以下是几种常见的Python利用AI的方式及代码示例：

使用OpenAI的GPT模型

首先需要安装 openai 库，命令为 pip install openai ，然后参考以下代码：

python

import openai

# 设置OpenAI API密钥

openai.api_key = "你的API密钥"

# 调用ChatGPT模型生成文本

response = openai.ChatCompletion.create(

    model="gpt-3.5-turbo", # 可根据需求选择模型

    messages=[

        {"role": "user", "content": "请用Python写一个计算斐波那契数列的函数"}

    ]

)

# 提取生成的回答

answer = response.choices[0].message["content"]

print(answer)

使用阿里云PAI平台的AI服务

先安装Python SDK，命令为 pip install ai_service_python_sdk-1.1.3-py3-none-any.whl ，再参考以下代码：

python

from ai_service_python_sdk.client.api_client import ApiClient

from ai_service_python_sdk.client.api.ai_service_aigc_images_api import AIGCImagesApi

# 替换为实际的host、appId和token

host = "你的host"

appId = "你的appId"

token = "你的token"

client = ApiClient(host, appId, token)

api = AIGCImagesApi(client)

# 输入训练的图片，以URL形式存在

images = (

    'https://xxx/0.jpg',

    'https://xxx/1.jpg'

)

# 调用模型发起训练接口

response = api.aigc_images_train(images)

print(response)

使用FastAPI框架搭建AI模型服务接口

先安装 fastapi 和 uvicorn ，命令为 pip install fastapi uvicorn ，再参考以下代码：

python

from fastapi import FastAPI

from pydantic import BaseModel

app = FastAPI()

# 定义输入数据模型

class Item(BaseModel):

    feature1: float

    feature2: float

@app.post("/predict")

async def predict(item: Item):

    # 这里假设调用一个AI模型进行预测，实际需替换为真实模型调用

    result = item.feature1 + item.feature2

    return {"prediction": result}

if __name__ == "__main__":

    import uvicorn

    uvicorn.run(app, host="0.0.0.0", port=8000)

以上代码分别展示了调用外部AI服务和搭建简单AI服务接口的方法，实际应用中可根据需求进行调整和扩展。