从零开始：如何正确获取ChatGPT API接口并实现基础对话功能

共计 2335 个字符，预计需要花费 6 分钟才能阅读完成。

前置准备

1. OpenAI 账号注册
2. 访问 OpenAI 官网 点击 ”Sign Up”，建议使用邮箱注册
3. 完成邮箱验证后，需绑定手机号（支持 +86 中国大陆号码）

4. 注意：部分国家 / 地区可能需要科学上网工具才能访问

   

5. API Key 获取

6. 登录后进入API 密钥管理页面
7. 点击 ”Create new secret key” 生成密钥（建议命名为 dev_key 等有意义的名称）

8. 密钥只会显示一次，请立即妥善保存

9. 免费额度说明

10. 新账号通常有 $5 免费额度（有效期 3 个月）
11. 可通过 Usage 页面 查看剩余额度
12. 注意：gpt- 4 模型不包含在免费额度中

环境配置

1. 创建 Python 虚拟环境

   python -m venv chatgpt_env
   source chatgpt_env/bin/activate  # Linux/Mac
   chatgpt_env\Scripts\activate    # Windows

2. 安装依赖库

   pip install openai python-dotenv

3. 安全存储 API 密钥

4. 项目根目录创建 .env 文件：

   OPENAI_API_KEY= 你的实际密钥

5. 创建 .gitignore 文件加入：

   .env
   __pycache__/

核心代码实现

基础同步请求

import os
from dotenv import load_dotenv
from openai import OpenAI, APIError

load_dotenv()  # 加载环境变量

client = OpenAI(api_key=os.getenv('OPENAI_API_KEY'))

def chat_completion(prompt: str) -> str:
    try:
        response = client.chat.completions.create(
            model="gpt-3.5-turbo",
            messages=[{"role": "user", "content": prompt}],
            temperature=0.7,  # 控制创造性（0-2）max_tokens=500,   # 限制响应长度
        )
        return response.choices[0].message.content
    except APIError as e:
        print(f"API 错误: {e}")
        return ""

异步请求改进

import asyncio
from openai import AsyncOpenAI

aclient = AsyncOpenAI(api_key=os.getenv('OPENAI_API_KEY'))

async def async_chat(prompt: str) -> str:
    try:
        response = await aclient.chat.completions.create(
            model="gpt-3.5-turbo",
            messages=[{"role": "user", "content": prompt}],
            stream=True  # 启用流式响应
        )

        full_response = ""
        async for chunk in response:
            content = chunk.choices[0].delta.content
            if content:
                full_response += content
                print(content, end="")  # 实时输出

        return full_response
    except Exception as e:
        print(f"异步请求失败: {e}")
        return ""

避坑指南

1. 常见错误码处理
2. 401：API 密钥无效 → 检查密钥是否复制完整
3. 429：请求过频 → 实现指数退避重试机制

4. 503：服务不可用 → 等待后重试或切换地域

5. 速率限制规避

   import time
   
   def request_with_retry(prompt, max_retries=3):
       for i in range(max_retries):
           try:
               return chat_completion(prompt)
           except APIError as e:
               if e.status_code == 429:
                   wait_time = 2 ** i  # 指数退避
                   print(f"等待 {wait_time} 秒后重试...")
                   time.sleep(wait_time)
               else:
                   raise
       return "请求失败"

6. 敏感数据过滤

7. 在发送请求前对用户输入进行关键词过滤
8. 使用 re 模块检测隐私信息（如手机号、邮箱）

扩展实践

1. 封装 Flask API

   from flask import Flask, request, jsonify
   
   app = Flask(__name__)
   
   @app.route('/chat', methods=['POST'])
   def chat_api():
       data = request.json
       response = chat_completion(data.get('prompt', ''))
       return jsonify({"response": response})

2. 集成 LangChain

   from langchain.llms import OpenAI
   
   llm = OpenAI(
       temperature=0.5,
       openai_api_key=os.getenv('OPENAI_API_KEY')
   )
   
   print(llm("如何学习 Python 编程？"))

思考题

1. 如何设计对话上下文管理，使 AI 能记住之前的对话？

2. 提示：维护 messages 列表，交替保存 user 和 assistant 消息

3. 当需要处理超长文本时，有哪些优化策略？

4. 提示：考虑文本分块、摘要提取、使用 gpt-3.5-turbo-16k 等模型

结语

通过本文的实践，你应该已经掌握了 ChatGPT API 的基础接入方法。建议先从简单的同步请求开始，逐步尝试流式响应和异步调用。遇到问题时，善用 OpenAI 的 官方文档 和社区论坛。下一步可以尝试实现多轮对话系统或结合其他工具构建更复杂的 AI 应用。