代码收藏家 【OpenAI库】从0到1深入理解Python调用OpenAI库的完整教程：从入门到实际运用
文章目录
Moss前沿AI
【OpenAI】获取OpenAI API Key的多种方式全攻略：从入门到精通，再到详解教程！！
【VScode】VSCode中的智能AI-GPT编程利器，全面揭秘ChatMoss & ChatGPT中文版
【GPT-o1系列模型！支持Open API调用、自定义助手、文件上传等强大功能，助您提升工作效率！】>>> – CodeMoss & ChatGPT-AI中文版
在当今的人工智能时代，OpenAI的API为开发者提供了强大的工具来构建智能应用程序。无论你是AI领域的新手还是经验丰富的开发者，掌握如何使用Python调用OpenAI库都是一项必备技能。在这篇文章中，我们将详细解析如何使用Python与OpenAI API进行交互，从基础设置到高级应用，帮助你从入门到精通。
一、初识OpenAI API
OpenAI API是一个强大的接口，允许开发者通过简单的HTTP请求与OpenAI的模型进行交互。通过API，你可以实现自然语言处理、文本生成、对话系统等多种功能。为了开始使用，你需要一个API密钥和基本的Python编程知识。
1.1 获取API-Key（两种方案）
1.2 安装OpenAI库
在开始编写代码之前，确保你的Python环境中已经安装了OpenAI库。你可以通过以下命令安装：
pip install openai
二、Python调用OpenAI API的基础设置
在这一部分，我们将介绍如何设置API密钥和基本的请求参数。
2.1 设置API密钥和Base URL
在使用OpenAI库时，首先需要配置API密钥和Base URL。以下是一个简单的示例：
BaseUrl，因为openai库已经内置了URL：https://api.openai.com/v1。源码和示例如下：示例：
from openai import OpenAI
client = OpenAI(
api_key="api_key", # 只需要填写key就可以了
)
response = client.chat.completions.create(
messages=[
{'role': 'user', 'content': "1+1"}, ],
model='gpt-3.5-turbo',
stream=True
)
for chunk in response:
print(chunk.choices[0].delta.content, end="", flush=True)
openai源码：
v1的：https://api.openai.com/v1。所以你要检查从其他地方获取的BaseUrl是否完整，例如：CodeMoss里面的获取的就不带v1，那么我们就需要手动在后面拼接v1。如下：配置前获取的BaseUrl
base_url="https://testchatmoss.aihao123.cn/luomacode-api/open-api/"
配置后的BaseUrl
base_url="https://testchatmoss.aihao123.cn/luomacode-api/open-api/v1"
注意结尾
代码示例：
from openai import OpenAI
client = OpenAI(
api_key="api_key", # 填写提供的api_key
base_url="base_url" # 填写提供的base_url
)
response = client.chat.completions.create(
messages=[
{'role': 'user', 'content': "1+1"}, ],
model='gpt-3.5-turbo',
stream=True
)
for chunk in response:
print(chunk.choices[0].delta.content, end="", flush=True)
2.2 参数详解
api_key: 这是你从某个渠道获取的API KEY，用于验证你的身份。base_url: 这是API的基础URL，通常由OpenAI或者某个渠道提供。三、构建一个简单的聊天应用
接下来，我们将构建一个简单的聊天应用，展示如何使用OpenAI的聊天模型。
3.1 创建聊天请求
使用OpenAI的聊天模型，你可以创建一个对话请求。以下是一个简单的示例：
response = client.chat.completions.create(
messages=[
{'role': 'user', 'content': "1+1"},
],
model='gpt-3.5-turbo',
stream=True
)
3.2 参数详解
messages: 这是一个列表，content是你的的问题。user是你的角色。model: 指定使用的模型版本，如gpt-3.5-turbo。stream: 如果设置为True，则响应将以流的形式返回。3.3 处理响应
处理响应时，你可以逐块读取数据并输出结果：
for chunk in response:
print(chunk.choices[0].delta.content, end="", flush=True)
四、完整代码示例
我这个是CodeMoss工具获取的api_key，示例代码就配置了base_url，完整代码和获取KEY的地址如下：>>> 获取OpenAI API Key的多种方式
1.Python示例代码（基础）
基本使用：直接调用，没有设置系统提示词的代码
from openai import OpenAI
client = OpenAI(
api_key="这里是CodeMoss的api_key",
base_url="这里是上图的base_url"
)
response = client.chat.completions.create(
messages=[
# 把用户提示词传进来content
{'role': 'user', 'content': "Python的排序由几种方式？"},
],
model='gpt-4', # 上面写了可以调用的模型
stream=True # 一定要设置True
)
for chunk in response:
print(chunk.choices[0].delta.content, end="", flush=True)
输出结果：
2.Python示例代码（高阶）
进阶代码：根据用户反馈的问题，用GPT进行问题分类
from openai import OpenAI
# 创建OpenAI客户端
client = OpenAI(
api_key="your_api_key", # 你自己创建创建的Key
base_url="your_base_url" # 你的base_url
)
def api(content):
print()
# 这里是系统提示词
sysContent = f"请对下面的内容进行分类，并且描述出对应分类的理由。你只需要根据用户的内容输出下面几种类型：bug类型,用户体验问题，用户吐槽." \
f"输出格式:[类型]-[问题:{content}]-[分析的理由]"
response = client.chat.completions.create(
messages=[
# 把系统提示词传进来sysContent
{'role': 'system', 'content': sysContent},
# 把用户提示词传进来content
{'role': 'user', 'content': content},
],
# 这是模型
model='gpt-4', # 上面写了可以调用的模型
stream=True
)
for chunk in response:
print(chunk.choices[0].delta.content, end="", flush=True)
if __name__ == '__main__':
content = "这个页面不太好看,交互不太好,点击按钮的时候不太方便"
api(content)
输出结果：
Moss前沿AI
【OpenAI】获取OpenAI API Key的多种方式全攻略：从入门到精通，再到详解教程！！
【VScode】VSCode中的智能AI-GPT编程利器，全面揭秘ChatMoss & ChatGPT中文版
【GPT-o1系列模型！支持Open API调用、自定义助手、文件上传等强大功能，助您提升工作效率！】>>> – CodeMoss & ChatGPT-AI中文版
五、总结
通过本文的学习，你应该已经掌握了如何使用Python调用OpenAI库的基本技能。从获取API密钥到构建聊天应用，再到探索高级功能，这些知识将帮助你在AI开发的道路上走得更远。
作者：senger_lcc
