用 OpenAI SDK 生成汪峰风格歌词：从代码实现到开发反思

生椰丝绒拿铁
57 阅读8分钟

在 AIGC 浪潮下，调用大模型 API 实现个性化内容生成已成为开发者的必备技能。本文将以 “用 OpenAI SDK 生成汪峰风格爱情歌词” 为例，拆解从项目初始化到功能落地的完整流程，并分享开发中的关键反思，帮助新手避开常见坑点。

一、项目背景与核心目标

本次开发的核心需求的是：通过 OpenAI 的 gpt-3.5-turbo-instruct 模型，模拟林夕的细腻作词风格，为汪峰创作一首关于 “爱上会骑马的女孩森林北” 的 100 字爱情歌词。技术选型上，选择 Node.js 作为后端环境 —— 其轻量级特性适合快速验证 API 调用逻辑，且 npm 生态中 OpenAI 官方 SDK 能大幅简化开发流程。

二、完整开发流程拆解

1. 环境初始化：搭建基础框架

首先需要完成 Node.js 项目的初始化和依赖安装，这是后续调用 API 的前提。

  • 步骤 1：初始化 Node 项目执行 npm init -y 快速生成 package.json 文件，自动配置项目名称、版本等基础信息，避免手动创建的繁琐。

  • 步骤 2：安装核心依赖本次开发需要两个关键包：

    • openai：OpenAI 官方 SDK，封装了 API 调用逻辑，无需手动处理 HTTP 请求；
    • dotenv：管理环境变量，避免将敏感的 API Key 硬编码到代码中。安装命令：npm install openai dotenv

2. 配置敏感信息：用 .env 保护 API Key

API Key 是调用 OpenAI 服务的 “钥匙”，直接写在代码中会有泄露风险（如上传 GitHub 后被公开），因此必须用环境变量管理：

  • 步骤 1：创建 .env 文件在项目根目录新建 .env 文件，写入 API Key：

    env

    OPENAI_API_KEY=sk-osfsjgQ5H78ptdNaANLe0b5jFHrJYO6BrOd1DjPDTuGq0y4p

  • 步骤 2：在代码中加载环境变量通过 dotenv.config() 读取 .env 文件，将配置注入 process.env 对象，后续直接通过 process.env.OPENAI_API_KEY 调用：

    javascript

    运行

    import dotenv from 'dotenv';
dotenv.config(); // 加载 .env 配置到环境变量

3. 核心逻辑：调用 OpenAI API 生成歌词

这一步是功能实现的核心，需关注 SDK 初始化、接口参数配置和返回结果处理三个关键点。

  • 步骤 1：初始化 OpenAI 客户端通过 new OpenAI() 创建客户端实例，传入 API Key 和请求基础地址（此处使用第三方代理地址 https://api.302.ai/v1，解决国内直接访问 OpenAI 官方接口的网络问题）：

    javascript

    运行

    import OpenAI from 'openai';
const client = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
  baseURL: 'https://api.302.ai/v1'
});

  • 步骤 2：调用 completions 接口生成内容选择 gpt-3.5-turbo-instruct 模型（文本生成专用，价格低且适合短文本创作），通过 client.completions.create() 发送请求，关键参数说明：

    • model：指定使用的模型，需与接口类型（completions/chat）匹配；

    • max_tokens：限制生成内容长度（256 tokens 约对应 200 汉字，满足 100 字需求）；

    • prompt：提示词设计是生成质量的关键 —— 需明确 “角色（林夕）”“对象（汪峰）”“核心信息（森林北的特质：美丽、勇敢、会骑马）”，让模型精准定位创作方向：

      javascript

      运行

      const response = await client.completions.create({
  model: 'gpt-3.5-turbo-instruct',
  max_tokens: 256,
  prompt: `
    假如你是林夕这样的爱情歌曲作词大家，
    请你写一首100字，为汪峰，写一首他爱上森林北的歌曲。
    森林北是一位美丽，勇敢，会骑马的女孩
  `
});

  • 步骤 3：提取并输出结果OpenAI 返回的响应中，choices[0].text 是模型生成的核心内容（默认返回 1 条结果），最后通过 console.log 打印歌词：

    javascript

    运行

    const result = response.choices[0].text;
console.log('歌词是：' + result);

4. 运行代码：验证功能效果

由于代码中使用了 await（异步操作），需确保其在 async 函数中执行（否则会报错）。补充完整的运行逻辑：

javascript

运行

// 封装异步函数
async function generateLyrics() {
  // 上述初始化客户端、调用 API、提取结果的代码全部放入此处
}
// 调用函数
generateLyrics();

执行 node 文件名.js 运行代码，终端会输出类似以下的歌词（模型生成结果会有差异）：

plaintext

歌词是：
《森林北的风》
马蹄踏过荒原的霜
你眼里有光 撞碎我过往
森林的风 吹乱了乐章
却吹不散 你勒马时的倔强

我曾在霓虹里流浪
直到你出现 像星火滚烫
勇敢是你 最亮的锋芒
美丽是你 让岁月温柔的谎

三、开发反思：踩过的坑与优化方向

完成功能后，不能只停留在 “能用” 的阶段，更要复盘开发中的问题，避免后续重复踩坑。

1. 敏感信息管理：从 “硬编码” 到 “环境变量” 的教训

  • 初始错误：最初曾将 API Key 直接写在代码中，后来意识到一旦代码上传到公开仓库，Key 可能被他人盗用（导致账号欠费或滥用）；
  • 优化方案：引入 dotenv 后，不仅保护了敏感信息，还能根据环境（开发 / 生产）切换不同的 .env 配置，灵活性更高；
  • 补充提醒：务必将 .env 加入 .gitignore 文件，防止误提交到版本库。

