ChatGPT API调用全指南：从认证到实战避坑

1次阅读

共计 1882 个字符，预计需要花费 5 分钟才能阅读完成。

ChatGPT API 提供了强大的文本生成能力，但开发者需要注意三个基础限制：

非实时响应：API 调用存在网络延迟，生产环境需考虑异步处理
速率限制(Rate Limit)：免费账户默认 20 次 / 分钟，付费账户可提升至 3500 次 / 分钟
上下文长度(Context Window)：gpt-3.5-turbo 支持 4096 个 token（约 3000 字），超出部分会被截断

OpenAI API 密钥是访问服务的唯一凭证，泄露会导致资金损失。推荐两种安全存储方式：

# 方案 1：环境变量（适合小型项目）import os
from openai import OpenAI

client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))  # 需提前设置环境变量

# 方案 2：AWS Secrets Manager（生产环境推荐）import boto3
def get_secret():
    client = boto3.client('secretsmanager')
    response = client.get_secret_value(SecretId='openai/api-key')
    return response['SecretString']

通过 messages 数组维护对话上下文，注意角色交替：

conversation = [{"role": "system", "content": "你是一个有帮助的助手"},  # 设定 AI 行为
    {"role": "user", "content": "推荐北京的美食"},        # 用户首轮输入
    {"role": "assistant", "content": "推荐尝试烤鸭..."},  # AI 回复
    {"role": "user", "content": "人均消费多少？"}        # 用户追问
]

response = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=conversation
)

对于长文本生成，使用流式响应可提升用户体验：

def stream_response(prompt):
    stream = client.chat.completions.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": prompt}],
        stream=True
    )
    full_response = []
    for chunk in stream:
        content = chunk.choices[0].delta.content
        if content:
            full_response.append(content)
            print(content, end="")  # 实时输出
    return ''.join(full_response)

输入和输出 token 总和计费
计算公式：总 token = 消息 token + 回复 token
使用 tiktoken 库精确统计：

import tiktoken
def num_tokens(text, model="gpt-3.5-turbo"):
    enc = tiktoken.encoding_for_model(model)
    return len(enc.encode(text))

模型	平均响应时间	适合场景
gpt-3.5-turbo	800ms-1.5s	常规对话 / 快速响应
gpt-4	2s-4s	复杂推理 / 高质量输出

from profanity_filter import ProfanityFilter

def safe_input(user_input):
    pf = ProfanityFilter()
    if pf.is_profane(user_input):
        raise ValueError("包含不当内容")
    # 其他过滤逻辑...
    return user_input