(gè)流式調(diào)用的例子，感受一下打字機(jī)效果是怎么實(shí)現(xiàn)的：

import requests

 response = requests.post(
    "https://api.deepseek.com/chat/completions",
    headers={
        "Authorization": "Bearer 你的API密鑰",
        "Content-Type": "application/json"
    },
    json={
        "model": "deepseek-chat",
        "stream": True,  # 開啟流式輸出
        "messages": [
            {"role": "system", "content": "你是一個(gè)有用的助手"},
            {"role": "user", "content": "用一句話介紹什么是AI應(yīng)用開發(fā)"}
        ]
    },
    stream=True# 開啟流式接收
)

 # 逐行讀取服務(wù)端推送的內(nèi)容
for line in response.iter_lines():
    if line:
        print(line.decode())

寫過上面那段代碼的同學(xué)應(yīng)該能感受到，直接用 HTTP 調(diào)用還是挺麻煩的。填寫 URL、設(shè)置請(qǐng)求頭、構(gòu)造 JSON、解析響應(yīng)、處理錯(cuò)誤碼、流式數(shù)據(jù)逐行解析…… 這些跟你的業(yè)務(wù)邏輯壓根兒沒關(guān)系，但每一個(gè)都得自己處理。

所以各大模型廠商都提供了 SDK（Software Development Kit 軟件開發(fā)工具包），幫你把這些底層細(xì)節(jié)封裝好了。

如果 HTTP API 是自己撥號(hào)打電話，那 SDK 就像裝了一個(gè)智能通訊 APP。你只管說話，APP 幫你自動(dòng)撥號(hào)、接通、錄音、整理成文字，你拿到手的直接就是現(xiàn)成的答案。

目前 OpenAI、Anthropic、Google、阿里云百煉、智譜等主流大模型服務(wù)商都提供了多語言的 SDK，覆蓋 Python、Java 等常用語言。

SDK 的本質(zhì)就是對(duì) HTTP 請(qǐng)求的封裝，所以前面提到的 OpenAI 兼容格式在 SDK 層面同樣適用。比如 DeepSeek 兼容 OpenAI 的協(xié)議，那你直接用 OpenAI 的 SDK，改個(gè)參數(shù)就能調(diào)用 DeepSeek 模型了。

比如我用 OpenAI 的 Python SDK 來調(diào)用 GPT 模型，代碼如下：

# 引入 OpenAI 官方 SDK
from openai import OpenAI

 client = OpenAI(api_key="你的API密鑰")

 completion = client.chat.completions.create(
    model="gpt-5",
    messages=[
        {"role": "system", "content": "你是一個(gè)有用的助手"},
        {"role": "user", "content": "用一句話介紹什么是AI應(yīng)用開發(fā)"}
    ]
)

 print(completion.choices[0].message.content)

不用填寫 URL、不用設(shè)置請(qǐng)求頭、不用手動(dòng)解析 JSON，幾行代碼就搞定了。而且 SDK 還內(nèi)置了錯(cuò)誤重試、類型提示、流式處理等功能，讓開發(fā)效率更高、代碼更簡(jiǎn)潔、系統(tǒng)也更穩(wěn)定。

如果你用的是 DeepSeek 模型，代碼幾乎一模一樣，只需要改一下 base_url 請(qǐng)求地址和 model 模型名稱就行：

client = OpenAI(
    api_key="你的DeepSeek密鑰",
    base_url="https://api.deepseek.com"
)


 # 調(diào)用時(shí)把 model 換成 DeepSeek 的模型名
completion = client.chat.completions.create(
    model="deepseek-chat",
    messages=[...]
)

