ChatGPT安装使用全指南：从环境配置到API调用实战

1次阅读

共计 2095 个字符，预计需要花费 6 分钟才能阅读完成。

在尝试将 ChatGPT 集成到本地开发环境时，开发者常遇到以下几类问题：

网络连接不稳定：国内访问 OpenAI API 常出现连接超时或中断
依赖冲突：openai 库与现有 Python 环境中的其他库版本不兼容
认证复杂：API 密钥管理不当导致安全风险或调用失败
响应解析困难：处理 streaming 响应时数据拼接不完整

pip 安装
直接使用 Python 官方包管理器
适合轻量级项目或已有虚拟环境
可能遇到系统级依赖冲突
conda 安装
通过 Anaconda 管理环境隔离更彻底
适合复杂依赖关系的项目
需要额外安装 conda 环境

强烈建议使用虚拟环境（无论选择哪种方式），以下示例基于 venv：
python -m venv chatgpt_env
source chatgpt_env/bin/activate  # Linux/Mac
chatgpt_env\Scripts\activate     # Windows

pip install --upgrade openai

import openai
from time import sleep

openai.api_key = 'your-api-key'

def chat_with_retry(prompt, max_retries=3):
    for attempt in range(max_retries):
        try:
            response = openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=[{"role": "user", "content": prompt}],
                timeout=10  # 秒
            )
            return response.choices[0].message.content
        except Exception as e:
            if attempt == max_retries - 1:
                raise
            sleep(2 ** attempt)  # 指数退避

print(chat_with_retry("Python 如何实现快速排序？"))

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "解释递归算法"}],
    stream=True
)

full_response = []
for chunk in response:
    content = chunk['choices'][0].get('delta', {}).get('content')
    if content:
        full_response.append(content)
        print(content, end='', flush=True)

print('\n 完整响应:', ''.join(full_response))

环境变量方案（推荐）：

# .bashrc 或.zshrc
export OPENAI_API_KEY='your-key'

import os
openai.api_key = os.getenv('OPENAI_API_KEY')

配置文件方案（需.gitignore）：
```
# config.py
API_KEY = 'your-key'
```

监控 x-ratelimit-remaining 响应头
实现请求队列（对免费账号尤其重要）
考虑使用 tenacity 库实现自动重试

def keep_context(question, chat_history=[]):
    chat_history.append({"role": "user", "content": question})

    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=chat_history
    )

    answer = response.choices[0].message.content
    chat_history.append({"role": "assistant", "content": answer})
    return answer, chat_history

# 使用示例
history = []
answer, history = keep_context("推荐北京的美食", history)
answer, history = keep_context("人均 200 元以内的呢？", history)