LLM API 开发：把大模型接入智能客服｜课前预习
失败分类与有界重试
业务问题：查订单超时与创建工单超时，能否都再做一次？
技术问题：SDK 和外层都重试三次会怎样？如何让总时间和取消真正生效？保留预测，课堂用反例核对。
课堂核对入口：失败分类与有界重试。
业务观察：带着问题进入课堂
用户只问一次，为什么可能收费多次？HTTP成功为什么不代表业务正确？ 先写下你自己的判断和依据，课上讲实战时会对照核对。
本次还要思考：SDK替我们做了什么
同样是调用DeepSeek，手写HTTP（超文本传输协议）和安装openai客户端有什么关系？如果客户端会自动重试，会不会影响调用预算或业务执行？先写下你自己的判断，课上再跑一遍对照。
课程名称：LLM API 开发：把大模型接入智能客服｜项目任务：商城客服模型接入层｜编号：W04-D01
第一部分：业务知识
选择一个国内电商平台，观察商品页或商城首页里的客服入口。不要登录，不提交真实订单号、手机号或地址。
记录：
- 客服入口位于商品页、订单页还是全站悬浮区域；
- 用户提出商品问题时，回答里哪些内容必须来自当前商城；
- 当客服无法核对价格或库存时，产品怎样提示；
- 人工客服、机器人客服和商品页面各自承担什么；
- 如果模型服务中断，商城核心功能是否应该继续可用。
画一张“商城页面—客服入口—商品系统”的关系草图。课堂会用它判断 W04 应新增在哪里。
再想一个企业问题：公司已有普通应用服务器，准备先试点客服，是否必须先买显卡？写下你还需要询问的条件，不急着给采购建议。
第二部分：技术相关
客服团队要处理“预算 500 元以内，想要通勤耳机”。今天不推荐商品，也不查询订单；只建设一个可替换、可诊断、能诚实记录证据的模型入口。
模型究竟运行在哪里
没有高端显卡的电脑为什么也能调用 DeepSeek？安装 OpenAI SDK 后，模型是否就装在本机？如果后续要在企业内部部署，谁要负责哪些新增工作？
保留自己的判断，课堂在我的电脑没有高端显卡，模型在哪里运行中用请求链路解答。
先独立判断
- 聊天网页能回答，为什么不等于你的 Python 程序已经接入模型 API（应用程序接口）？
- HTTP 200、模型输出自然、业务事实正确，这三件事是同一层证据吗？
- Key、Base URL、Model（模型） ID 各自错误时，你预计会看到什么？
- 401、429、503 哪些值得自动重试？请写出理由和停止条件。
- Replay（回放） 固定返回
replay-d01-001，它能证明 Adapter（适配器） 哪些行为？不能证明什么？ - 证据日志为什么要保留 request_id、usage（用量）、latency（耗时） 和模型标识，却不能保存 Key？
- 自费真实调用时，怎样控制无意义批量调用和成本失控？
- 如果真实调用失败，怎样继续完成 Learning Gate（课堂学习验收要求），又不把作品集证据写成 Passed（通过）？
- 让 AI（人工智能） 一次生成完整 Adapter 有什么风险？你准备怎样看 diff（代码差异）、注入错误并复验？
把答案写入自己的 notes/d01_prediction.md。保留原始判断，课堂会用 Replay、错误轨迹和你真实的调用逐项验证。
第三部分：课前环境准备
先按 每周 Python 虚拟环境与依赖安装手册 建立 W04 .venv 并安装冻结依赖，再阅读 模型 API 账号与 Key 安全配置手册 与 DeepSeek API 优先使用与课堂配置规范。真实调用默认使用学生你 DeepSeek API；账号、Key、费用由自己管理，课前不在群里提交 Key。没有真实 Key 仍可用 Replay 进入课堂，Portfolio（作品集） Evidence（验证证据） 保持 Pending（待验证）。
入口
课堂讲解后，可用本课预习问题解答核对自己的判断。
行业实践选读
相同系统提示词重复发送，缓存命中是否等于复用了上次答案？
先提出自己的判断，不要求额外安装工具或调用付费 API（应用程序编程接口）。课堂会在缓存命中以后，模型是不是不用回答了中解答。