Python开发者指南：从零开始部署ChatGPT API的完整流程与避坑实践

1次阅读

共计 3222 个字符，预计需要花费 9 分钟才能阅读完成。

ChatGPT API 是 OpenAI 提供的自然语言处理接口，能够实现智能对话、文本生成、代码补全等功能。典型应用场景包括客服机器人、内容创作助手、编程辅助工具等。其核心优势在于理解上下文和生成类人文本的能力，适合需要自然语言交互的项目。

部署 ChatGPT API 前，需要确保 Python 环境就绪。推荐使用 Python 3.8+ 版本，以获得最佳兼容性。

创建并激活虚拟环境（可选但推荐）

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

安装必要的依赖库
```
pip install openai python-dotenv
```
验证安装
```
import openai
print(openai.__version__)
```

要使用 ChatGPT API，首先需要获取 API 密钥：

登录 OpenAI 平台（platform.openai.com）
在账户设置中生成 API 密钥
安全存储密钥（不要直接硬编码在代码中）

推荐使用环境变量管理密钥：

from dotenv import load_dotenv
import os

load_dotenv()  # 加载.env 文件
api_key = os.getenv('OPENAI_API_KEY')

import openai
from openai.error import OpenAIError

try:
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": "讲个笑话"}],
        api_key=api_key
    )
    print(response.choices[0].message.content)
except OpenAIError as e:
    print(f"API 调用失败: {str(e)}")

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "解释量子计算"}],
    stream=True
)

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

conversation = []

def chat(prompt):
    conversation.append({"role": "user", "content": prompt})

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

    reply = response.choices[0].message
    conversation.append({"role": reply.role, "content": reply.content})
    return reply.content

# 同时处理多个独立请求
responses = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "总结这篇文章"},
        {"role": "user", "content": "翻译成法语"}
    ],
    n=2  # 返回 2 个独立结果
)

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 robust_api_call(prompt):
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": prompt}],
        timeout=10  # 秒
    )
    return response

from diskcache import Cache

cache = Cache("./chatgpt_cache")

def cached_chat(prompt):
    if prompt in cache:
        return cache[prompt]

    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": prompt}]
    )

    cache.set(prompt, response)
    return response

永远不要将 API 密钥提交到版本控制系统
使用环境变量或密钥管理服务
定期轮换密钥

import re

def sanitize_input(text):
    # 移除潜在的恶意内容
    text = re.sub(r'<script.*?>.*?</script>', '', text, flags=re.DOTALL)
    return text[:1000]  # 限制输入长度

import time

last_call_time = 0
RATE_LIMIT = 1  # 1 秒 / 请求

def rate_limited_chat(prompt):
    global last_call_time

    now = time.time()
    if now - last_call_time < RATE_LIMIT:
        time.sleep(RATE_LIMIT - (now - last_call_time))

    last_call_time = time.time()
    return chat(prompt)

建议使用 Docker 容器化应用：

FROM python:3.9-slim

WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt

COPY . .

CMD ["python", "app.py"]

import logging

logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(levelname)s - %(message)s',
    handlers=[logging.FileHandler('chatgpt.log'),
        logging.StreamHandler()]
)

logger = logging.getLogger(__name__)

# 在 API 调用处添加日志
logger.info(f"API 调用: {prompt[:50]}...")