Python调用open ai接口

要使用 Python 调用 OpenAI 的接口,您需要完成以下几个步骤:

  1. **注册并获取 API 密钥**

  2. **安装 OpenAI 的 Python 库**

  3. **编写 Python 代码以调用 API**

以下是详细的步骤说明:


1. 注册并获取 API 密钥

首先,您需要在 [OpenAI 官方网站](https://beta.openai.com/signup/) 注册一个账户。注册完成后,您需要创建一个 API 密钥:

  1. 登录到您的 OpenAI 账户。

  2. 导航到 [API Keys](https://beta.openai.com/account/api-keys) 页面。

  3. 点击"Create new secret key"按钮,生成一个新的 API 密钥。**请妥善保存此密钥,因为之后无法再次查看。**

2. 安装 OpenAI 的 Python 库

OpenAI 提供了官方的 Python 库,您可以使用 `pip` 来安装:

```bash

pip install openai

```

如果您使用的是 Python 3,可能需要使用 `pip3`:

```bash

pip3 install openai

```

3. 编写 Python 代码以调用 API

以下是一个使用 OpenAI 的 `text-davinci-003` 模型生成文本的示例代码:

```python

import openai

import os

设置您的 OpenAI API 密钥

建议将密钥存储在环境变量中,而不是硬编码在代码中

例如,在终端中运行:export OPENAI_API_KEY='your_api_key_here'

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

def generate_text(prompt, max_tokens=100, temperature=0.7):

"""

使用 OpenAI 的 GPT-3 模型生成文本。

参数:

  • prompt (str): 输入的提示文本。

  • max_tokens (int): 生成的最大 token 数。

  • temperature (float): 模型的温度参数,控制输出的随机性。

返回:

  • str: 生成的文本。

"""

try:

response = openai.Completion.create(

engine="text-davinci-003",

prompt=prompt,

max_tokens=max_tokens,

temperature=temperature,

n=1,

stop=None,

timeout=10

)

return response.choices[0].text.strip()

except Exception as e:

return f"Error: {e}"

if name == "main":

user_prompt = "写一段关于人工智能的简短介绍。"

generated = generate_text(user_prompt, max_tokens=150, temperature=0.5)

print("生成的文本:")

print(generated)

```

代码说明:

  1. **导入库**

```python

import openai

import os

```

  • `openai`: OpenAI 的官方 Python 库。

  • `os`: 用于访问环境变量。

  1. **设置 API 密钥**

```python

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

```

  • 推荐将 API 密钥存储在环境变量中,以增强安全性。您可以在终端中运行以下命令来设置环境变量:

```bash

export OPENAI_API_KEY='your_api_key_here'

```

  • 或者,您也可以直接在代码中设置:

```python

openai.api_key = "your_api_key_here"

```

**注意**: 将 API 密钥硬编码在代码中存在安全风险,不推荐。

  1. **定义生成文本的函数**

```python

def generate_text(prompt, max_tokens=100, temperature=0.7):

...

```

  • `prompt`: 输入的提示文本。

  • `max_tokens`: 生成的最大 token 数。

  • `temperature`: 控制输出的随机性。值越高,输出越随机。

  1. **调用 OpenAI 的 Completion API**

```python

response = openai.Completion.create(

engine="text-davinci-003",

prompt=prompt,

max_tokens=max_tokens,

temperature=temperature,

n=1,

stop=None,

timeout=10

)

```

  • `engine`: 使用的模型名称,例如 `text-davinci-003`。

  • `n`: 返回的生成结果数量。

  • `stop`: 指定停止生成的条件。

  1. **处理异常**

```python

except Exception as e:

return f"Error: {e}"

```

  • 捕获并返回异常信息。
  1. **主程序**

```python

if name == "main":

user_prompt = "写一段关于人工智能的简短介绍。"

generated = generate_text(user_prompt, max_tokens=150, temperature=0.5)

print("生成的文本:")

print(generated)

```

  • 设置用户提示,调用生成函数,并打印结果。

示例输出:

```

生成的文本:

人工智能(AI)是指由计算机系统执行通常需要人类智能的任务,例如视觉识别、语音识别、决策和语言翻译。AI 技术正在迅速发展,涵盖了从简单的自动化到复杂的机器学习算法等多个领域。通过利用大数据和强大的计算能力,AI 在医疗、金融、交通等众多行业中展现了巨大的潜力。

