OpenAI ChatGPT 入门指南：从零开始构建你的第一个对话应用

2次阅读

没有评论

共计 1749 个字符，预计需要花费 5 分钟才能阅读完成。

ChatGPT 是 OpenAI 基于 GPT 模型开发的对话系统，能够理解自然语言并生成连贯回复。它的核心优势在于：

上下文感知 ：支持多轮对话，记住历史交互
多场景适配 ：从客服机器人到创意写作均可覆盖
持续进化 ：模型版本定期更新提升能力

典型应用场景包括：

智能客服自动化响应
教育领域的个性化辅导
内容创作辅助工具
编程代码辅助生成

新手常遇到的第一个门槛是 API 密钥管理：

密钥需通过 OpenAI 控制台获取
务必避免将密钥硬编码在代码中
推荐使用环境变量存储敏感信息

免费 tier 存在严格限制：

每分钟 3 次请求（RPM）
每天 40000 个 token
建议提前规划用量并监控

保持对话连贯性的关键：

需要手动维护消息历史
注意 token 消耗随对话增长
重要上下文建议持久化存储

优势：

实现简单，HTTP 协议通用
无状态交互适合简单场景
调试工具丰富（Postman 等）

劣势：

每次请求需重建上下文
延迟相对较高

优势：

长连接减少握手开销
支持实时双向通信
适合高频交互场景

劣势：

实现复杂度较高
需要处理连接状态

import os
import openai
from dotenv import load_dotenv

# 1. 安全加载 API 密钥
load_dotenv()
openai.api_key = os.getenv('OPENAI_API_KEY')

# 2. 对话历史管理
class ChatSession:
    def __init__(self):
        self.history = [{"role": "system", "content": "你是一个有帮助的助手"}
        ]

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

    def get_response(self):
        try:
            response = openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=self.history,
                temperature=0.7
            )
            return response.choices[0].message.content
        except Exception as e:
            print(f"API 错误: {str(e)}")
            return "服务暂时不可用"

# 3. 使用示例
if __name__ == "__main__":
    chat = ChatSession()
    while True:
        user_input = input("你:")
        if user_input.lower() == 'exit':
            break

        chat.add_message("user", user_input)
        response = chat.get_response()
        print(f"AI: {response}")
        chat.add_message("assistant", response)

关键实现说明：