SDK 解決了 怎么方便地調(diào)模型 的問題，但企業(yè)中的 AI 應(yīng)用遠(yuǎn)不止調(diào)一下模型那么簡(jiǎn)單。

你可能還需要讓 AI 記住之前聊過什么（會(huì)話記憶）、讓 AI 先去知識(shí)庫里查資料再回答（RAG 檢索增強(qiáng)生成）、讓 AI 能調(diào)用外部工具比如查天氣、搜網(wǎng)頁（工具調(diào)用）、通過 MCP 協(xié)議接入更多外部服務(wù)、甚至讓多個(gè) AI 協(xié)同工作完成復(fù)雜任務(wù)……

這些能力如果每個(gè)都自己從零開始寫，工作量巨大。所以就有人在 SDK 的基礎(chǔ)上又封裝了一層，做成了 AI 開發(fā)框架。

打個(gè)比方，SDK 相當(dāng)于給你提供了發(fā)動(dòng)機(jī)、輪胎、方向盤這些零件，你得自己一個(gè)一個(gè)裝配；AI 開發(fā)框架相當(dāng)于直接給你一輛半成品車，底盤、車架、電路都搭好了，你只需要決定外觀和內(nèi)飾就能上路。

下面以 Python 和 Java 為例，列舉幾個(gè)主流的 AI 開發(fā)框架，之后你在 AI 編程時(shí)看到這些技術(shù)名詞，就不會(huì)感到陌生了。

Python 生態(tài)中，LangChain 是目前最主流的 AI 應(yīng)用開發(fā)框架，提供了大量集成組件，涵蓋模型調(diào)用、RAG 知識(shí)庫、工具調(diào)用、MCP 集成等常用能力。

LangGraph 是 LangChain 團(tuán)隊(duì)推出的進(jìn)階框架，用圖的結(jié)構(gòu)來編排復(fù)雜的 AI 工作流，適合構(gòu)建有狀態(tài)的、需要循環(huán)和分支邏輯的 AI 智能體。

舉個(gè)例子，用 LangChain 調(diào)用模型的代碼長這樣：

from langchain.chat_models import init_chat_model
from langchain.messages import HumanMessage, SystemMessage

 model = init_chat_model("gpt-5")

 messages = [
    SystemMessage("你是一個(gè)有用的助手"),
    HumanMessage("用一句話介紹什么是AI應(yīng)用開發(fā)")
]

 response = model.invoke(messages)
print(response.content)

看起來和 SDK 差不多對(duì)吧？

但 LangChain 的價(jià)值在于，當(dāng)你需要加上記憶、工具調(diào)用這些高級(jí)能力時(shí)，只需要幾行配置就能搞定，不用自己從零實(shí)現(xiàn)。

比如創(chuàng)建一個(gè)帶工具調(diào)用能力的 AI Agent：

from langchain.agents import create_agent
from langchain.tools import tool

 # 定義一個(gè)工具，讓 AI 能查天氣
@tool
def get_weather(city: str) -> str:
    """查詢指定城市的天氣"""
    returnf"{city}今天晴，25°C"

 # 一行代碼創(chuàng)建帶工具調(diào)用能力的 Agent
agent = create_agent(model="gpt-4o", tools=[get_weather])

 # 調(diào)用 Agent，它會(huì)自動(dòng)判斷是否需要調(diào)用工具
result = agent.invoke(
    {"messages": [{"role": "user", "content": "北京今天天氣怎么樣？"}]}
)

這樣 AI 就能主動(dòng)調(diào)用工具去查天氣了，你只需要定義好工具函數(shù)，LangChain 幫你搞定剩下的。

而且很多其他語言生態(tài)的 AI 開發(fā)框架，在設(shè)計(jì)上幾乎都參考了 LangChain 的思路，比如 Java 的 LangChain4j、Go 的 LangChainGo，功能上和 Python 版基本對(duì)齊，學(xué)會(huì)一個(gè)版本切到其他語言也很容易上手。

Java 生態(tài)還有 Spring 官方推出的 Spring AI 以及阿里的 Spring AI Alibaba，深度融入 Spring Boot 生態(tài)，適合 Java 后端開發(fā)者快速上手。

