ChatGPT API 新手入门指南：从注册到第一个 AI 对话应用

2次阅读

共计 2083 个字符，预计需要花费 6 分钟才能阅读完成。

注册 OpenAI 账号
访问 OpenAI 官网点击 “Sign up”
建议使用谷歌账号快速注册（国内用户需准备海外手机号接收验证码）
申请 API 访问权限
登录后进入 API 密钥管理页面
点击 “Create new secret key” 生成专属密钥（形如 sk-xxxxxxxx）
重要安全提醒
API Key 相当于密码，请勿直接提交到代码仓库
建议通过环境变量加载（后文会演示具体方法）
免费额度为 $5，超出后将自动停用

OpenAI 提供的对话接口主要包含三个关键参数：

model：指定使用的模型版本（如 gpt-3.5-turbo）
messages：对话历史记录，格式为消息对象数组
temperature：控制回答随机性（0- 2 之间，值越大答案越多样）

典型的消息结构示例：

[{"role": "system", "content": "你是一个专业的气象顾问"},
    {"role": "user", "content": "今天北京天气怎么样？"}
]

安装官方 Python SDK：
```
pip install openai python-dotenv
```
创建 .env 文件存储密钥：
```
OPENAI_API_KEY= 你的实际密钥 
```

import os
from typing import List, Dict
from dotenv import load_dotenv
import openai

# 加载环境变量
load_dotenv()

class WeatherBot:
    def __init__(self):
        openai.api_key = os.getenv("OPENAI_API_KEY")
        self.prompt = """ 你是一个智能天气助手，当用户询问天气时，按照以下格式回复：[城市] 当前天气：[天气状况]，气温：[温度]℃"""

    def ask(self, question: str) -> str:
        try:
            response = openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=[{"role": "system", "content": self.prompt},
                    {"role": "user", "content": question}
                ],
                temperature=0.7
            )
            return response.choices[0].message.content
        except Exception as e:
            return f"请求失败：{str(e)}"

# 使用示例
if __name__ == "__main__":
    bot = WeatherBot()
    print(bot.ask("上海现在天气如何？"))

速率限制处理
免费账号限制 3 次 / 分钟
推荐方案：
- 使用 tenacity 库实现自动重试
- 捕获 openai.error.RateLimitError 异常
敏感信息存储
永远不要将 API Key 硬编码在代码中
推荐方案：
- 本地开发使用 .env + python-dotenv
- 服务器环境使用密钥管理服务（如 AWS Secrets Manager）
成本控制技巧
设置使用量警报：Usage Limits 页面
对 max_tokens 参数设置合理上限

实现多轮对话的关键是维护 messages 数组：

class Conversation:
    def __init__(self):
        self.history: List[Dict] = []

    def add_message(self, role: str, content: str):
        self.history.append({"role": role, "content": content})

    def get_response(self) -> str:
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=self.history
        )
        return response.choices[0].message.content

通过设置 stream=True 实现实时输出：

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

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

通过本文的实践，您已经掌握了 ChatGPT API 的核心用法。建议下一步尝试：
1. 将机器人集成到 Flask/Django 等 Web 框架
2. 探索 Function Calling 实现精准数据查询
3. 使用 Fine-tuning 定制专属领域模型

API 的调试过程可能会遇到各种意外情况，建议多查阅官方文档，遇到问题时可以先检查：网络连接、密钥有效性、参数格式这三个常见方向。

正文完