如何安全高效地接入ChatGPT API：开发者实战指南

2次阅读

共计 1845 个字符，预计需要花费 5 分钟才能阅读完成。

ChatGPT API 为开发者提供了强大的自然语言处理能力，可以广泛应用于智能客服、内容生成、代码辅助、语言翻译等多个领域。通过 API 接入，开发者可以快速为自己的产品添加上下文感知的对话功能，或者构建复杂的文本处理流水线。API 的灵活性和可扩展性使其成为现代应用开发中的重要工具。

在接入 ChatGPT API 时，开发者常会遇到以下几个主要问题：

认证流程：API 密钥管理不当导致认证失败
速率限制：超出 API 调用频率限制导致请求被拒
长文本处理：如何高效处理超出 token 限制的文本
流式响应：实现实时交互体验的技术挑战
错误处理：网络波动或 API 异常时的恢复机制

登录 OpenAI 平台创建 API 密钥
建议为不同环境 (开发 / 测试 / 生产) 创建独立密钥
密钥权限遵循最小权限原则

headers = {
    'Content-Type': 'application/json',
    'Authorization': f'Bearer {api_key}'
}

params = {
    'model': 'gpt-3.5-turbo',
    'temperature': 0.7,
    'max_tokens': 150,
    'top_p': 1.0,
    'frequency_penalty': 0.0,
    'presence_penalty': 0.0
}

import openai
import time
from tenacity import retry, stop_after_attempt, wait_exponential

# 初始化客户端
openai.api_key = "your-api-key"

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
def chat_completion_with_retry(messages):
    try:
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=messages,
            temperature=0.7,
            max_tokens=150
        )
        return response.choices[0].message.content
    except openai.error.RateLimitError:
        print("速率限制触发，等待重试...")
        time.sleep(10)
        raise
    except openai.error.APIError as e:
        print(f"API 错误: {e}")
        raise

# 使用示例
messages = [{"role": "user", "content": "解释量子计算的基本原理"}]
response = chat_completion_with_retry(messages)
print(response)

请求批处理：将多个独立请求合并为单个 API 调用
缓存策略：对相同输入缓存响应结果
并发控制：使用异步请求提高吞吐量
流式处理：对于长响应启用 stream=True 参数

# 流式响应示例
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=messages,
    stream=True
)

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