游戏背景
海龟汤（情境猜谜）是一种逻辑推理游戏。玩家通过提问获取'是'、'否'或'无关'的回答，逐步拼凑出故事背后的完整真相。这种用有限线索破解无限想象的过程，每次提问都是试探，当真相突然亮起时，那种恍然大悟的快感让人上瘾。
技术选型考量
在开发此类交互应用时，API 的选择直接影响开发效率和最终成果。选择反应速度快、灵活度高且成本合理的 AI API，能够精准满足项目需求。支持多种编程语言和调用方式，无论是 Python 还是其他语言，都能轻松适配。接口设计人性化，配合详细的文档和示例代码，能快速上手，节省学习成本和开发时间。对于数据需求较大的场景，充足的调用额度能保证日常学习和项目实践的连续性。相比高昂的授权费用，高性价比的 API 方案更具优势。
实现步骤
首先获取 API Key 并确认要调用的模型编号。在模型广场选择目标模型，复制其标识符。创建 API 密钥后，参考官方文档进行集成。
以下是一个基于 Python 和 OpenAI SDK 风格的调用示例：
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.example.com/v1",
)
stream = True
chat_completion = client.chat.completions.create(
model="model-name",
messages=[{"role": "user", "content": "你是谁"}],
stream=stream,
)
if stream:
for chunk in chat_completion:
if hasattr(chunk.choices[0].delta, 'reasoning_content'):
print(f"{chunk.choices[0].delta.reasoning_content}")
if hasattr(chunk.choices[0].delta, 'content'):
if chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content)
else:
result = chat_completion.choices[0].message.content
在 VS Code 中配置环境后，可以通过自然语言描述需求让 AI 辅助生成具体应用逻辑。运行前确保安装好依赖库，例如 pip install openai requests gradio。
以下是核心业务逻辑代码，实现了题目生成与答案校验功能：
