1.2 免费方案与零成本起步 入门 免费

前置知识：1.1 你的第一次 AI 对话

为什么需要它？（Problem）

上一节我们用 OpenAI API 完成了第一次 AI 对话。但你可能马上发现了一个残酷的现实：

• "什么？调 API 要充钱？我还在学习阶段，就想随便玩玩..."
• "公司网络访问 OpenAI 慢得像龟速，经常超时..."
• "老板说数据敏感，不能发到国外的云服务，让我本地部署..."

别慌，穷有穷的玩法，富有富的活法。这一节我们就来看看如何一分钱不花，照样玩转 AI 编程。

它是什么？（Concept）

LLM 的使用方式就像吃饭： 可以去高档餐厅（OpenAI）、可以去自助餐厅（聚合平台）、也可以在家自己做（本地部署）。

LLM 的使用方式可以分为三类：

方案	费用	优点	适合场景
Google AI Studio	免费额度充足（AI 的口粮管够）	Gemini 模型，Google 品质	学习阶段首选
OpenRouter 免费模型	$0	一套 API 调多家免费模型	想体验多种 AI 大脑型号
DeepSeek	极低（约 OpenAI 1/10）	国产模型，中文能力强	预算敏感、中文场景
Ollama（本地）	$0	数据不出本地，完全离线	数据敏感、无网环境

冷知识

OpenAI 的 API 每百万 Token（AI 的口粮）收费 $0.15，听起来很便宜？其实一本小说大约 10 万 Token。换句话说，你让 GPT-4o-mini 读 10 本小说，只需要 $0.15。比买奶茶便宜多了。

一句话总结： 免费方案不是"穷人替代品"，而是"聪明人的选择"——学习阶段用免费的，生产环境再上付费的。

动手试试（Practice）

好了，理论够了，是时候白嫖一波了。下面介绍 4 种零成本/低成本方案，挨个试试，总有一款适合你。

方案 1：Google AI Studio（推荐入门首选）

为什么推荐？ 因为 Google 财大气粗，免费额度给得超大方。而且 Gemini 模型质量不错，不是那种"免费就是垃圾"的套路。

pip install google-genai

from google import genai

client = genai.Client(api_key="YOUR_GOOGLE_API_KEY")
response = client.models.generate_content(
    model="gemini-2.0-flash",
    contents="用一句话解释什么是 API",
)
print(response.text)

获取 API Key

前往 Google AI Studio 免费获取，无需信用卡（VIP 门禁卡）。连银行卡都不用绑，这波真的不亏。

一句话总结： Google AI Studio = 免费 + 大方 + 质量好，学习阶段的最佳选择。

方案 2：OpenRouter 免费模型

OpenRouter 是什么？ 想象一个"AI 超市"，里面有 OpenAI、Claude、Gemini、DeepSeek 等各种 AI 大脑型号。你只需要一张会员卡（API Key），就能随意挑选。

OpenRouter 是一个模型聚合平台，提供多种免费模型。最妙的是，它兼容 OpenAI 的 API 格式——只需改两行代码：

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="YOUR_OPENROUTER_API_KEY",
)
response = client.chat.completions.create(
    model="deepseek/deepseek-chat-v3-0324:free",
    messages=[{"role": "user", "content": "用一句话解释什么是 API"}],
)
print(response.choices[0].message.content)

获取 API Key

前往 OpenRouter 注册，免费模型不需要充值。真·白嫖神器。

翻车现场

看到 model="deepseek/deepseek-chat-v3-0324:free" 里的 :free 了吗？别删！ 删了就变成付费版了。 血泪教训： 有同学手贱删了 :free，第二天收到账单，哭晕在厕所。

一句话总结： OpenRouter = AI 超市，一张卡刷遍所有模型，免费款也不少。

方案 3：DeepSeek（极低成本）

DeepSeek 是什么？ 国产 AI 模型界的"拼多多"——不是质量差，而是价格便宜到离谱。质量能打，中文特别强，价格只有 OpenAI 的 1/10。

DeepSeek 是国产高质量模型，价格仅为 OpenAI 的约 1/10，中文能力出色：

from openai import OpenAI

client = OpenAI(
    base_url="https://api.deepseek.com",
    api_key="YOUR_DEEPSEEK_API_KEY",
)
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role": "user", "content": "用一句话解释什么是 API"}],
)
print(response.choices[0].message.content)

价格对比（AI 的口粮成本）

• OpenAI GPT-4o-mini：$0.15 / 百万输入 Token
• DeepSeek Chat：约 ¥0.1 / 百万输入 Token（不到 OpenAI 的 1/10）

