ChatGPT开发者入门指南：从API调用到实战避坑

2次阅读

没有评论

共计 1986 个字符，预计需要花费 5 分钟才能阅读完成。

ChatGPT API 是 OpenAI 提供的自然语言处理接口，核心能力包括：

多轮对话管理：支持上下文关联的连续对话
文本生成：从简短回复到长篇文章生成
代码辅助：解释 / 生成 / 调试编程代码
多语言处理：支持近百种语言的互译与处理

典型应用场景：

智能客服对话系统
内容创作辅助工具
编程教育助手
多语言翻译服务

优势：
– 语法简洁易读
– 丰富的 AI 生态库支持
– 官方 SDK 维护及时

安装：

pip install openai

优势：
– 适合全栈开发者
– 非阻塞 IO 适合高并发
– 与前端项目无缝集成

安装：

npm install openai

import openai
from openai.error import APIConnectionError, RateLimitError

openai.api_key = "你的 API_KEY"  # 实际使用应从环境变量读取

try:
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": "用 Python 写个快速排序"}],
        temperature=0.7,  # 控制输出随机性(0-2)
        max_tokens=500    # 限制生成长度
    )
    print(response.choices[0].message.content)
except (APIConnectionError, RateLimitError) as e:
    print(f"API 错误: {e}")

conversation = [{"role": "system", "content": "你是一个 Python 专家"},
    {"role": "user", "content": "如何用 lambda 实现排序?"}
]

# 后续请求需包含完整对话历史
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=conversation
)

# 将 AI 回复加入对话历史
conversation.append({
    "role": "assistant", 
    "content": response.choices[0].message.content
})

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "解释量子计算基础"}],
    stream=True  # 启用流式传输
)

for chunk in response:
    content = chunk.choices[0].delta.get("content", "")
    print(content, end="", flush=True)

中文 1 字≈1.3 tokens
计费依据：输入 + 输出总 tokens
优化建议：
设置 max_tokens 限制
压缩系统提示内容
使用 gpt-3.5-turbo 替代 gpt-4 节省成本

免费账号：3 次 / 分钟
付费账号：3500 次 / 分钟
应对策略：
实现指数退避重试
使用 time.sleep() 控制请求频率
考虑本地缓存常见回复

服务端会自动过滤违规内容

推荐双重防护：

from openai.moderation import create

def is_safe(text):
    response = create(input=text)
    return not response.results[0].flagged

超时设置

openai.api_requestor.TIMEOUT = 15  # 单位秒

重试机制

from tenacity import retry, stop_after_attempt

@retry(stop=stop_after_attempt(3))
def safe_chat_completion(**kwargs):
    return openai.ChatCompletion.create(**kwargs)