另外我覺得 Vercel AI SDK 也值得大家關(guān)注，它是 TypeScript 生態(tài)的 AI 開發(fā)框架，提供了 20 多個(gè)模型供應(yīng)商的統(tǒng)一接口，特別適合前端和全棧開發(fā)者。

四、低代碼 AI 開發(fā)平臺(tái)

框架雖然功能強(qiáng)大，但寫代碼終歸是有門檻的。特別是業(yè)務(wù)人員或者不太會(huì)編程的同學(xué)，光是搭個(gè)開發(fā)環(huán)境就夠頭疼的了。

這時(shí) 低代碼 AI 開發(fā)平臺(tái) 就派上用場(chǎng)了，不用寫代碼也能搭出 AI 應(yīng)用。

打個(gè)比方，低代碼平臺(tái)就像搭積木。大模型是一塊積木，知識(shí)庫是一塊積木，工具調(diào)用是一塊積木，每塊積木都是現(xiàn)成的，你只需要決定怎么拼接、拼成什么形狀就好了。

Dify 是典型的低代碼 AI 開發(fā)平臺(tái)，它支持通過可視化界面搭建 AI 聊天助手、工作流、知識(shí)庫問答等應(yīng)用，還能一鍵接入各種大模型。

它最大的優(yōu)勢(shì)是開源、可私有化部署，企業(yè)想把數(shù)據(jù)放在自己服務(wù)器上也沒問題。

在 Dify 上搭一個(gè) AI 聊天助手，大概就這么幾步：

1. 選擇一個(gè)大模型（比如 GPT-5.5 或 DeepSeek）

2. 寫一段系統(tǒng)提示詞，告訴 AI 它的角色

3. 配置知識(shí)庫（可選），上傳你的文檔資料

4. 點(diǎn)擊發(fā)布，就能得到一個(gè)可調(diào)用的 API 或者直接分享的聊天鏈接

整個(gè)過程不需要寫一行代碼。

類似的平臺(tái)還有不少，比如字節(jié)跳動(dòng)的 Coze（扣子）也支持可視化搭建 AI 應(yīng)用，容易上手；阿里云百煉是一站式的大模型應(yīng)用構(gòu)建平臺(tái)，集成了模型調(diào)用、智能體編排、知識(shí)庫管理等能力；還有開源的工作流自動(dòng)化平臺(tái) n8n，擅長做跨系統(tǒng)的 AI 自動(dòng)化流程。

五、AI 編程工具的 SDK

前面 4 種模式覆蓋了從手動(dòng)寫代碼、到完全不寫代碼的各種方案。但還有一種很多同學(xué)不知道的模式。。。

2026 年，Cursor、Claude Code、GitHub Copilot 等 AI 編程工具紛紛推出了自己的 SDK。你可以在自己的代碼里直接調(diào)用這些 AI 編程工具的 Agent，它們能幫你讀代碼、改代碼、跑命令，而且你在 AI 編程工具里配置好的 MCP 服務(wù)、Skills、項(xiàng)目規(guī)則這些能力，通過 SDK 調(diào)用時(shí)同樣能生效。

如果說前面那些方式都是你自己動(dòng)手干活，那么使用 AI 編程工具的 SDK 相當(dāng)于你雇了一個(gè)會(huì)寫代碼的 AI 程序員。你只需要告訴它做什么，它會(huì)自動(dòng)讀文件、分析代碼、完成開發(fā)。

以 Cursor SDK 為例，允許你在 TypeScript / Node.js 代碼中直接調(diào)用 Cursor 的 AI Agent。

先新建項(xiàng)目文件夾，然后打開終端，在該目錄下輸入一行命令安裝 SDK：

npm install @cursor/sdk

然后登錄 Cursor Dashboard，在 Integrations 頁面生成一個(gè) API Key 并保存下來，后面代碼里需要用它來驗(yàn)證身份。

