苹果手机ChatGPT开发入门指南：从API接入到实战应用

4次阅读

共计 4523 个字符，预计需要花费 12 分钟才能阅读完成。

随着 AI 技术的普及，越来越多的移动应用开始集成智能对话功能，以提升用户体验。在苹果手机应用中集成 ChatGPT，可以为用户提供智能客服、内容生成、语言翻译等多种功能。然而，移动端集成 AI 对话也面临一些技术挑战，比如网络请求的稳定性、响应速度、数据安全等。

在苹果手机应用中集成 ChatGPT，主要有两种技术方案：直接调用 API 和使用 SDK。

直接调用 API：灵活性高，可以完全自定义请求和响应处理逻辑，适合对性能和控制有较高要求的开发者。但需要自行处理认证、错误处理和性能优化。
使用 SDK：开发速度快，通常已经内置了认证、错误处理和性能优化逻辑，适合快速上线的项目。但灵活性较低，可能无法满足某些定制化需求。

对于大多数 iOS 开发者来说，直接调用 API 是更灵活的选择，下面将详细介绍如何实现。

首先，你需要在 OpenAI 官网注册账号并获取 API 密钥。为了安全起见，不建议将 API 密钥硬编码在代码中，而是应该存储在钥匙串（Keychain）或环境变量中。

import Security

func saveAPIKeyToKeychain(key: String) {let query: [String: Any] = [
        kSecClass as String: kSecClassGenericPassword,
        kSecAttrAccount as String: "OpenAI_API_Key",
        kSecValueData as String: key.data(using: .utf8)!
    ]
    SecItemAdd(query as CFDictionary, nil)
}

func getAPIKeyFromKeychain() -> String? {let query: [String: Any] = [
        kSecClass as String: kSecClassGenericPassword,
        kSecAttrAccount as String: "OpenAI_API_Key",
        kSecReturnData as String: kCFBooleanTrue!,
        kSecMatchLimit as String: kSecMatchLimitOne
    ]
    var dataTypeRef: AnyObject?
    let status = SecItemCopyMatching(query as CFDictionary, &dataTypeRef)
    if status == errSecSuccess, let data = dataTypeRef as? Data {return String(data: data, encoding: .utf8)
    }
    return nil
}

接下来，我们使用 URLSession 来发送请求到 ChatGPT API。为了提升稳定性，可以添加重试机制和错误处理。

func sendChatGPTRequest(prompt: String, completion: @escaping (Result<String, Error>) -> Void) {guard let apiKey = getAPIKeyFromKeychain() else {completion(.failure(NSError(domain: "", code: -1, userInfo: [NSLocalizedDescriptionKey:"API key not found"])))
        return
    }

    let url = URL(string: "https://api.openai.com/v1/chat/completions")!
    var request = URLRequest(url: url)
    request.httpMethod = "POST"
    request.setValue("Bearer \(apiKey)", forHTTPHeaderField: "Authorization")
    request.setValue("application/json", forHTTPHeaderField: "Content-Type")

    let body: [String: Any] = [
        "model": "gpt-3.5-turbo",
        "messages": [["role": "user", "content": prompt]],
        "temperature": 0.7
    ]

    do {request.httpBody = try JSONSerialization.data(withJSONObject: body, options: [])
    } catch {completion(.failure(error))
        return
    }

    let task = URLSession.shared.dataTask(with: request) { data, response, error in
        if let error = error {completion(.failure(error))
            return
        }

        guard let data = data else {completion(.failure(NSError(domain: "", code: -1, userInfo: [NSLocalizedDescriptionKey:"No data received"])))
            return
        }

        do {if let json = try JSONSerialization.jsonObject(with: data, options: []) as? [String: Any],
               let choices = json["choices"] as? [[String: Any]],
               let message = choices.first?["message"] as? [String: Any],
               let content = message["content"] as? String {completion(.success(content))
            } else {completion(.failure(NSError(domain: "", code: -1, userInfo: [NSLocalizedDescriptionKey:"Invalid response format"])))
            }
        } catch {completion(.failure(error))
        }
    }

    task.resume()}

下面是一个完整的 Swift 代码示例，展示了如何从发送请求到处理响应的完整流程。

import UIKit

class ViewController: UIViewController {
    @IBOutlet weak var promptTextField: UITextField!
    @IBOutlet weak var responseLabel: UILabel!

    @IBAction func sendButtonTapped(_ sender: UIButton) {
        guard let prompt = promptTextField.text, !prompt.isEmpty else {
            responseLabel.text = "Please enter a prompt"
            return
        }

        sendChatGPTRequest(prompt: prompt) { result in
            DispatchQueue.main.async {
                switch result {case .success(let response):
                    self.responseLabel.text = response
                case .failure(let error):
                    self.responseLabel.text = "Error: \(error.localizedDescription)"
                }
            }
        }
    }
}

为了减少网络传输的数据量，可以对请求和响应进行压缩。同时，可以实现缓存机制，避免重复请求相同的内容。

request.setValue("gzip", forHTTPHeaderField: "Accept-Encoding")
request.setValue("gzip", forHTTPHeaderField: "Content-Encoding")

对于长文本响应，可以使用流式处理来逐步显示内容，提升用户体验。

func handleStreamResponse(data: Data) {let lines = String(data: data, encoding: .utf8)?.components(separatedBy: "\n") ?? []
    for line in lines {if line.hasPrefix("data:"), let jsonData = line.dropFirst(5).data(using: .utf8) {
            do {if let json = try JSONSerialization.jsonObject(with: jsonData, options: []) as? [String: Any],
                   let choices = json["choices"] as? [[String: Any]],
                   let delta = choices.first?["delta"] as? [String: Any],
                   let content = delta["content"] as? String {
                    DispatchQueue.main.async {self.responseLabel.text?.append(content)
                    }
                }
            } catch {print("Error parsing stream data: \(error)")
            }
        }
    }
}

API 密钥错误或过期
请求头中未正确设置 Authorization 字段
服务器端限制

OpenAI API 有速率限制，可以通过以下方式处理：

实现请求队列，控制请求频率
使用指数退避算法进行重试
监控 API 使用情况，避免超出限额

可以在客户端或服务器端实现敏感内容过滤，确保返回的内容符合应用规范。

func filterSensitiveContent(_ text: String) -> String {let sensitiveWords = ["badword1", "badword2"]
    var filteredText = text
    for word in sensitiveWords {filteredText = filteredText.replacingOccurrences(of: word, with: "***")
    }
    return filteredText
}

对于一些简单的任务，可以结合 CoreML 在本地进行预处理，减少网络请求的依赖。例如，可以在本地实现关键词提取、情绪分析等任务。