ChatGPT API开发实战指南：从入门到商业应用

发表于 更新于 分类于 阅读次数： 本文字数： 761 阅读时长 ≈ 3 分钟
全面介绍ChatGPT API的开发实践，从基础调用到高级应用。详细讲解API密钥管理、请求限制处理、模型参数调优、上下文管理、错误处理等关键技术点。同时探讨了prompt工程、token优化、流式响应处理等进阶主题，并提供了实用的代码示例和最佳实践指南，助力开发者构建稳定高效的AI应用。

ChatGPT API开发完全指南

本文将系统介绍如何使用ChatGPT API开发智能应用，包括环境配置、接口调用、异常处理等关键环节。

环境准备

1. API 密钥获取

  1. 注册 OpenAI 账号
  2. 访问 API keys 页面：https://platform.openai.com/api-keys
  3. 创建新的 API key

2. 开发环境配置

1
2
# 安装 OpenAI Python 库
pip install openai

API 基础使用

1. 初始化客户端

1
2
3
4
5
6
7
8
9
from openai import OpenAI

client = OpenAI(api_key='your-api-key')

# 设置代理（如需）
client = OpenAI(
    api_key='your-api-key',
    base_url="your-proxy-url"
)

2. 基础对话

1
2
3
4
5
6
7
8
9
10
11
12
def chat_with_gpt(prompt):
    try:
        response = client.chat.completions.create(
            model="gpt-3.5-turbo",
            messages=[
                {"role": "user", "content": prompt}
            ]
        )
        return response.choices[0].message.content
    except Exception as e:
        print(f"Error: {e}")
        return None

3. 多轮对话

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
def chat_conversation(messages):
    try:
        response = client.chat.completions.create(
            model="gpt-4",
            messages=messages,
            temperature=0.7
        )
        return response.choices[0].message
    except Exception as e:
        print(f"Error: {e}")
        return None

# 使用示例
messages = [
    {"role": "system", "content": "你是一个专业的Python开发者"},
    {"role": "user", "content": "如何实现快速排序？"}
]

高级功能

1. 流式响应

1
2
3
4
5
6
7
8
9
10
def stream_chat():
    response = client.chat.completions.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": "讲个故事"}],
        stream=True
    )
    
    for chunk in response:
        if chunk.choices[0].delta.content:
            print(chunk.choices[0].delta.content, end="")

2. 函数调用

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
functions = [
    {
        "name": "get_weather",
        "description": "获取指定城市的天气信息",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {
                    "type": "string",
                    "description": "城市名称"
                }
            },
            "required": ["city"]
        }
    }
]

response = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "北京今天天气怎么样？"}],
    functions=functions,
    function_call="auto"
)

性能优化

1. 并发请求

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import asyncio
import aiohttp

async def async_chat(prompt):
    async with aiohttp.ClientSession() as session:
        async with session.post(
            "https://api.openai.com/v1/chat/completions",
            headers={"Authorization": f"Bearer {API_KEY}"},
            json={
                "model": "gpt-3.5-turbo",
                "messages": [{"role": "user", "content": prompt}]
            }
        ) as response:
            return await response.json()

# 并发执行多个请求
async def main():
    prompts = ["问题1", "问题2", "问题3"]
    tasks = [async_chat(prompt) for prompt in prompts]
    results = await asyncio.gather(*tasks)
    return results

2. 缓存机制

1
2
3
4
5
from functools import lru_cache

@lru_cache(maxsize=100)
def cached_chat(prompt: str):
    return chat_with_gpt(prompt)

错误处理

1. 重试机制

1
2
3
4
5
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 chat_with_retry(prompt):
    return chat_with_gpt(prompt)

2. 异常处理

1
2
3
4
5
6
7
8
9
def safe_chat(prompt):
    try:
        response = chat_with_gpt(prompt)
        if not response:
            raise ValueError("Empty response")
        return response
    except Exception as e:
        logger.error(f"Chat error: {e}")
        return "抱歉，服务出现异常，请稍后重试。"

最佳实践

  1. API Key 管理

    1
    2
    3
    4
    5
    6
    # 使用环境变量
    import os
    from dotenv import load_dotenv

    load_dotenv()
    api_key = os.getenv("OPENAI_API_KEY")

  2. 成本控制

    1
    2
    3
    4
    def count_tokens(text):
        import tiktoken
        encoding = tiktoken.encoding_for_model("gpt-3.5-turbo")
        return len(encoding.encode(text))

  3. 请求限速

    1
    2
    3
    4
    5
    6
    7
    import time
    from ratelimit import limits, sleep_and_retry

    @sleep_and_retry
    @limits(calls=60, period=60)  # 每分钟最多60次请求
    def rate_limited_chat(prompt):
        return chat_with_gpt(prompt)

应用示例

1. 智能客服

1
2
3
4
5
6
7
def customer_service_bot(user_input):
    system_prompt = "你是一个专业的客服代表，请用友善的语气回答用户问题。"
    messages = [
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": user_input}
    ]
    return chat_conversation(messages)

2. 代码助手

1
2
3
4
5
6
7
def code_assistant(code_question):
    system_prompt = "你是一个专业的程序员，请提供详细的代码示例和解释。"
    messages = [
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": code_question}
    ]
    return chat_conversation(messages)

安全考虑

  1. 输入验证
  2. 敏感信息过滤
  3. 响应内容审核
  4. 用户认证授权

参考资料

  1. OpenAI API 文档
  2. Python OpenAI 库文档
  3. API 最佳实践指南

本文将持续更新，欢迎交流讨论。