假設(shè)我本地有一個(gè)「創(chuàng)作選題獲取器」項(xiàng)目，里面用 AGENTS.md 定義了選題獲取的工作流規(guī)則，還安裝了 frontend-design 前端設(shè)計(jì)技能。

現(xiàn)在我想讓 AI 幫我獲取今天的熱門選題，并生成一個(gè)漂亮的網(wǎng)頁報(bào)告。

新建一個(gè) JavaScript 文件，比如 main.js，寫入以下代碼：

import { Agent } from"@cursor/sdk";

 // 創(chuàng)建 AI Agent，指向「創(chuàng)作選題獲取器」項(xiàng)目
const agent = await Agent.create({
apiKey: '你的 API Key',
model: { id: "gpt-5.5" },
local: { cwd: "/Users/yupi/workflow/創(chuàng)作選題獲取器" },
});

 // 一句話下達(dá)指令
const run = await agent.send("幫我獲取今日 AI 領(lǐng)域的熱門選題，并生成一個(gè)網(wǎng)頁報(bào)告");

 // 收集所有事件，打印到終端的同時(shí)保存到文件
const events = [];
forawait (const event of run.stream()) {
console.log(event);
  events.push(event);
}

 // 把完整的事件記錄保存為 JSON 文件，方便事后分析
const fs = awaitimport("fs");
fs.writeFileSync("agent-output.json", JSON.stringify(events, null, 2));

然后在終端執(zhí)行：

node main.js

運(yùn)行后你會(huì)在終端看到一連串事件輸出，比如 Agent 開始執(zhí)行。

從日志里可以清晰地看到 Agent 的整個(gè)執(zhí)行過程：它先用 glob 工具掃描了項(xiàng)目目錄，然后用 read 工具依次讀取了 AGENTS.md 工作流規(guī)則和 frontend-design 的 SKILL.md 技能說明，接著通過 shell 工具調(diào)用了項(xiàng)目里的熱點(diǎn)獲取腳本進(jìn)行聯(lián)網(wǎng)搜索，從 GitHub、Hacker News 等 6 個(gè)平臺(tái)采集了 70 條熱門話題，再通過 edit 命令生成了一個(gè)近千行代碼的 HTML 網(wǎng)頁報(bào)告。

最后 Agent 還自動(dòng)打開了瀏覽器，讓你直接查看生成的選題報(bào)告。

你會(huì)發(fā)現(xiàn)，整個(gè)過程和在 Cursor 編輯器里跟 AI 對(duì)話一模一樣。但區(qū)別在于，現(xiàn)在你是用代碼來調(diào)用它的，這意味著你可以把它嵌入到 CI/CD 流水線、自動(dòng)化腳本、甚至自己的產(chǎn)品里。普通的大模型 SDK 只能幫你生成文本，而 AI 編程工具的 SDK 能幫你直接操作代碼庫、調(diào)用工具、生成文件。

如果只是一次性的簡(jiǎn)單任務(wù)，還有更簡(jiǎn)潔的寫法：

const result = await Agent.prompt(
  "給這個(gè)項(xiàng)目寫一個(gè) README.md",
  {
    apiKey: process.env.CURSOR_API_KEY!,
    model: { id: "composer-2" },
    local: { cwd: process.cwd() },
  }
);

前面演示的是本地運(yùn)行模式，Agent 直接在你自己的電腦上跑，適合開發(fā)調(diào)試。除此之外，Cursor SDK 還支持 Cursor 托管云模式，Cursor 幫你在云端開一臺(tái)隔離的虛擬機(jī)來執(zhí)行任務(wù)，適合同時(shí)跑多個(gè) Agent 并行處理；以及自托管云模式，你自己管理服務(wù)器，適合企業(yè)內(nèi)部使用。

