本文将详细介绍如何将Perplexity API集成到您的Python项目中。我们将通过一个完整的实例，从获取API密钥开始，逐步引导您完成环境配置、SDK安装以及编写代码发起API请求的全过程。跟随文中的步骤，您可以清晰地了解并掌握与Perplexity API进行交互的基本方法。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
准备工作：获取API密钥
1、在开始编码之前，您需要一个API密钥以验证您的请求。请访问Perplexity的官方开发者平台，登录您的账户后，在设置或API管理页面生成一个新的API密钥。请妥善保管这个密钥，因为它是访问API服务的唯一凭证，后续的代码示例中将会使用到它。
环境配置与SDK安装
1、确保您的开发环境中已经安装了Python。Perplexity官方提供了便捷的Python SDK，可以极大地简化API的调用过程。
2、打开您的终端或命令行工具，使用pip包管理器来安装Perplexity的官方SDK。执行以下命令即可完成安装：
pip install perplexity-ai
立即学习“Python免费学习笔记（深入）”；
3、安装完成后，您就可以在Python脚本中引入并使用该库了。
编写代码调用API
1、现在，我们可以开始编写Python代码了。首先创建一个Python文件，例如 `test_pplx.py`。
2、在文件中，首先需要从 `perplexity` 库中导入 `Perplexity` 客户端。然后，使用您之前获取的API密钥来初始化客户端。建议将密钥存储在环境变量中以增加安全性，但在本示例中我们直接写入代码以便于理解。
3、构建一个消息列表，这是与模型进行对话的基础。通常，这个列表包含一系列字典，每个字典代表一条消息，并指明其角色（如 `user`）和内容。
4、通过调用 `chat.completions.create` 方法来发送请求。您需要指定要使用的模型，例如 "llama-3-sonar-small-32k-online"，并传入构建好的消息列表。
5、以下是一个完整的代码示例，展示了如何发起请求并打印模型返回的回复内容：
from perplexity import Perplexity
client = Perplexity(api_key="在此处替换为您的API密钥")
messages = [
{
"role": "system",
"content": "Be precise and concise.",
},
{
"role": "user",
"content": "How many stars are in the Milky Way?",
},
]
response = client.chat.completions.create(
model="llama-3-sonar-small-32k-online",
messages=messages,
)
print(response.choices[0].message.content)
