ChatGPT网页版免费使用指南：从注册到API调用的完整实战

1次阅读

共计 2575 个字符，预计需要花费 7 分钟才能阅读完成。

最近在帮朋友公司对接客服系统时，发现传统的关键词匹配方案经常答非所问。调研后发现 ChatGPT 的对话理解能力明显更强，但他们技术团队只有 2 人，需要快速实现以下目标：

5 秒内响应客户咨询
支持多轮对话上下文
零费用启动（前期免费额度足够）

测试了两种接入方式，数据基于 100 次连续调用（单位：ms）：

指标	官方 REST API	第三方 WebSocket 库
平均延迟	320	210
99 分位延迟	810	450
错误率	0.3%	1.8%

结论：
– 需要稳定性的选官方 API
– 追求低延迟可尝试 WebSocket（注意重连机制）

sequenceDiagram
    开发者 ->>+OpenAI: 1. POST /oauth/token
    OpenAI-->>- 开发者: access_token(有效期 2h)
    开发者 ->>+OpenAI: 2. 带 token 调用 API
    OpenAI-->>- 开发者: 流式返回结果

import requests
from tenacity import retry, stop_after_attempt

class ChatGPT:
    def __init__(self, api_key):
        self.session = requests.Session()
        self.session.headers.update({'Authorization': f'Bearer {api_key}',
            'Content-Type': 'application/json'
        })

    @retry(stop=stop_after_attempt(3))
    def ask(self, prompt):
        try:
            resp = self.session.post(
                'https://api.openai.com/v1/chat/completions',
                json={
                    'model': 'gpt-3.5-turbo',
                    'messages': [{'role': 'user', 'content': prompt}]
                },
                timeout=10
            )
            resp.raise_for_status()
            return resp.json()['choices'][0]['message']['content']
        except Exception as e:
            print(f'调用失败: {str(e)}')
            raise

# 测试用例
def test_chat():
    bot = ChatGPT(os.getenv('OPENAI_KEY'))
    assert '你好' in bot.ask('用中文打招呼')

const {OpenAI} = require('openai');

class ChatStream {constructor(apiKey) {this.client = new OpenAI({ apiKey});
  }

  async *askStream(prompt) {
    const stream = await this.client.chat.completions.create({
      model: 'gpt-3.5-turbo',
      messages: [{role: 'user', content: prompt}],
      stream: true
    });

    for await (const chunk of stream) {yield chunk.choices[0]?.delta?.content || '';
    }
  }
}

// 使用示例
(async () => {const chat = new ChatStream(process.env.OPENAI_KEY);
  for await (const text of chat.askStream('讲个笑话')) {process.stdout.write(text);
  }
})();

from ratelimit import limits, sleep_and_retry

class RateLimitedGPT(ChatGPT):
    @sleep_and_retry
    @limits(calls=3, period=1)  # 每秒 3 次
    def ask(self, prompt):
        return super().ask(prompt)

推荐在返回结果后添加处理层：

function filterSensitive(text) {const blacklist = ['暴力', '政治'];
  return blacklist.some(word => text.includes(word)) 
    ? '内容不符合规范' 
    : text;
}

风控触发 ：
同一 IP 避免高频登录
推荐复用 access_token

代码块转义 ：

import markdown

def render_response(text):
    return markdown.markdown(text.replace('```', '\n```'))

使用 LangChain 的 Memory 模块：

from langchain.memory import ConversationBufferMemory

memory = ConversationBufferMemory()
memory.save_context({'input': '推荐周末活动'},
    {'output': '可以去公园野餐'}
)
print(memory.load_memory_variables({}))

Prometheus 埋点示例：

from prometheus_client import Counter, Summary

REQUEST_TIME = Summary('chatgpt_latency', '请求耗时')
ERROR_COUNT = Counter('chatgpt_errors', '错误次数')

@REQUEST_TIME.time()
def monitored_ask(prompt):
    try:
        return ask(prompt)
    except Exception:
        ERROR_COUNT.inc()
        raise

实际测试发现官方 API 在晚高峰时段偶尔会出现 500 错误，通过添加指数退避的重试机制后稳定性明显提升。对于需要快速响应的场景，推荐使用 Node.js 流式处理方案，配合前端的打字机效果，用户体验会更加流畅。免费额度完全足够小型客服系统使用，关键是要做好请求频率控制。

正文完