有了 AI 編程工具的 SDK 后，你甚至可以把 AI 編程工具當(dāng)成一種開發(fā)環(huán)境，就像部署項(xiàng)目需要配置數(shù)據(jù)庫一樣，在服務(wù)器上配好 AI 編程工具的環(huán)境，然后在代碼中通過 SDK 來調(diào)用，實(shí)現(xiàn)自動(dòng)化的代碼生成、審查、重構(gòu)等任務(wù)。

除了 Cursor，Anthropic 的 Claude Agent SDK 和 GitHub 的 Copilot SDK 也提供了類似的能力，用法大同小異。

怎么選擇？

講完了 5 種 AI 應(yīng)用開發(fā)模式，那實(shí)際開發(fā)的時(shí)候到底該選哪種呢？

這里我?guī)痛蠹易隽艘粋€(gè)簡(jiǎn)單的對(duì)比：

模式

一句話總結(jié)

適合誰

HTTP API

自己拼請(qǐng)求調(diào)模型，最底層最靈活

想了解底層原理、或 SDK 不支持的語言

官方 SDK

用官方封裝好的工具包調(diào)模型

大多數(shù)開發(fā)者的日常開發(fā)

AI 開發(fā)框架

記憶、RAG、工具調(diào)用等能力開箱即用

需要開發(fā)完整 AI 應(yīng)用的團(tuán)隊(duì)

低代碼平臺(tái)

拖拽搭建，不用寫代碼

非技術(shù)人員、快速驗(yàn)證想法

AI 編程工具 SDK

讓 AI Agent 幫你寫代碼

想把 AI 編程能力集成到自動(dòng)化流程中

注意，這 5 種模式之間并不是互相排斥的，實(shí)際開發(fā)中經(jīng)常會(huì)混著用。比如用低代碼平臺(tái)快速搭個(gè)原型驗(yàn)證想法，驗(yàn)證通過后再用開發(fā)框架重寫成正式版本；或者在框架搭好的項(xiàng)目里，某些模塊直接用 HTTP API 調(diào)一個(gè)特殊接口。

選擇的核心原則是：用最少的成本解決當(dāng)前的問題。 能拖拽解決的，就別寫代碼；能用框架搞定的，就別自己造輪子；能用 SDK 的，就別手?jǐn)] HTTP。

不過如果你是在學(xué)習(xí)階段，我建議反過來，從 HTTP API 開始，一步步往上走。這樣對(duì)每一層的原理都能有清晰的理解，后面用更高層的工具也不會(huì)一頭霧水。

最后嗶嗶

AI 應(yīng)用開發(fā)這個(gè)領(lǐng)域變化太快了，新框架、新工具幾乎每個(gè)月都在冒出來。

但萬變不離其宗，底層就是這幾種模式。

搞懂了這些，不管未來出什么新工具，你都能快速定位它屬于哪一層、解決什么問題。

回到開頭那個(gè)面試場(chǎng)景，如果你能把這 5 種模式的適用場(chǎng)景和優(yōu)劣講清楚，面試官大概率會(huì)對(duì)你刮目相看。

如果你想系統(tǒng)學(xué)習(xí) AI 編程和 AI 應(yīng)用開發(fā)，可以看看我免費(fèi)開源的 ，GitHub Star 數(shù)破萬，從零基礎(chǔ)到項(xiàng)目實(shí)戰(zhàn)的完整學(xué)習(xí)路徑都有。想做 AI 實(shí)戰(zhàn)項(xiàng)目的話，編程導(dǎo)航 上也有多套 AI 項(xiàng)目教程，手把手帶你從 0 到 1 做出完整的 AI 應(yīng)用。

魚皮AI導(dǎo)航開源教程

我是魚皮，持續(xù)分享 AI 編程和 AI 應(yīng)用開發(fā)的干貨。覺得有用的話記得點(diǎn)贊收藏和關(guān)注~

也歡迎在評(píng)論區(qū)聊聊：你開發(fā)過 AI 應(yīng)用么？使用的是哪種 AI 應(yīng)用開發(fā)模式？