换算成人话： 你用 GPT-4o-mini 花 $1，用 DeepSeek 只需要 ¥0.67（约 $0.09）。省下的钱够买杯咖啡了。

一句话总结： DeepSeek = 便宜 + 中文强 + 质量好，预算敏感用户的福音。

方案 4：Ollama 本地运行（完全免费）

Ollama 是什么？ 想象你在自己家里养了一只"AI 宠物"——不需要联网，不需要充钱，就是有点吃内存。

Ollama 让你在自己的电脑上运行开源 LLM，数据完全不出本地：

# 1. 安装 Ollama（macOS）
brew install ollama

# 2. 启动并下载模型（首次需下载，约 4GB）
ollama run qwen2.5:7b

安装后，Ollama 自动提供兼容 OpenAI 格式的本地 API：

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:11434/v1",
    api_key="ollama",
)
response = client.chat.completions.create(
    model="qwen2.5:7b",
    messages=[{"role": "user", "content": "用一句话解释什么是 API"}],
)
print(response.choices[0].message.content)

硬件要求（你的电脑够不够格）

• 7B 模型（AI 的大脑型号）：至少 8GB 内存
• 14B 模型：至少 16GB 内存
• 70B 模型：需要 64GB+ 内存或专业 GPU

翻译成人话： 普通笔记本电脑只能跑 7B 模型（够用了），想跑大模型？去买台服务器吧。

一句话总结： Ollama = 完全免费 + 数据不出本地 + 需要硬件，适合数据敏感场景。

核心发现：统一的 API 格式

等等，你发现了吗？ 上面 4 种方案的代码几乎一模一样——都用 OpenAI 客户端，只是改了 base_url 和 api_key。

这不是巧合，这是行业标准的力量。OpenAI 的 Chat Completions API 格式已成为事实上的行业标准，几乎所有平台都兼容。这意味着你可以写一套代码，随时切换模型提供商。

换个比喻： 就像手机充电接口统一了 USB-C，你不用担心换手机还得换充电器。AI API 也是一样——学一套，到处用。

import os
from openai import OpenAI

PROVIDERS = {
    "openai":    {"base_url": "https://api.openai.com/v1",       "model": "gpt-4.1-mini"},
    "deepseek":  {"base_url": "https://api.deepseek.com",        "model": "deepseek-chat"},
    "openrouter":{"base_url": "https://openrouter.ai/api/v1",    "model": "deepseek/deepseek-chat-v3-0324:free"},
    "ollama":    {"base_url": "http://localhost:11434/v1",        "model": "qwen2.5:7b"},
}

provider = os.getenv("LLM_PROVIDER", "openrouter")
config = PROVIDERS[provider]

client = OpenAI(base_url=config["base_url"], api_key=os.getenv("LLM_API_KEY", "ollama"))
response = client.chat.completions.create(
    model=config["model"],
    messages=[{"role": "user", "content": "用一句话解释什么是 API"}],
)
print(response.choices[0].message.content)

冷知识

为什么所有平台都兼容 OpenAI 的 API 格式？因为 OpenAI 是最早做出 GPT-3 API 的公司，率先定义了标准。后来者为了方便开发者迁移，都选择了兼容。这就是先发优势——制定规则的人，永远占便宜。

本地运行：jupyter notebook demos/01-first-experience/free_options.ipynb

一句话总结： 统一的 API 格式 = 学一套代码，调所有模型，换提供商只需改两行。

小结（Reflection）

你刚刚完成了什么？

• ✅ 掌握了 4 种零成本/低成本方案（Google AI Studio、OpenRouter、DeepSeek、Ollama）
• ✅ 理解了"AI 的口粮"（Token）、"VIP 门禁卡"（API Key）、"AI 的大脑型号"（Model）
• ✅ 发现了 API 格式统一的秘密——学一套，到处用

还有什么没解决？

• ❓ 模型这么多（GPT-4、Claude、Gemini...），能力差异大，怎么选？
• ❓ 每个模型都有什么特点？适合什么场景？
• ❓ 怎么系统了解 AI 全景？

别急，第 2 章 AI 全景与模型平台 会带你全面了解各大 AI 模型的江湖地位。

一句话总结： 免费方案不是"穷人替代品"，而是"聪明人的选择"——学习阶段白嫖，生产环境再付费。

---

入门篇检查点（第 1 章部分）

完成以下任务，确认第 1 章核心知识已掌握（不做完这些，别说你学过 AI 编程）：

• [ ] 用至少 2 种不同方案（如 OpenAI + Ollama，或 Google AI Studio + OpenRouter）完成 AI 对话
• [ ] 实现一个支持多轮对话的简单脚本（让 AI "记住"上下文）
• [ ] 能说出 system/user/assistant 三种角色的作用（提示：AI 的"人设"、"你的话"、"AI 的回复"）

完成了？恭喜你，已经超过 80% 的入门者了！ 🎉

---

最后更新：2026-02-20