ChatGPT使用入门指南：从API调用到最佳实践

1次阅读

共计 3055 个字符，预计需要花费 8 分钟才能阅读完成。

ChatGPT API 提供了强大的自然语言处理能力，开发者可以利用它构建智能对话系统、内容生成工具等。其核心优势在于理解上下文、生成连贯回复以及适应多种任务场景。对于开发者来说，掌握 API 的基本使用和优化技巧，可以更高效地集成到自己的应用中。

登录 OpenAI 官网（https://openai.com/）
进入 API 密钥管理页面
创建新的 API 密钥并保存

确保 Python 环境为 3.8+，并安装必要的库：

pip install openai requests

以下是一个带注释和异常处理的 Python 示例：

import openai
from typing import Dict, Optional

def chat_completion(
    prompt: str,
    api_key: str,
    model: str = "gpt-3.5-turbo",
    temperature: float = 0.7,
) -> Optional[Dict]:
    """
    发送请求到 ChatGPT API

    Args:
        prompt: 用户输入文本
        api_key: OpenAI API 密钥
        model: 使用的模型版本
        temperature: 控制生成文本的随机性

    Returns:
        API 响应数据或 None（如果出错）"""
    openai.api_key = api_key

    try:
        response = openai.ChatCompletion.create(
            model=model,
            messages=[{"role": "user", "content": prompt}],
            temperature=temperature,
        )
        return response
    except openai.error.APIError as e:
        print(f"OpenAI API 错误: {e}")
    except Exception as e:
        print(f"未知错误: {e}")
    return None

要实现连贯的多轮对话，需要维护对话历史：

class Conversation:
    def __init__(self, system_prompt: str = None):
        self.messages = []
        if system_prompt:
            self.add_message("system", system_prompt)

    def add_message(self, role: str, content: str):
        """添加消息到对话历史"""
        self.messages.append({"role": role, "content": content})

    def get_response(self, api_key: str, model: str = "gpt-3.5-turbo") -> Optional[str]:
        """获取 AI 回复"""
        try:
            response = openai.ChatCompletion.create(
                model=model,
                messages=self.messages,
            )
            return response.choices[0].message.content
        except openai.error.OpenAIError as e:
            print(f"API 错误: {e}")
            return None

对于长内容生成，可以使用流式响应提高用户体验：

def stream_response(prompt: str, api_key: str):
    """处理流式响应"""
    openai.api_key = api_key

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

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

OpenAI API 有严格的速率限制，建议实现指数退避重试：

import time
from openai.error import RateLimitError

def robust_request(prompt: str, api_key: str, max_retries: int = 3):
    """带重试机制的请求"""
    openai.api_key = api_key
    retry_delay = 1

    for attempt in range(max_retries):
        try:
            return openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=[{"role": "user", "content": prompt}],
            )
        except RateLimitError:
            if attempt == max_retries - 1:
                raise
            time.sleep(retry_delay)
            retry_delay *= 2

在发送用户输入前，建议进行敏感信息过滤：

def sanitize_input(text: str) -> str:
    """简单的敏感信息过滤"""
    sensitive_words = ["密码", "信用卡", "SSN"]
    for word in sensitive_words:
        if word in text:
            text = text.replace(word, "[ 已过滤]")
    return text

API 调用会产生费用，建议跟踪使用量：

class CostTracker:
    def __init__(self):
        self.total_tokens = 0

    def update(self, response):
        """更新 token 计数"""
        self.total_tokens += response.usage.total_tokens

    def estimate_cost(self, model: str) -> float:
        """估算当前成本"""
        # gpt-3.5-turbo 价格：$0.002/1K tokens
        if model == "gpt-3.5-turbo":
            return self.total_tokens * 0.002 / 1000
        # 其他模型价格...
        return 0