C#调用ChatGPT API实战指南：从接入到生产环境优化

共计 3656 个字符，预计需要花费 10 分钟才能阅读完成。

背景痛点

在 C# 项目中集成 ChatGPT API 时，开发者常遇到几个典型问题：

• 认证管理复杂：API 密钥需要安全存储和轮换，硬编码在代码中或配置文件都不够安全
• 流式响应处理困难 ：ChatGPT 的长文本响应采用 SSE(Server-Sent Events) 流式传输，传统 JSON 解析方式无法处理
• 网络稳定性挑战：OpenAI 服务偶尔会有响应缓慢或暂时不可用的情况
• 资源管理问题：频繁创建 HTTP 连接会导致端口耗尽和性能下降

HTTP 客户端技术选型

C# 生态中常见的 HTTP 客户端主要有三种：

1. HttpClient：.NET 官方推荐，支持连接池和异步操作，但需要正确使用避免 socket 耗尽
2. RestSharp：语法简洁但性能较差，不适合高并发场景
3. Refit：适合强类型 API 定义，但流式处理支持有限

对于 ChatGPT 集成，推荐使用HttpClientFactory，它提供了连接池管理和生命周期控制的最佳实践。

核心实现

1. 安全认证管理

使用 Azure Key Vault 存储 API 密钥，通过 Azure.Identity 自动获取：

var credential = new DefaultAzureCredential();
var secretClient = new SecretClient(new Uri("https://your-keyvault.vault.azure.net/"), 
    credential);
var apiKey = await secretClient.GetSecretAsync("OpenAI-ApiKey");

2. HttpClientFactory 配置

在 Startup.cs 中配置命名客户端：

services.AddHttpClient("OpenAIClient", client => {client.BaseAddress = new Uri("https://api.openai.com/v1/");
    client.DefaultRequestHeaders.Authorization = 
        new AuthenticationHeaderValue("Bearer", apiKey.Value);
    client.DefaultRequestHeaders.Accept.Add(new MediaTypeWithQualityHeaderValue("text/event-stream"));
}).SetHandlerLifetime(TimeSpan.FromMinutes(5));

3. 流式响应处理

使用 System.Text.Json 的 Utf8JsonReader 高效解析流数据：

async IAsyncEnumerable<string> StreamChatCompletionAsync(ChatRequest request)
{using var httpClient = _httpClientFactory.CreateClient("OpenAIClient");
    using var response = await httpClient.PostAsJsonAsync(
        "chat/completions", 
        request, 
        new JsonSerializerOptions {PropertyNamingPolicy = JsonNamingPolicy.SnakeCaseLower});

    await using var stream = await response.Content.ReadAsStreamAsync();
    using var reader = new StreamReader(stream);

    while (!reader.EndOfStream)
    {var line = await reader.ReadLineAsync();
        if (string.IsNullOrEmpty(line) || !line.StartsWith("data:")) 
            continue;

        var eventData = line["data:".Length..].Trim();
        if (eventData == "[DONE]") break;

        using var doc = JsonDocument.Parse(eventData);
        yield return doc.RootElement
            .GetProperty("choices")[0]
            .GetProperty("delta")
            .GetProperty("content")
            .GetString();}
}

4. 弹性策略实现

使用 Polly 配置重试和熔断策略：

services.AddResiliencePipeline("OpenAIPipeline", builder =>
{builder.AddRetry(new()
    {
        MaxRetryAttempts = 3,
        Delay = TimeSpan.FromMilliseconds(200),
        ShouldHandle = args => args.Outcome switch
        {{ Exception: HttpRequestException} => PredicateResult.True(),
            {Exception: TaskCanceledException} => PredicateResult.True(),
            {Result: HttpResponseMessage response} when 
                (int)response.StatusCode >= 500 => PredicateResult.True(),
            _ => PredicateResult.False()}
    });

    builder.AddCircuitBreaker(new()
    {
        FailureRatio = 0.5,
        SamplingDuration = TimeSpan.FromSeconds(30),
        MinimumThroughput = 10,
        BreakDuration = TimeSpan.FromSeconds(15)
    });
});

生产环境建议

1. 对话历史缓存

使用分布式缓存存储对话上下文：

services.AddStackExchangeRedisCache(options =>
{
    options.Configuration = "localhost:6379";
    options.InstanceName = "ChatGPT_";
});

// 使用示例
var cacheKey = $"conversation_{userId}_{sessionId}";
var history = await _cache.GetOrCreateAsync(cacheKey, entry =>
{entry.AbsoluteExpirationRelativeToNow = TimeSpan.FromHours(2);
    return Task.FromResult(new List<ChatMessage>());
});

2. 限流配置

在 appsettings.json 中配置：

"RateLimiting": {
  "MaxConcurrentRequests": 50,
  "QueueLimit": 100,
  "RequestTimeout": "00:00:30"
}

3. GDPR 合规日志

实现日志过滤器脱敏敏感信息：

public class SensitiveDataFilter : ILoggerFilter
{public bool IsEnabled(LogLevel level) => true;

    public void Log<TState>(LogEntry<TState> logEntry, ILogger logger)
    {var message = logEntry.Message.ToString()
            .Replace(apiKey, "[REDACTED]")
            .Replace(userId, "[USER_REDACTED]");

        logger.Log(logEntry.LogLevel, logEntry.EventId, 
            message, logEntry.Exception);
    }
}

性能指标

在 4 核 8G 的 Linux 服务器上压测结果：

进阶方向

可以结合 Semantic Kernel 构建复杂 AI 工作流：

var kernel = Kernel.CreateBuilder()
    .AddOpenAIChatCompletion(
        modelId: "gpt-4",
        apiKey: "your-api-key")
    .Build();

var prompt = """
今天北京的天气怎么样？如果天气好，推荐一个户外餐厅；否则推荐一个室内活动场所。""";

var result = await kernel.InvokePromptAsync(prompt);

通过以上实践，我们构建了一个稳定、高效的 ChatGPT 集成方案。建议在真实业务场景中逐步验证各组件可靠性，并根据具体需求调整参数配置。