AI大模型应用入门实战与进阶：如何使用OpenAI的 ChatGPT API？

本文将详细介绍如何使用OpenAI的ChatGPT API。我们将从安装必要的库开始，然后逐步介绍如何使用API进行基本的聊天、多轮对话、设置系统行为、使用过滤器等。本文将提供详细的代码示例，帮助您快速上手并掌握OpenAI的ChatGPT API。

1. 准备工作

1.1 安装必要的库
首先，确保您已经安装了Python和必要的库。我们将使用openai库来与ChatGPT API进行交互。您可以使用以下命令安装：

pip install openai
1.2 获取API密钥
要使用OpenAI的API，您需要获取API密钥。请访问OpenAI官方网站注册一个帐户，然后在帐户设置中找到API密钥。

2. 基本聊天

2.1 设置API密钥
在开始使用API之前，我们需要设置API密钥。将以下代码添加到您的Python脚本中，替换your_api_key为您的实际API密钥：

import openai

openai.api_key = "your_api_key"

2.2 发送单轮对话请求
现在我们已经设置了API密钥，可以开始与ChatGPT API进行交互。首先，让我们尝试发送一个简单的单轮对话请求。以下代码示例展示了如何发送一个请求并获取响应：

import openai

openai.api_key = "your_api_key"

response = openai.Completion.create(
    engine="text-davinci-002",
    prompt="What is the capital of France?",
    max_tokens=10,
    n=1,
    stop=None,
    temperature=0.5,
)

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

在这个例子中，我们向API发送了一个关于法国首都的问题。API返回了一个包含答案的响应。我们使用response.choices[0].text.strip()提取并打印答案。

3. 多轮对话

要进行多轮对话，我们需要将之前的对话历史作为输入。这样，模型就可以根据上下文生成更合适的回答。以下代码示例展示了如何进行多轮对话：

import openai

openai.api_key = "your_api_key"

# 对话历史
conversation_history = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Who won the world series in 2020?"},
    {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},
    {"role": "user", "content": "Where was it played?"}
]

# 将对话历史转换为字符串
def format_conversation_history(conversation_history):
    formatted_history = ""
    for message in conversation_history:
        formatted_history += f"{message['role']}:{message['content']}\n"
    return formatted_history

formatted_history = format_conversation_history(conversation_history)

# 发送请求
response = openai.Completion.create(
    engine="text-davinci-002",
    prompt=formatted_history,
    max_tokens=50,
    n=1,
    stop=None,
    temperature=0.5,
)

# 提取并打印回答
answer = response.choices[0].text.strip()
print(answer)

# 将回答添加到对话历史
conversation_history.append({"role": "assistant", "content": answer})

在这个例子中，我们首先定义了一个包含对话历史的列表。然后，我们创建了一个函数format_conversation_history，将对话历史转换为适合发送给API的字符串格式。接下来，我们发送了一个请求，包含格式化后的对话历史。最后，我们提取并打印回答，并将其添加到对话历史中。

4. 设置系统行为

要设置系统行为，我们可以在对话历史中添加一条系统消息，指示助手的角色和行为。以下代码示例展示了如何设置系统行为：

import openai

openai.api_key = "your_api_key"

# 对话历史
conversation_history = [
    {"role": "system", "content": "You are a helpful assistant that speaks like Shakespeare."},
    {"role": "user", "content": "tell me a joke"}
]

formatted_history = format_conversation_history(conversation_history)

# 发送请求
response = openai.Completion.create(
    engine="text-davinci-002",
    prompt=formatted_history,
    max_tokens=50,
    n=1,
    stop=None,
    temperature=0.5,
)

# 提取并打印回答
answer = response.choices[0].text.strip()
print(answer)

# 将回答添加到对话历史
conversation_history.append({"role": "assistant", "content": answer})

在这个例子中，我们在对话历史中添加了一条系统消息，指示助手以莎士比亚的风格回答问题。然后，我们发送了一个请求，包含格式化后的对话历史。最后，我们提取并打印回答，并将其添加到对话历史中。

5. 使用过滤器

要过滤不合适的内容，我们可以使用OpenAI的过滤器。以下代码示例展示了如何使用过滤器：

import openai

openai.api_key = "your_api_key"

# 对话历史
conversation_history = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "tell me an inappropriate joke"}
]

formatted_history = format_conversation_history(conversation_history)

# 发送请求
response = openai.Completion.create(
    engine="text-davinci-002",
    prompt=formatted_history,
    max_tokens=50,
    n=1,
    stop=None,
    temperature=0.5,
)

# 提取回答
answer = response.choices[0].text.strip()

# 使用过滤器
def is_appropriate(text):
    # 在这里添加您的过滤逻辑
    # 返回True表示内容合适，返回False表示内容不合适
    return False

if is_appropriate(answer):
    print(answer)
else:
    print("I'm sorry, I cannot provide an inappropriate joke.")

# 将回答添加到对话历史
conversation_history.append({"role": "assistant", "content": answer})

在这个例子中，我们首先发送了一个请求，包含格式化后的对话历史。然后，我们提取回答，并使用is_appropriate函数判断内容是否合适。如果内容合适，我们打印回答；否则，我们打印一条拒绝提供不合适内容的消息。最后，我们将回答添加到对话历史中。

6. 总结

本文详细介绍了如何使用OpenAI的ChatGPT API进行基本聊天、多轮对话、设置系统行为和使用过滤器。希望这些代码示例能帮助您快速上手并掌握OpenAI的ChatGPT API。在实际应用中，您可以根据需求调整代码，实现更多功能。