ChatGPT国内网站新手入门指南：从访问到API调用的完整实践

1次阅读

没有评论

共计 3617 个字符，预计需要花费 10 分钟才能阅读完成。

国内开发者在尝试使用 ChatGPT 服务时，常常会遇到以下几个主要障碍：

网络访问限制：OpenAI 官网和 API 服务在国内无法直接访问，需要特殊网络配置
支付方式限制：OpenAI 账户充值目前仅支持国际信用卡，国内常见支付方式无法使用
API 调用延迟：即使能够访问，网络延迟也会影响 API 响应速度
合规性问题：需要确保使用方式符合国内外相关规定

使用经认证的云服务商提供的 API 网关服务（如微软 Azure OpenAI 服务）
通过正规备案的国内代理服务访问（需核实服务资质）
企业用户可申请专线接入

准备可访问 OpenAI 官网的网络环境
注册 OpenAI 账户并完成邮箱验证
进入 API 密钥管理页面(https://platform.openai.com/account/api-keys)
点击 ”Create new secret key” 生成 API 密钥
妥善保存密钥（页面关闭后将无法再次查看完整密钥）

对于个人开发者，可使用 socks5 代理
配置示例（Python）：

import os

os.environ["http_proxy"] = "socks5://127.0.0.1:1080"
os.environ["https_proxy"] = "socks5://127.0.0.1:1080"

首先安装必要依赖：

pip install openai python-dotenv

创建 .env 文件存储 API 密钥：

OPENAI_API_KEY= 你的 API 密钥

完整调用代码：

import os
from typing import Optional
from dotenv import load_dotenv
import openai

# 加载环境变量
load_dotenv()

# 初始化客户端
openai.api_key = os.getenv("OPENAI_API_KEY")


def chat_with_gpt(prompt: str, model: str = "gpt-3.5-turbo") -> Optional[str]:
    """
    与 ChatGPT 对话
    :param prompt: 用户输入
    :param model: 使用的模型
    :return: ChatGPT 回复内容
    """
    try:
        response = openai.ChatCompletion.create(
            model=model,
            messages=[{"role": "user", "content": prompt}],
            temperature=0.7,  # 控制回复创造性(0-2)
        )
        return response.choices[0].message.content
    except Exception as e:
        print(f"API 调用出错: {e}")
        return None


if __name__ == "__main__":
    while True:
        user_input = input("你:")
        if user_input.lower() in ["quit", "exit"]:
            break
        response = chat_with_gpt(user_input)
        print(f"AI: {response}")

永远不要将 API 密钥硬编码在代码中
使用环境变量或密钥管理服务存储密钥
在代码库中添加 .env 到.gitignore
定期轮换 API 密钥

修改上面的 chat_with_gpt 函数支持流式响应：

def chat_with_gpt_stream(prompt: str, model: str = "gpt-3.5-turbo"):
    """流式响应版本"""
    try:
        response = openai.ChatCompletion.create(
            model=model,
            messages=[{"role": "user", "content": prompt}],
            temperature=0.7,
            stream=True  # 启用流式响应
        )

        full_response = ""print("AI: ", end="", flush=True)
        for chunk in response:
            content = chunk.choices[0].delta.get("content", "")
            print(content, end="", flush=True)
            full_response += content
        print()
        return full_response
    except Exception as e:
        print(f"\nAPI 调用出错: {e}")
        return None

维护一个消息历史列表
每次请求包含完整的对话上下文
示例实现：

class ChatSession:
    def __init__(self, system_prompt: str = "你是一个有帮助的 AI 助手"):
        self.messages = [{"role": "system", "content": system_prompt}]

    def add_user_message(self, content: str):
        self.messages.append({"role": "user", "content": content})

    def get_response(self) -> Optional[str]:
        try:
            response = openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=self.messages,
                temperature=0.7,
            )
            ai_message = response.choices[0].message.content
            self.messages.append({"role": "assistant", "content": ai_message})
            return ai_message
        except Exception as e:
            print(f"API 调用出错: {e}")
            return None

定期检查 API 使用情况：

curl https://api.openai.com/v1/usage \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json"

设置使用量告警
在代码中记录 token 使用量：

response = openai.ChatCompletion.create(...)
print(f"本次消耗 token: {response.usage.total_tokens}")

429 Too Many Requests – 请求速率超过限制
解决方案：实现请求队列或退避重试机制
503 Service Unavailable – 服务暂时不可用
解决方案：等待后重试，添加指数退避

在客户端实现关键词过滤
使用 Moderation API 检查内容：

moderation_resp = openai.Moderation.create(input=user_input)
if moderation_resp.results[0].flagged:
    print("输入包含不当内容")

对于批量请求，使用异步处理
示例异步实现：

import asyncio

async def async_chat(prompts: list[str]) -> list[str]:
    """异步处理多个 prompts"""
    semaphore = asyncio.Semaphore(5)  # 并发限制

    async def _chat(prompt):
        async with semaphore:
            return await openai.ChatCompletion.acreate(
                model="gpt-3.5-turbo",
                messages=[{"role": "user", "content": prompt}],
            )

    tasks = [_chat(prompt) for prompt in prompts]
    return await asyncio.gather(*tasks)