ChatGPT使用手册：从零开始的开发者实战指南

1次阅读

没有评论

共计 3646 个字符，预计需要花费 10 分钟才能阅读完成。

ChatGPT API 是 OpenAI 提供的一项强大服务，允许开发者将先进的自然语言处理能力集成到自己的应用中。无论是构建智能客服、内容生成工具，还是开发个性化的对话助手，ChatGPT 都能提供灵活且高效的解决方案。

对于开发者来说，API 的核心能力包括：

自然语言理解和生成：能够理解复杂的用户输入，并生成连贯、有逻辑的回复。
上下文管理：支持多轮对话，能够记住上下文信息，提供更连贯的交互体验。
高度可定制 ：通过参数调整（如temperature、max_tokens 等）控制生成内容的风格和长度。

在实际开发中，开发者常常会遇到以下问题：

Token 限制：ChatGPT API 对每次请求的 token 数量有限制（通常是 4096 tokens），超出限制会导致请求失败。
上下文丢失：在多轮对话中，如果没有正确管理对话历史，模型可能会丢失上下文信息。
响应格式化：API 返回的响应可能需要进一步处理才能满足业务需求。
错误处理：网络波动或 API 限流可能导致请求失败，需要合理的错误重试机制。

首先，你需要获取 OpenAI 的 API 密钥，并将其用于身份验证。以下是如何在 Python 和 Node.js 中设置认证的示例代码：

import openai

openai.api_key = 'your-api-key'

const {Configuration, OpenAIApi} = require('openai');

const configuration = new Configuration({apiKey: 'your-api-key',});
const openai = new OpenAIApi(configuration);

为了在多轮对话中保持上下文，你需要将对话历史传递给 API。以下是一个简单的实现方式：

messages = [{"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Who won the world series in 2020?"}
]

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

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

const response = await openai.createChatCompletion({
  model: "gpt-3.5-turbo",
  messages: [{ role: "system", content: "You are a helpful assistant."},
    {role: "user", content: "Who won the world series in 2020?"}
  ]
});

console.log(response.data.choices[0].message.content);

对于较长的响应，流式处理可以提高用户体验。以下是如何实现流式响应的示例：

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

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

const response = await openai.createChatCompletion({
  model: "gpt-3.5-turbo",
  messages: messages,
  stream: true
}, {responseType: 'stream'});

response.data.on('data', (chunk) => {const lines = chunk.toString().split('\n').filter(line => line.trim() !== '');
  for (const line of lines) {const message = line.replace(/^data: /, '');
    if (message === '[DONE]') {return;}
    const parsed = JSON.parse(message);
    console.log(parsed.choices[0].delta?.content || '');
  }
});

在实际应用中，网络波动或 API 限流可能导致请求失败。以下是一个简单的错误重试实现：

import time
import openai
from openai.error import RateLimitError

def chat_with_retry(messages, max_retries=3):
    retries = 0
    while retries < max_retries:
        try:
            response = openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=messages
            )
            return response
        except RateLimitError:
            retries += 1
            time.sleep(2 ** retries)  # Exponential backoff
    raise Exception("Max retries exceeded")

const chatWithRetry = async (messages, maxRetries = 3) => {
  let retries = 0;
  while (retries < maxRetries) {
    try {
      const response = await openai.createChatCompletion({
        model: "gpt-3.5-turbo",
        messages: messages
      });
      return response;
    } catch (error) {if (error.response && error.response.status === 429) {
        retries++;
        await new Promise(resolve => setTimeout(resolve, Math.pow(2, retries) * 1000));
      } else {throw error;}
    }
  }
  throw new Error("Max retries exceeded");
};

明确指令：在系统消息中明确指示模型的行为，例如：“你是一个专业的编程助手，请用简洁的语言回答问题。”
控制生成长度 ：使用max_tokens 参数限制生成内容的长度，避免不必要的 token 消耗。
调整创造性 ：通过temperature 参数控制生成内容的随机性。较低的temperature（如 0.2）会生成更确定性的回复，较高的值（如 0.8）会更具创造性。

在调用 API 时，设置合理的超时时间可以避免长时间等待。以下是如何在 Python 和 Node.js 中设置超时的示例：

import openai

openai.api_requestor.TIMEOUT = 10  # 10 seconds

const response = await openai.createChatCompletion({
  model: "gpt-3.5-turbo",
  messages: messages
}, {timeout: 10000});  // 10 seconds

费用控制：API 调用按 token 计费，建议在开发阶段设置使用限额，避免意外的高额费用。
敏感内容过滤：在返回用户之前，检查生成内容是否包含敏感信息或不适当的内容。
Token 计数 ：使用 OpenAI 提供的tiktoken 库（Python）或类似工具（Node.js）估算 token 数量，避免超出限制。