ChatGPT API 开发实战：从零构建你的第一个智能对话应用

1次阅读

没有评论

共计 2287 个字符，预计需要花费 6 分钟才能阅读完成。

最近在做一个客服系统升级时，发现传统的关键词匹配方式根本无法应对用户的多样化提问。正当头疼时，ChatGPT API 的出现就像及时雨——它允许我们直接调用强大的对话模型，但第一次接入时也踩了不少坑：

认证流程比想象中复杂，刚开始总返回 401 错误
不知道如何正确构造对话历史的上下文
遇到 API 限流时手足无措
流式响应处理不当导致界面卡顿

这些问题促使我整理了这份实战指南，希望能帮你少走弯路。

官方提供了两种接入姿势：

REST API：最灵活的基础 HTTP 接口
优点：语言无关性，适合所有开发环境
缺点：需要手动处理请求 / 响应序列化
Python SDK：openai 库封装好的工具包
优点：一行代码完成认证，内置重试机制
缺点：仅支持 Python 生态

作为新手，我建议从 SDK 开始。下面以 Python 环境为例，展示完整接入流程。

首先安装必要依赖（建议 Python 3.8+）：

pip install openai tiktoken

然后到 OpenAI 平台获取 API Key。重要安全提示：

永远不要将 API Key 直接写在代码里

推荐使用环境变量存储：

import os
os.environ["OPENAI_API_KEY"] = "你的实际 key"

基础对话只需要 3 行代码：

import openai

response = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[{"role": "user", "content": "你好！"}]
)
print(response.choices[0].message.content)

关键参数说明：

model：指定使用的模型版本
messages：对话历史数组，每个消息需声明 role（user/assistant/system）

当需要实时显示 AI 回复时（类似 ChatGPT 网页版效果），使用流式传输：

response = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[{"role": "user", "content": "讲个程序员笑话"}],
  stream=True
)

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

实现多轮对话的关键是维护完整的 messages 历史：

conversation = [{"role": "system", "content": "你是一个严谨的科技作者"}
]

while True:
  user_input = input("你：")
  conversation.append({"role": "user", "content": user_input})

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

  ai_reply = response.choices[0].message.content
  conversation.append({"role": "assistant", "content": ai_reply})
  print(f"AI：{ai_reply}")

免费账号每分钟限调 3 次，付费账号可根据需求调整。推荐策略：

前端增加防抖处理（300ms 延迟）
服务端实现请求队列
错误处理时自动退避重试

当对话轮次过多时，会遇到 token 超限错误（gpt-3.5-turbo 上限 4096 tokens）。解决方案：

使用 tiktoken 计算 token 数

import tiktoken
encoder = tiktoken.encoding_for_model("gpt-3.5-turbo")
tokens = encoder.encode(str(conversation))

当接近上限时，选择性移除早期对话
或者启用对话摘要功能

错误码	原因	解决方案
401	无效 API Key	检查环境变量命名是否正确
429	请求过频	实现指数退避重试机制
503	服务不可用	等待 1 - 2 分钟后重试

from tenacity import retry, stop_after_attempt, wait_exponential

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
def safe_chat_completion(**kwargs):
    try:
        return openai.ChatCompletion.create(**kwargs)
    except Exception as e:
        print(f"请求失败：{str(e)}")
        raise