利用OpenAI 的API 可以做好多事情，今天就用简单的代码来解密一下，如何使用Python 来对接OpenAI 的API，实现一些简单的文本对话生成的功能，学习完OpenAI的API对接方法，以后遇到其他对话大模型的时候就可以触类旁通了。

前言

参考官方文档：

platform.openai.com/docs/guides…

今天对接文档中的OpenAI的文本生成模型(Text generation models)，就是著名的ChatGPT系列。

需要提前安装两个Python第三方包

pip install openai python-dotenv

再新建一个.env文件填写自己的API Key

OPENAI_API_KEY=sk-******************IQV

同目录下新建一个Python文件，最简单的实现方式，核心代码为：

from openai import OpenAI
from dotenv import load_dotenv, find_dotenv

_ = load_dotenv(find_dotenv())
client = OpenAI()

response = client.chat.completions.create(
  model="gpt-3.5-turbo",
  messages=[
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Who won the world series in 2020?"},
    {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},
    {"role": "user", "content": "Where was it played?"}
  ]
)
print(response)  # 打印的是一个对象
print(response.choices[0].message.content)  # 打印的是一个具体的回复的内容

ChatCompletion(id='chatcmpl-9HtS3CKCgSyOjyxhTfuY8TEjEOUAG', choices=[Choice(finish_reason='stop', index=0, logprobs=None, message=ChatCompletionMessage(content='The World Series in 2020 was played at Globe Life Field in Arlington, Texas.', role='assistant', function_call=None, tool_calls=None))], created=1714051759, model='gpt-3.5-turbo-0125', object='chat.completion', system_fingerprint='fp_c2295e73ad', usage=CompletionUsage(completion_tokens=18, prompt_tokens=53, total_tokens=71))
The World Series in 2020 was played at Globe Life Field in Arlington, Texas.

在可以增加model="gpt-3.5-turbo",后增加一行response_format={ "type": "json_object" }, 可以返回json格式响应内容：

{
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "The World Series in 2020 was played at Globe Life Field in Arlington, Texas."
      }
    }
  ],
  "created": 1714051759,
  "id": "chatcmpl-6p9XYPYSTTRi0xEviKjjilqrWU2Ve",
  "model": "gpt-3.5-turbo-0125",
  "object": "chat.completion",
  "usage": {
    "prompt_tokens": 18,
    "completion_tokens": 54,
    "total_tokens": 72
  }
}

OpenAI API 响应可以看作是一个 JSON 对象，包含以下主要字段：

choices: 模型生成的回复列表，通常只有一个元素，但可以通过参数 n 进行控制。每个元素包含以下信息：
- finish_reason: 回复结束的原因，例如 stop 表示模型已经生成完整回复。
- index: 当前回复在 choices 数组中的索引。
- message: 回复内容，包含以下两种类型：
  - role = "user": 用户输入的内容。
  - role = "assistant": 模型生成的回复。
    - content: 文本内容。
    - function_call: 未来可能支持的函数调用，目前保留。
created: 回复生成的时间戳。
id: OpenAI 内部使用的标识符。
model: 使用的模型名称。
object: 固定值为 "chat.completion"。
usage: 本次请求消耗的 token 数，用于计费。
- prompt_tokens: 输入 prompt 中的 token 数。
- completion_tokens: 模型生成回复中的 token 数。
- total_tokens: 总 token 数，等于 prompt_tokens + completion_tokens。

也可以模仿OpenAI官网的传输

from openai import OpenAI
from dotenv import load_dotenv, find_dotenv

_ = load_dotenv(find_dotenv())
client = OpenAI()

stream = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "Say this is a test"}],
    stream=True,
)
for chunk in stream:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="")

最后

注意的一点的是对接OpenAI的API需要相应的网络环境，下一期会继续研究OpenAI API的其他功能，讲一下API中的角色和函数调用，敬请期待~

使用 Python接入 OpenAI API，实现简单的对话生成，介绍其中相应参数含义

前言

最后