chatgpt入口 chatgpt的一些python调用方法-开发者社区

来源：https://www.laoyingai.com/

使用Python调用ChatGPT API主要依赖OpenAI官方库，以下是完整的调用方法和代码示例。

1. 安装与配置

首先安装官方Python库：

bash

pip install openai

获取API密钥后，推荐使用环境变量管理（创建.env文件或直接设置环境变量）：

python

import os from openai import OpenAI # 从环境变量读取密钥（推荐） client = OpenAI( api_key=os.environ.get("OPENAI_API_KEY") )

安全提醒：切勿将API密钥硬编码在代码中。

2. 基础调用方法

方法一：Chat Completions API（当前标准）

python

from openai import OpenAI client = OpenAI() completion = client.chat.completions.create( model="gpt-4o", # 或 "gpt-4-turbo", "gpt-3.5-turbo" messages=[ {"role": "system", "content": "你是一个专业的编程助手。"}, {"role": "user", "content": "如何在Python中实现快速排序？"} ], temperature=0.7 # 控制随机性，0-1之间 ) print(completion.choices[0].message.content)

方法二：Responses API（较新的主要API）

python

response = client.responses.create( model="gpt-4o", instructions="你是一个友好的客服助手", input="请问你们支持7天无理由退货吗？" ) print(response.output_text)

参数说明

model：模型名称，如gpt-4o、gpt-4-turbo、gpt-3.5-turbo
messages：对话历史，每个消息包含role（system/user/assistant）和content
temperature：0-1之间，值越低输出越确定，越高越有创造性
max_tokens：限制响应最大长度

3. 多轮对话管理

多轮对话需要维护完整的消息历史：

python

def run_conversation(): messages = [ {"role": "system", "content": "你是一个善于倾听的助手。"} ] while True: user_input = input("用户: ") if user_input.lower() == 'quit': break # 添加用户消息 messages.append({"role": "user", "content": user_input}) # 获取响应 completion = client.chat.completions.create( model="gpt-4o", messages=messages ) assistant_reply = completion.choices[0].message.content print(f"助手: {assistant_reply}") # 添加助手回复到历史 messages.append({"role": "assistant", "content": assistant_reply})

关键点：每次调用都需要发送完整的历史记录，否则模型会丢失上下文。

4. 流式响应（Streaming）

适用于聊天界面等需要实时输出的场景：

python

# 同步流式 stream = client.chat.completions.create( model="gpt-4o", messages=[{"role": "user", "content": "讲一个关于独角兽的短故事"}], stream=True ) for chunk in stream: if chunk.choices[0].delta.content: print(chunk.choices[0].delta.content, end="", flush=True)

python

# 异步流式 from openai import AsyncOpenAI import asyncio async def stream_response(): client = AsyncOpenAI() stream = await client.chat.completions.create( model="gpt-4o", messages=[{"role": "user", "content": "你好"}], stream=True ) async for chunk in stream: if chunk.choices[0].delta.content: print(chunk.choices[0].delta.content, end="") asyncio.run(stream_response())

5. 异步调用

提升并发性能，适用于高吞吐场景：

python

import asyncio from openai import AsyncOpenAI async def main(): client = AsyncOpenAI() response = await client.chat.completions.create( model="gpt-4o", messages=[{"role": "user", "content": "解释什么是异步编程"}] ) print(response.choices[0].message.content) asyncio.run(main())

6. 函数调用（Function Calling）

让模型调用自定义函数获取实时数据：

python

import json from openai import OpenAI # 定义工具函数 def get_weather(latitude: float, longitude: float) -> str: """获取指定坐标的天气""" # 实际应调用真实API return f"{latitude}, {longitude} 位置的温度为15°C" # 定义工具描述 tools = [{ "type": "function", "function": { "name": "get_weather", "description": "获取指定经纬度的当前温度", "parameters": { "type": "object", "properties": { "latitude": {"type": "number"}, "longitude": {"type": "number"} }, "required": ["latitude", "longitude"] } } }] client = OpenAI() messages = [{"role": "user", "content": "纽约现在的天气怎么样？"}] completion = client.chat.completions.create( model="gpt-4o", messages=messages, tools=tools ) # 处理工具调用 if completion.choices[0].finish_reason == "tool_calls": tool_call = completion.choices[0].message.tool_calls[0] arguments = json.loads(tool_call.function.arguments) # 执行函数 result = get_weather(**arguments) # 将结果返回给模型 messages.append(completion.choices[0].message) messages.append({ "role": "tool", "tool_call_id": tool_call.id, "content": result }) # 获取最终回复 final_response = client.chat.completions.create( model="gpt-4o", messages=messages ) print(final_response.choices[0].message.content)

7. 错误处理与重试

python

from openai import OpenAI, APIError, APIConnectionError, RateLimitError import time def call_with_retry(max_retries=3): for attempt in range(max_retries): try: completion = client.chat.completions.create( model="gpt-4o", messages=[{"role": "user", "content": "Hello"}] ) return completion.choices[0].message.content except RateLimitError: wait_time = min(2 ** attempt + 0.5, 10) print(f"速率限制，等待 {wait_time} 秒...") time.sleep(wait_time) except APIConnectionError: print("连接错误，重试中...") time.sleep(1) except APIError as e: print(f"API错误: {e}") break raise Exception("所有重试尝试失败")

8. 结构化输出（JSON模式）

python

completion = client.chat.completions.create( model="gpt-4o", messages=[ {"role": "system", "content": "从文本中提取姓名和城市，以JSON格式返回。"}, {"role": "user", "content": "张三住在北京，是一名工程师。"} ], response_format={"type": "json_object"} ) print(completion.choices[0].message.content) # 输出：{"name": "张三", "city": "北京"}