Python + AI 大模型：用少量代码生成一篇完整文章

用 Python 调用 AI 大模型生成文章，本质上不是“让模型变魔术”，而是把写作拆成一个可重复的流程：确定主题、设计提示词、调用模型、获取初稿、人工润色、事实核查、格式化输出。Python 负责连接和自动化，大模型负责生成和改写。代码可以很少，但流程不能少。

下面是一套最小可用方案。

一、最小闭环

一个最简单的文章生成器，只需要四步：

1. 输入主题。
2. 组装提示词。
3. 调用大模型 API。
4. 打印或保存结果。

提示词要尽量明确。不要只说“写一篇文章”，而要说明文章类型、结构、字数、语气和目标读者。例如：

写一篇关于 Python 与 AI 大模型的中文文章，包含标题、引言、3 个小节和结语，语言简洁，约 800 字，面向初学者。

二、少量代码示例

下面这段 Python 代码使用 OpenAI 兼容接口，调用大模型生成文章。只需要把 API Key 放进环境变量，就可以运行。

import os
from openai import OpenAI

client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

def write_article(topic):
    prompt = f"写一篇关于{topic}的中文文章：标题、引言、3个小节、结语，约800字。"
    r = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": prompt}],
        temperature=0.7,
    )
    return r.choices[0].message.content

print(write_article("Python 与 AI 大模型"))

这段代码只有十几行，但它已经完成了核心闭环：输入主题，调用模型，输出文章。如果你用的是其他兼容 OpenAI 接口的模型，只需要修改 base_url 和 model 名称。

三、让文章更好的四个技巧

第一，先大纲，后正文。直接让模型写全文，容易结构松散。更好的做法是先让它生成大纲，确认后再逐节扩写。

第二，设定角色和读者。比如“你是一位科技专栏作者，面向非技术读者解释 Python 和大模型的关系”。角色越清晰，语气越稳定。

第三，分节生成。长文章可以拆成引言、小节和结语分别生成，最后再让模型合并润色。这样更容易控制质量。

第四，人工核查。大模型可能编造数据、引用不存在的来源，或者给出过时信息。涉及事实、数字、法律、医疗和金融内容时，必须人工验证。

四、常见坑与注意事项

API Key 安全：不要把 Key 写进代码，使用环境变量或密钥管理服务。

成本控制：长文章、多轮调用和高质量模型都会增加费用。可以先用小模型生成初稿，再用大模型润色。

版权与合规：不要直接复制受版权保护的内容，生成内容也要遵守平台规则和法律法规。

幻觉问题：模型生成的内容看起来合理，但不一定正确。发布前要核对事实、引用和数字。

风格一致：如果用于自媒体或品牌内容，要建立自己的提示词模板和禁用词列表，避免风格漂移。

五、从生成一篇文章到生成内容系统

如果只是偶尔写一篇，上面的代码就够了。但如果你想持续产出，就需要把它升级成系统：建立选题库、提示词模板、文章结构模板、事实核查清单和发布流程。Python 可以负责批量调用、保存草稿、统计字数和格式化输出；大模型负责生成和改写；人负责判断、润色和最终负责。

结语

Python + AI 大模型生成文章，门槛已经很低。少量代码就能跑通，但真正决定文章质量的，仍然是提示词设计、结构控制、事实核查和人的判断力。代码负责效率，模型负责草稿，人负责价值。把这三者结合起来，才能让 AI 写作从“玩具”变成“生产力”。