```

4. 其他示例

使用 ChatGPT 模型进行对话

如果您使用的是 ChatGPT 模型,可以参考以下示例:

```python

import openai

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

def chatgpt_conversation(messages, model="gpt-3.5-turbo", max_tokens=150, temperature=0.5):

"""

使用 ChatGPT 模型进行对话。

参数:

  • messages (list): 消息列表,每个元素是一个字典,包含 'role' 和 'content'。

  • model (str): 使用的模型名称。

  • max_tokens (int): 生成的最大 token 数。

  • temperature (float): 模型的温度参数。

返回:

  • str: 生成的文本。

"""

try:

response = openai.ChatCompletion.create(

model=model,

messages=messages,

max_tokens=max_tokens,

temperature=temperature

)

return response.choices[0].message.content.strip()

except Exception as e:

return f"Error: {e}"

if name == "main":

conversation = [

{"role": "system", "content": "你是一个友好的助手。"},

{"role": "user", "content": "你好!"},

{"role": "assistant", "content": "你好!有什么我可以帮您的吗?"},

{"role": "user", "content": "请告诉我一些关于人工智能的知识。"}

]

response = chatgpt_conversation(conversation, model="gpt-3.5-turbo", max_tokens=150, temperature=0.5)

print("ChatGPT 的回答:")

print(response)

```

代码说明:

  1. **定义对话函数**

```python

def chatgpt_conversation(messages, model="gpt-3.5-turbo", max_tokens=150, temperature=0.5):

...

```

  • `messages`: 消息列表,包含系统消息和用户消息。

  • `model`: 使用的模型名称,例如 `gpt-3.5-turbo`。

  • 其他参数与之前相同。

  1. **设置对话内容**

```python

conversation = [

{"role": "system", "content": "你是一个友好的助手。"},

{"role": "user", "content": "你好!"},

{"role": "assistant", "content": "你好!有什么我可以帮您的吗?"},

{"role": "user", "content": "请告诉我一些关于人工智能的知识。"}

]

```

  1. **调用 ChatGPT API 并打印结果**

```python

response = chatgpt_conversation(conversation, model="gpt-3.5-turbo", max_tokens=150, temperature=0.5)

print("ChatGPT 的回答:")

print(response)

```

示例输出:

```

ChatGPT 的回答:

当然可以!人工智能(AI)是指由计算机系统执行通常需要人类智能的任务,例如视觉识别、语音识别、决策和语言翻译。AI 技术正在迅速发展,涵盖了从简单的自动化到复杂的机器学习算法等多个领域。通过利用大数据和强大的计算能力,AI 在医疗、金融、交通等众多行业中展现了巨大的潜力。

```

5. 注意事项

  • **API 费用**: OpenAI 的 API 不是免费的,具体费用请参考 [OpenAI 定价页面](https://openai.com/pricing)。

  • **API 限制**: 请注意 API 的使用限制,例如速率限制和配额限制。

  • **安全性**: 不要在公共代码库中暴露您的 API 密钥。可以使用环境变量或配置文件来存储密钥。


通过以上步骤,您就可以使用 Python 调用 OpenAI 的接口。

相关推荐
PXM的算法星球23 分钟前
【软件工程】面向对象编程(OOP)概念详解
java·python·软件工程
qsmyhsgcs38 分钟前
Java程序员转人工智能入门学习路线图(2025版)
java·人工智能·学习·机器学习·算法工程师·人工智能入门·ai算法工程师
A林玖40 分钟前
【机器学习】朴素贝叶斯
人工智能·算法·机器学习
六边形战士DONK43 分钟前
神经网络基础[损失函数,bp算法,梯度下降算法 ]
人工智能·神经网络·算法
IT从业者张某某1 小时前
机器学习-08-时序数据分析预测
人工智能·机器学习·数据分析
袁煦丞1 小时前
AI视频生成神器Wan 2.1:cpolar内网穿透实验室第596个成功挑战
人工智能·程序员·远程工作
Humbunklung1 小时前
PySide6 GUI 学习笔记——常用类及控件使用方法(常用类矩阵QRectF)
笔记·python·学习·pyqt
xMathematics1 小时前
深度学习与SLAM特征提取融合:技术突破与应用前景
人工智能·深度学习
蹦蹦跳跳真可爱5891 小时前
Python----深度学习(基于DNN的吃鸡预测)
python·深度学习·dnn
墨顿1 小时前
Transformer数学推导——Q29 推导语音识别中流式注意力(Streaming Attention)的延迟约束优化
人工智能·深度学习·transformer·注意力机制·跨模态与多模态