2. 异步操作处理：避免 “await 不在 async 函数中” 的语法错误

  • 初始错误：直接在代码顶层使用 await，运行时触发 SyntaxError: await is only valid in async functions；
  • 本质原因：Node.js 顶层 await 需在 ES 模块（.mjs 后缀或 package.json 中配置 "type": "module"）中支持，若项目是 CommonJS 模块（默认），必须将 await 放入 async 函数；
  • 优化方案：封装 generateLyrics 这样的异步函数，既符合语法规范，也让代码结构更清晰（便于后续扩展，如添加错误处理）。

3. 模型与接口匹配：避免 “调用错误的接口类型”

  • 潜在风险：OpenAI 有两类核心接口 ——completions（文本生成，对应 gpt-3.5-turbo-instruct 等模型）和 chat（对话生成，对应 gpt-3.5-turbo 等模型），若用 chat 接口调用 gpt-3.5-turbo-instruct 模型，会直接报错；
  • 解决方案：调用前先查阅 OpenAI 官方文档，确认模型对应的接口类型，避免 “张冠李戴”。

4. 提示词工程：生成质量的 “隐形开关”

  • 初始问题：第一次写 prompt 时只写了 “为汪峰写一首关于森林北的歌词”，生成的内容既没有林夕的风格，也没体现 “会骑马” 的特质；
  • 优化思路：提示词需包含 “角色（林夕）”“约束（100 字）”“关键信息（森林北的特质）” 三个要素，让模型有明确的创作边界 —— 这就是 “提示词工程” 的核心：通过精准描述，引导模型输出符合预期的结果。

5. 网络与稳定性：第三方代理的权衡

  • 现状：国内直接访问 OpenAI 官方接口（https://api.openai.com/v1）会有网络问题，因此使用了第三方代理地址 https://api.302.ai/v1；

  • 风险与优化：第三方代理可能存在稳定性风险（如接口失效、延迟高），长期项目建议：

    • 若有条件，通过合规的云服务搭建自己的代理；
    • 加入错误重试逻辑（如用 try/catch 捕获请求失败，自动重试 1-2 次），提升代码健壮性。

四、总结

本次开发看似是 “调用一个 API 生成歌词”，实则覆盖了 Node.js 项目初始化、敏感信息管理、异步编程、提示词工程等多个知识点。更重要的是，通过反思开发中的问题，我们能从 “会写代码” 进阶到 “会写好代码”—— 这才是技术成长的关键。

如果需要进一步优化，还可以扩展功能：比如添加前端页面让用户输入 “歌手风格”“核心信息”，动态生成 prompt；或对接数据库，保存历史生成的歌词。AIGC 开发的乐趣，就在于不断探索和迭代。

五、附录

完整的项目代码文件（含 .env 示例、.gitignore 配置） 以下是完整的项目代码文件，包含所有必要配置，可直接下载运行：

1. package.json（项目依赖配置）

json

{
  "name": "openai-lyrics-generator",
  "version": "1.0.0",
  "description": "用 OpenAI 生成汪峰风格歌词",
  "main": "index.js",
  "scripts": {
    "start": "node index.js"
  },
  "dependencies": {
    "openai": "^4.0.0",
    "dotenv": "^16.3.1"
  }
}

2. .env（环境变量配置，需替换为自己的 API Key）

env

OPENAI_API_KEY=sk-你的OpenAI_API_Key（替换为实际密钥）

3. .gitignore（版本控制忽略文件）

gitignore

# 忽略 Node.js 依赖和环境变量文件
node_modules/
.env

4. index.js（核心代码逻辑）

javascript

运行

import OpenAI from 'openai';
import dotenv from 'dotenv';

// 加载环境变量
dotenv.config();

// 封装异步函数处理 OpenAI 调用
async function generateWangFengLyrics() {
  // 初始化 OpenAI 客户端
  const client = new OpenAI({
    apiKey: process.env.OPENAI_API_KEY,
    baseURL: 'https://api.302.ai/v1' // 可选：国内代理地址，也可使用官方地址 https://api.openai.com/v1
  });

  try {
    // 调用 completions 接口生成歌词
    const response = await client.completions.create({
      model: 'gpt-3.5-turbo-instruct',
      max_tokens: 256,
      prompt: `
        假如你是林夕这样的爱情歌曲作词大家，
        请你写一首100字，为汪峰，写一首他爱上森林北的歌曲。
        森林北是一位美丽，勇敢，会骑马的女孩
      `
    });

    // 提取并打印结果
    const lyrics = response.choices[0].text;
    console.log('✨ 生成的汪峰风格歌词：\n' + lyrics);
  } catch (error) {
    // 错误处理
    console.error('调用 OpenAI API 失败：', error.message);
  }
}

// 执行函数
generateWangFengLyrics();

使用说明

  1. 安装依赖：在项目根目录执行 npm install；
  2. 配置 API Key：将 .env 文件中的 OPENAI_API_KEY 替换为你自己的 OpenAI 密钥（从 OpenAI 控制台 获取）；
  3. 运行代码：执行 npm start 或 node index.js，即可在终端看到生成的歌词。

这样配置后，项目结构完整且规范，既保护了敏感信息，又能快速验证功能，后续也可基于此扩展前端页面、保存历史记录等功能～

avatar
文章
阅读
粉丝