ChatGPT应用开发：从入门到精通的实战指南

1次阅读

共计 2375 个字符，预计需要花费 6 分钟才能阅读完成。

最近 ChatGPT 的火爆程度大家有目共睹，作为开发者，我们更关心的是如何将这种强大的 AI 能力集成到自己的应用中。无论是开发智能客服、内容创作助手，还是个性化推荐系统，ChatGPT 都能发挥重要作用。本文将带你从零开始，一步步掌握 ChatGPT 应用开发的核心技能。

首先你需要一个 OpenAI 账号，然后前往 API 密钥页面创建新的密钥。这个密钥就像是你使用 ChatGPT 服务的通行证，一定要妥善保管。

我们将使用官方的 openai 库，安装非常简单：

pip install openai

OpenAI API 是按使用量计费的，不同模型价格不同。建议先在定价页面了解清楚，然后在账户设置中设置使用限额，避免意外的高额账单。

让我们从最简单的对话功能开始。以下是一个完整的 Python 示例：

import openai

# 设置 API 密钥
openai.api_key = '你的 API_KEY'

def chat_with_gpt(prompt):
    try:
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=[{"role": "user", "content": prompt}]
        )
        return response.choices[0].message.content
    except Exception as e:
        print(f"发生错误: {e}")
        return None

# 使用示例
answer = chat_with_gpt("请用 Python 写一个计算斐波那契数列的函数")
print(answer)

要让 ChatGPT 记住对话历史，我们需要维护一个消息列表：

conversation_history = []

def chat_with_context(prompt):
    global conversation_history

    # 添加用户新消息
    conversation_history.append({"role": "user", "content": prompt})

    try:
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=conversation_history,
            max_tokens=500  # 限制响应长度
        )

        # 添加 AI 回复到历史
        ai_reply = response.choices[0].message.content
        conversation_history.append({"role": "assistant", "content": ai_reply})

        return ai_reply
    except Exception as e:
        print(f"发生错误: {e}")
        return None

API 调用可能会因为各种原因失败，良好的错误处理很重要：

import time
from openai.error import RateLimitError

def robust_chat(prompt, max_retries=3):
    retry_count = 0
    while retry_count < max_retries:
        try:
            return chat_with_gpt(prompt)
        except RateLimitError:
            wait_time = 2 ** retry_count  # 指数退避
            print(f"达到速率限制，等待 {wait_time} 秒后重试...")
            time.sleep(wait_time)
            retry_count += 1
        except Exception as e:
            print(f"不可恢复的错误: {e}")
            break
    return None

使用更轻量级的模型（如 gpt-3.5-turbo）
限制响应长度（max_tokens 参数）
异步调用 API

对于长响应，可以边接收边显示：

def stream_response(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].delta.get("content", "")
        print(content, end="", flush=True)

OpenAI API 内置了一定程度的内容过滤，但你可能需要额外检查：

def is_sensitive(content):
    # 这里可以添加你自己的敏感词检测逻辑
    sensitive_words = [...]
    return any(word in content.lower() for word in sensitive_words)

# 在使用 API 响应前检查
if is_sensitive(response_text):
    print("抱歉，响应包含敏感内容")