ChatGPT开发者模式入门指南：从零搭建你的第一个AI对话应用

1次阅读

没有评论

共计 2535 个字符，预计需要花费 7 分钟才能阅读完成。

ChatGPT 开发者模式通过 API 提供原生模型的完整访问能力，典型场景包括：

构建定制化聊天机器人（客服 / 教育 / 娱乐）
自动化内容生成（文章 / 邮件 / 代码）
智能数据分析（报告摘要 / 表格处理）

与 Playground 最大区别是可编程控制，支持：

多轮对话状态管理
细粒度温度（temperature）和 top_p 参数调节
流式响应（streaming）获取实时结果

登录OpenAI 账户
点击右上角头像 → “View API keys”
创建新密钥（建议命名如 ”dev_test”）

🔐 密钥显示后请立即保存，关闭页面后将无法再次查看完整密钥

pip install openai --upgrade  # 推荐 4.0+ 版本

验证安装：

import openai
print(openai.__version__)  # 应输出 >=4.0.0

import openai

# 配置密钥（实际使用建议用环境变量）openai.api_key = "sk-your-key-here"  

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "用 Python 写个快速排序函数"}
    ],
    temperature=0.7  # 控制创造性(0-2)
)

print(response.choices[0].message.content)

关键参数说明：
– model: 推荐使用gpt-3.5-turbo（性价比高）或gpt-4
– messages: 对话历史列表，每个元素需包含 role(user/assistant/system) 和content

conversation = [{"role": "system", "content": "你是一个编程助手，用中文回答"}
]

while True:
    user_input = input("你:")
    conversation.append({"role": "user", "content": user_input})

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

    ai_response = response.choices[0].message.content
    conversation.append({"role": "assistant", "content": ai_response})
    print(f"AI: {ai_response}")

from tenacity import retry, stop_after_attempt, wait_exponential
import openai

@retry(stop=stop_after_attempt(3), 
       wait=wait_exponential(multiplier=1, min=4, max=10))
def safe_chat_completion(**kwargs):
    try:
        return openai.ChatCompletion.create(**kwargs)
    except openai.error.RateLimitError:
        print("触发限流，自动重试中...")
        raise
    except openai.error.InvalidRequestError as e:
        print(f"无效请求: {e}")
        return None

# 调用示例
response = safe_chat_completion(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "你好"}]
)

推荐采用指数退避策略：

首次失败后等待 1 秒
第二次等待 2 秒
第三次等待 4 秒

使用 tenacity 库实现（见上节代码）

中文 1 个字≈1.3 个 token
可通过 tiktoken 库精确计算：

import tiktoken
encoder = tiktoken.encoding_for_model("gpt-3.5-turbo")
tokens = encoder.encode("你的文本")
print(f"Token 数量: {len(tokens)}")

建议在业务层添加：

def contains_sensitive(text):
    banned_words = [...]  # 自定义敏感词库
    return any(word in text for word in banned_words)

if contains_sensitive(user_input):
    return "内容不符合安全规范"

上下文溢出：
GPT-3.5 最大上下文 4096 tokens
解决方案：
- 删除最早的消息
- 使用 summary 压缩历史
流式响应拼接：
正确处理 delta 字段：

full_content = ""
for chunk in openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[...],
    stream=True
):
    content = chunk.choices[0].delta.get("content", "")
    full_content += content