python调用LM Studio（AI）本地API

# 前提条件
B21-Windows安装python3.x
https://wiki.bafangwy.com/doc/604/

Windows使用LM Studio部署DeepSeek R1模型
https://wiki.bafangwy.com/doc/805/

# 启动本地API

![](/media/202502/2025-02-19_151706_8387280.28303456311186703.png)

## API地址

![](/media/202502/2025-02-19_152055_9656460.33056939378462724.png)

接口地址：
`http://localhost:1234`

## 支持的端点 (类似 OpenAl)
GET /v1/models
POST /v1/chat/completions
POST /v1/completions
POST /v1/embeddings

# 编写python代码

注意：
`"model": "deepseek-r1-distill-qwen-7b",` 这个是使用的模型，根据实际情况修改
`"temperature": 0.7,`  # 控制生成结果的随机性，值越高越随机
`"top_p": 0.95`  # 概率参数，控制生成结果的多样性

```
import requests

def query_model(prompt):
    url = "http://localhost:1234/v1/chat/completions"
    headers = {
        "Content-Type": "application/json"
    }
    data = {
        "model": "deepseek-r1-distill-qwen-7b",
        "messages": [
            {"role": "user", "content": prompt}
        ],
        "temperature": 0.7,
        "top_p": 0.95
    }
    
    response = requests.post(url, json=data, headers=headers)
    return response.json()

# 使用示例
result = query_model("什么是网络空间安全？")
print(result['choices'][0]['message']['content'])
```

运行效果：

![](/media/202502/2025-02-19_151843_9700900.8768059931849808.png)

基于此，可以读取本地日志文件、代码文件内容等，进行日志流量分析、代码审计。
运行效率跟机器配置有关，一般个人电脑的效率不会很高。
推荐调用付费的API。