【GPT入门】第6课 openai接口介绍与参数说明

[1. openAI 接口概述](#1. openAI 接口概述)
[2. 接口说明](#2. 接口说明)
[3. 参数重点](#3. 参数重点)

1. openAI 接口概述

其它大模型的 API 基本都是参考 OpenAI，只有细节上稍有不同。

OpenAI 提供了两类 API：

Completion API：续写文本，多用于补全场景。https://platform.openai.com/docs/api-reference/completions/create

Chat API：多轮对话，但可以用对话逻辑完成任何任务，包括续写文本。https://platform.openai.com/docs/api-reference/chat/create

说明：

Chat 是主流，有的大模型只提供 Chat

背后的模型可以认为是一样的，但其实并不一样

Chat 模型是纯生成式模型做指令微调（SFT）之后的结果，更多才多艺，更听话

2. 接口说明

c 复制代码

def get_chat_completion(session, user_prompt, model="gpt-4o-mini"):
    session.append({"role": "user", "content": user_prompt})
    response = client.chat.completions.create(
        model=model,
        messages=session,
        # 以下默认值都是官方默认值
        temperature=1,          # 生成结果的多样性。取值 0~2 之间，越大越发散，越小越收敛
        seed=None,              # 随机数种子。指定具体值后，temperature 为 0 时，每次生成的结果都一样
        stream=False,           # 数据流模式，一个字一个字地接收
        response_format={"type": "text"},  # 返回结果的格式，可以是 text、json_object 或 json_schema
        top_p=1,                # 随机采样时，只考虑概率前百分之多少的 token。不建议和 temperature 一起使用
        n=1,                    # 一次返回 n 条结果
        max_tokens=None,        # 每条结果最多几个 token（超过截断）
        presence_penalty=0,     # 对出现过的 token 的概率进行降权
        frequency_penalty=0,    # 对出现过的 token 根据其出现过的频次，对其的概率进行降权
        logit_bias={},          # 对指定 token 的采样概率手工加/降权，不常用
    )
    msg = response.choices[0].message.content
    return msg

3. 参数重点

Temperature 参数很关键

执行任务用 0，文本生成用 0.7-0.9

无特殊需要，不建议超过 1