ChatGPT实现项目代码解释：从零开始的AI助手开发指南

1次阅读

没有评论

共计 2606 个字符，预计需要花费 7 分钟才能阅读完成。

刚开始接触 ChatGPT API 时，很多开发者会遇到一些共性问题。我自己在项目开发过程中也踩过不少坑，总结下来主要有三个痛点：

Token 计算问题：ChatGPT 按 token 收费，但开发者经常难以准确预估对话长度。一次我发送的 prompt 意外包含了大量文本，导致 API 调用费用飙升。
对话状态维护：简单的单次问答容易实现，但当需要保持多轮对话的上下文时，如何有效管理历史消息成为难题。
响应处理：流式响应和普通响应的处理方式不同，刚开始容易混淆，特别是需要实时显示生成内容的时候。

OpenAI 为不同语言提供了 SDK，这里比较下 Python 和 Node.js 两种主流选择：

Python SDK 优势：
语法简洁，适合快速原型开发
丰富的科学计算生态，方便后续扩展
同步 / 异步 API 都支持
Node.js SDK 优势：
更适合 Web 应用集成
原生支持异步 IO
与前端技术栈更契合

对于初学者，我推荐从 Python 开始，因为错误信息和调试会更友好。下面我们都以 Python 为例讲解。

首先安装必要的包：

pip install openai python-dotenv

永远不要将 API 密钥硬编码在代码中！推荐使用 .env 文件管理：

# .env 文件
OPENAI_API_KEY="your-api-key-here"

然后在代码中安全加载：

from dotenv import load_dotenv
import openai

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

最简单的单次问答示例：

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "Python 中如何反转字符串？"}
    ]
)
print(response["choices"][0]["message"]["content"])

要实现多轮对话，需要维护 messages 列表：

conversation_history = []

def chat(prompt):
    # 添加用户消息到历史
    conversation_history.append({"role": "user", "content": prompt})

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

    # 获取 AI 回复并添加到历史
    ai_reply = response["choices"][0]["message"]
    conversation_history.append(ai_reply)

    return ai_reply["content"]

注意：实际使用时需要控制历史消息长度，避免 token 超额。

对于长时间生成的内容，使用流式响应可以改善用户体验：

def stream_chat(prompt):
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": prompt}],
        stream=True
    )

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

API 调用可能因网络问题超时，建议添加重试逻辑：

from tenacity import retry, stop_after_attempt, wait_exponential

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
def safe_chat_completion(**kwargs):
    return openai.ChatCompletion.create(**kwargs)

用户输入可能包含敏感内容，建议添加前置过滤：

blacklist = ["暴力", "色情", "政治敏感词"]  # 示例

def is_safe_input(text):
    return not any(bad_word in text for bad_word in blacklist)

计算消息 token 数避免超额：

import tiktoken

def count_tokens(messages):
    encoding = tiktoken.encoding_for_model("gpt-3.5-turbo")
    return sum(len(encoding.encode(msg["content"])) for msg in messages)

明确指令：” 你是一个专业的 Python 编程助手 ” 比直接提问效果好
分步思考：让 AI 先解释思路再给出答案
示例示范：提供输入输出样例

使用异步提高吞吐量：

import asyncio

async def async_chat(prompt):
    response = await openai.ChatCompletion.acreate(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": prompt}]
    )
    return response["choices"][0]["message"]["content"]