和 AI 玩海龟汤差点崩溃：它永远比我多知道 100 个隐藏真相

关于海龟汤

第一次接触海龟汤时，我还以为这是某种美食烹饪挑战，直到朋友抛出第一个谜题 ——“一个人走进酒吧，要了一杯水，酒保却掏出一把枪对准他，可这个人不仅没害怕，反而说了声谢谢离开了”，才惊觉这是场烧脑的逻辑游戏。海龟汤，学名情境猜谜，玩家只能通过提问获取 “是”“否” 或 “无关” 的回答，一步步拼凑出汤底背后的完整故事。这种用有限线索破解无限想象的过程，就像在黑暗中摸索开关，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。

作为计算机专业的学生，我常在蓝耘 API 的助力下完成课程设计。有次用它处理文本数据时，突然冒出个想法：既然海龟汤的本质是文本逻辑交互，为什么不做一款属于自己的海龟汤游戏？
最初的念头源于对解谜的热爱。深夜和朋友玩海龟汤时，看着大家为了一个谜题争论到面红耳赤，最后被反转的汤底惊得笑出眼泪，我意识到这种互动游戏的魅力。市面上虽然有不少海龟汤游戏，但要么谜题老套，要么交互不够灵活。我想用蓝耘 API 的高反应速度和灵活度，打造一款能实时生成新谜题、根据玩家提问动态调整线索的游戏，让每场推理都充满新鲜感。

为什么使用蓝耘api呢？

作为一名计算机专业的学生，在完成课程设计和参与项目实践时，API 的选择直接影响着我的 “肝代码” 效率和最终成果。在踩过无数 “坑” 后，蓝耘 API 就像发现新大陆一样，成为我在开发路上的得力助手，特别是它反应速度快、灵活度高、量大还便宜的特点，完全精准戳中了学生党的需求！

蓝耘 API 支持多种编程语言和调用方式，无论是 Python、Java 还是其他语言，都能轻松适配。在开发一个图像识别小项目时，我可以根据自己的需求自由调整参数，实现个性化的功能。而且，它的接口设计非常人性化，即使是我这样的 “学生小白”，对照着详细的文档和示例代码，也能快速上手，大大节省了学习成本和开发时间。

对于学生党来说，“量大” 简直是蓝耘 API 的 “绝杀技”。做项目时，数据需求量大是常有的事，要是 API 调用次数有限制，分分钟就会 “弹尽粮绝”。蓝耘 API 提供的调用额度十分慷慨，完全能满足我日常学习和项目实践的需求，再也不用担心因为调用次数不够而中断开发。

最最关键的是，蓝耘 API 的价格对学生党太友好了！没有高昂的授权费用，性价比超高。相比其他动不动就 “大出血” 的 API，它简直是 “良心之选”。省下的钱，我还能多买两杯奶茶犒劳辛苦写代码的自己。

使用ai完成蓝耘api的本地调用

我们先进行api的获取以及你需要知道你要调用的模型的编号和申请api
模型编号的话你来到模型广场，点击一个模型，然后名字下面就会有ai模型的编号，将这个进行复制操作

然后进行api的创建
点击创建api并且进行复制操作

来到api调用的文档
我这里选择的是py代码进行ai的调用，你需要将你的api和要调用的模型名称粘贴进去

from openai import OpenAI # 构造 client client = OpenAI( api_key="sk-xxxxxxxxxxx", # APIKey base_url="https://maas-api.lanyun.net/v1", ) # 流式 stream = True # 请求 chat_completion = client.chat.completions.create( model="/maas/deepseek-ai/DeepSeek-R1", messages=[ { "role": "user", "content": "你是谁", } ], stream=stream, ) if stream: for chunk in chat_completion: # 打印思维链内容 if hasattr(chunk.choices[0].delta, 'reasoning_content'): print(f"{chunk.choices[0].delta.reasoning_content}",) # 打印模型最终返回的content if hasattr(chunk.choices[0].delta, 'content'): if chunk.choices[0].delta.content != None and len(chunk.choices[0].delta.content) != 0: print(chunk.choices[0].delta.content,) else: result = chat_completion.choices[0].message.content 

打开vscode我们对ai说出你的提示词，让ai帮你开发一个具体的应用就行了

经过几轮调试我们也是生成好了
代码生成好了之后，我们直接在终端输入命令python main.py
运行之前一定记得将你的依赖都安装好，一般ai是会帮你搞好的
下面是我们进行了几轮的对话，看起来效果还是很不错的，你如果也想有这么好的效果的话，你得给你的蓝耘ai设置下prompt

下面是部分的代码，可以参考下

import gradio as gr import json import requests API_KEY = "sk-xxxxxxxxxxxxxxxxxxxxxx" API_URL = "https://maas-api.lanyun.net/v1/chat/completions" def get_initial_riddle():     headers = {         "Content-Type": "application/json",         "Authorization": f"Bearer {API_KEY}"     }     data = {         "model": "/maas/qwen/QwQ-32B",         "messages": [             {                 "role": "user",                 "content": "请你扮演一个出题人，给我出一道海龟汤题目。请按照以下格式输出：1. 题目描述 2. 正确答案。请确保题目有趣且富有创意。"             }         ],         "stream": False     }     response = requests.post(API_URL, headers=headers, json=data)     response_data = response.json()     return response_data['choices'][0]['message']['content'] def check_answer(user_answer, history):     headers = {         "Content-Type": "application/json",         "Authorization": f"Bearer {API_KEY}"     }     messages = [         {"role": "assistant", "content": history[0][1]},  # 原题目和答案         {"role": "user", "content": f"玩家的回答是：{user_answer}。请你判断这个回答是否接近正确答案，如果正确就表扬他，如果错误就给出一些提示，但不要直接告诉答案。"}     ]     data = {         "model": "/maas/qwen/QwQ-32B",         "messages": messages,         "stream": False     }     response = requests.post(API_URL, headers=headers, json=data)     response_data = response.json()     ai_response = response_data['choices'][0]['message']['content']     history.append((user_answer, ai_response))     return "", history def create_new_riddle(history):     new_riddle = get_initial_riddle()     history = [(None, new_riddle)]     return history with gr.Blocks(theme=gr.themes.Soft()) as demo:     chatbot = gr.Chatbot(         [],         elem_id="chatbot",         bubble_full_width=False,         avatar_images=(None, "🤖"),     )     with gr.Row():         txt = gr.Textbox(             scale=4,             show_label=False,             placeholder="请输入你的答案...",             container=False,         )         submit_btn = gr.Button("提交", scale=1)     new_riddle_btn = gr.Button("出新题")     txt.submit(check_answer, [txt, chatbot], [txt, chatbot])     submit_btn.click(check_answer, [txt, chatbot], [txt, chatbot])     new_riddle_btn.click(create_new_riddle, [chatbot], [chatbot])     demo.load(create_new_riddle, [chatbot], [chatbot]) if __name__ == "__main__":     demo.launch() 

总结

开发过程中，蓝耘 API 的高效响应为谜题秒级生成提供支持，灵活的接口适配让玩法设计不受束缚，超大调用量与亲民价格，则为游戏的持续优化与迭代保驾护航。学生时代敢想敢做的冲劲，配合技术工具的赋能，让这款融合了创新思维与硬核实力的游戏得以成型。
如果你也对api调用感兴趣，不妨来试试蓝耘呢

用下方链接就ok了

https://cloud.lanyun.net//#/registerPage?promoterCode=0131