小白请看!使用Postman发送openai请求,连接openai!

前言

今天我们来聊聊如何使用Postman发送模拟请求

使用 OpenAI GPT-3.5 进行模型调用时,会发送 HTTP 请求到 OpenAI 的服务器。通常,您会使用 OpenAI 提供的 API 来进行请求。在 Python 中,您使用 OpenAI Python 客户端库可以包含,其中openai.Completion.create()方法来发起模型请求。

以下是一个简单的示例代码:

python 复制代码
import openai

openai.api_key = 'YOUR_API_KEY'  # 替换为您的 OpenAI API 密钥

response = openai.Completion.create(
  engine="text-davinci-003",
  prompt="Translate the following English text to French: '{}'",
  max_tokens=60
)

print(response['choices'][0]['text'])

在这个例子中,openai.Completion.create()发送了一个请求,要求使用达芬奇模型将给定的英文文本翻译成语法。服务器收到请求后,会进行处理并返回生成的文本作为响应。

Postman模拟请求

Postman 是一个强大的 API 开发和测试工具,其中的模拟请求功能允许开发者和发送模拟的创建 HTTP 请求以测试 API 的端点。使用Postman模拟请求需要以下步骤:

1.打开邮递员:

启动Postman应用,确保您已经登录,并且可以访问需要测试的API。

2.创建一个新请求:

在 Postman 左上角的工具栏中,选择"Request"(请求)按钮,创建一个新的请求。您可以选择请求的类型(GET、POST、PUT、DELETE 等)。

3.配置请求参数:

  • 输入请求的URL:在请求的地址输入目标API的端点地址。
  • 选择请求类型:在请求类型下拉菜单中选择合适的HTTP方法。
  • 添加请求头:在请求头部分添加必要的头信息,如Content-Type、Authorization等。

4.设置请求体(如果需要):

如果您的请求需要发送数据,例如 POST 请求,可以在请求体中添加相应的参数、JSON 或表单数据。

5.发送请求:

确认所有参数和配置都正确无误后,点击 Postman 中的"发送"(发送)按钮。Postman 将模拟请求并发送到目标 API 的端点。

6.查看响应:

Postman会显示API服务器返回的响应。您可以查看响应的状态码、响应头、响应体等信息。

通过这些步骤,您可以在 Postman 中模拟请求,测试 API 的各种功能,确保其正常工作,并方便地与 API 进行交互。 Postman 提供了洞察的界面,使得构建和调试请求变得非常正确。

实战

首先进入openai网站,拿到我们的API。教程如下:

选择VPI

复制我们的API keys, 如果没有的话点击Create new secret key,这样我们就可以拿到我们的API了。

  1. 创建一个新的请求

进入Postman中,点击Workspaces然后点击My Workspace,点击右边加号创建一个新的请求

2,配置请求参数 输入URL,这里输入为openAI的端点,https://api.openai.com/v1/completions, 接下来我们选择POST请求类型。

设置Authorization头,选择Bearer Token,添加oepnai的API,在Token中输入

  1. 设置请求体

经过了以上步骤后,我们已经连接到了oepnai,接下来我们要在请求体中带上我们的请求:

  1. 发送请求

点击右上角Send,接下来等待响应

  1. 查看响应

openAI回复在text处, 你好

今天的内容就到这啦,如果你觉得小编写的还不错的话,或者对你有所启发,请给小编一个辛苦的赞吧

相关推荐
桃花键神16 分钟前
AI可信论坛亮点:合合信息分享视觉内容安全技术前沿
人工智能
Q_192849990630 分钟前
基于Spring Boot的九州美食城商户一体化系统
java·spring boot·后端
野蛮的大西瓜37 分钟前
开源呼叫中心中,如何将ASR与IVR菜单结合,实现动态的IVR交互
人工智能·机器人·自动化·音视频·信息与通信
ZSYP-S1 小时前
Day 15:Spring 框架基础
java·开发语言·数据结构·后端·spring
CountingStars6191 小时前
目标检测常用评估指标(metrics)
人工智能·目标检测·目标跟踪
tangjunjun-owen1 小时前
第四节:GLM-4v-9b模型的tokenizer源码解读
人工智能·glm-4v-9b·多模态大模型教程
冰蓝蓝1 小时前
深度学习中的注意力机制:解锁智能模型的新视角
人工智能·深度学习
橙子小哥的代码世界1 小时前
【计算机视觉基础CV-图像分类】01- 从历史源头到深度时代:一文读懂计算机视觉的进化脉络、核心任务与产业蓝图
人工智能·计算机视觉
Yuan_o_2 小时前
Linux 基本使用和程序部署
java·linux·运维·服务器·数据库·后端
新加坡内哥谈技术2 小时前
苏黎世联邦理工学院与加州大学伯克利分校推出MaxInfoRL:平衡内在与外在探索的全新强化学习框架
大数据·人工智能·语言模型