ChatGPT安装使用全指南：从环境配置到API调用实战

1次阅读

没有评论

共计 1901 个字符，预计需要花费 5 分钟才能阅读完成。

在本地部署 ChatGPT 时，开发者常遇到三类典型问题：

环境冲突：Python 3.7 以下版本不兼容 openai 库，与现有项目环境产生包版本冲突
网络问题：API 请求因网络波动失败，中国大陆地区需额外配置代理
性能瓶颈：同步请求导致 UI 卡顿，高频调用触发 429 限流错误

推荐使用 virtualenv 而非 conda/pip 全局安装，原因如下：

隔离性更好：避免与系统 Python 环境相互污染
迁移更方便：requirements.txt 可精准复现依赖版本
资源占用少：比 conda 更轻量，适合容器化部署

具体创建步骤：

# 创建并激活虚拟环境
python -m venv chatgpt_env
source chatgpt_env/bin/activate  # Linux/Mac
chatgpt_env\Scripts\activate    # Windows

# 安装依赖
pip install openai python-dotenv requests cachetools

永远不要将 API 密钥硬编码在代码中！推荐方案：

创建 .env 文件：

OPENAI_API_KEY=sk-your-key-here
PROXY=http://127.0.0.1:1080  # 国内用户需要

使用 python-dotenv 加载：

from dotenv import load_dotenv
import openai

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

import openai
from tenacity import retry, stop_after_attempt, wait_exponential

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
async def chat_completion(messages, model="gpt-3.5-turbo"):
    try:
        response = await openai.ChatCompletion.acreate(
            model=model,
            messages=messages,
            timeout=10,
            stream=True  # 启用流式响应
        )
        async for chunk in response:
            yield chunk['choices'][0]['delta'].get('content', '')
    except openai.error.APIError as e:
        print(f"API Error: {e}")
    except openai.error.RateLimitError:
        print("触发速率限制，请稍后重试")

import asyncio
from cachetools import TTLCache

# 设置 5 分钟缓存
cache = TTLCache(maxsize=1000, ttl=300)

async def batch_query(prompts):
    semaphore = asyncio.Semaphore(5)  # 并发数控制
    async with semaphore:
        tasks = [chat_completion(prompt) for prompt in prompts]
        return await asyncio.gather(*tasks, return_exceptions=True)

指数退避重试：使用 tenacity 库自动重试

监控令牌消耗：通过响应头获取剩余配额

headers = response.headers
print(f"剩余请求数: {headers['x-ratelimit-remaining-requests']}")

import os

os.environ["http_proxy"] = os.getenv('PROXY')
os.environ["https_proxy"] = os.getenv('PROXY')

# 或者为 openai 单独设置
openai.proxy = os.getenv('PROXY')

当基础 API 调用稳定后，可以尝试：