python 访问openai接口
目录
一、openai接口文档
1. 访问 OpenAI API 文档
2. 注册和获取 API 密钥
3. 快速开始：示例代码
4. 请求结构和响应格式
二、步骤
1、安装openai库
2、示例代码
实现一个命令行循环对话机器人
加入gradio界面demo
一、openai接口文档
使用 OpenAI API 文档可以帮助你更好地理解和操作 API，尤其是在开发复杂项目时。以下是使用 OpenAI API 文档的指南：
1. 访问 OpenAI API 文档
首先，你可以通过访问 OpenAI 的官方文档页面来获取详细信息： OpenAI API Documentation
文档提供了 API 的完整说明、端点、请求参数、响应结构等。它还包含了关于如何使用不同 API 功能（如 GPT、Embeddings、DALL·E）的例子。
2. 注册和获取 API 密钥
要使用 API，你需要有一个 OpenAI 账户，并生成一个 API 密钥。文档会详细介绍如何获取和管理这些密钥。
- 访问 OpenAI API 密钥页面。
- 生成一个新的密钥，并在你的应用程序中将它用于身份验证。
3. 快速开始：示例代码
文档中的 "Quickstart" 部分包含了调用 OpenAI API 的基本示例代码。通常，它包括使用 Python、Node.js 等常用编程语言进行 API 请求的步骤。
4. 请求结构和响应格式
每个 API 调用都有特定的请求结构和响应格式。文档会介绍：
- 请求方法：如
POST请求。 - 端点：如
https://api.openai.com/v1/completions。 - 请求参数：包括
prompt、temperature、max_tokens等。 -
响应格式：API 返回的 JSON 数据格式，包括
choices、text等字段。
二、步骤
1、安装openai库
pip install openai
2、示例代码
实现一个命令行循环对话机器人
from openai import OpenAI
client = OpenAI(
# defaults to os.environ.get("OPENAI_API_KEY")
api_key="yourkey",
base_url="https://api.chatanywhere.tech/v1"
)
# 非流式响应
def gpt_35_api(messages: list):
"""为提供的对话消息创建新的回答
Args:
messages (list): 完整的对话消息
"""
completion = client.chat.completions.create(model="gpt-3.5-turbo", messages=messages)
print(completion.choices[0].message.content)
def gpt_35_api_stream(messages: list):
"""为提供的对话消息创建新的回答 (流式传输)
Args:
messages (list): 完整的对话消息
"""
stream = client.chat.completions.create(
model='gpt-3.5-turbo',
messages=messages,
stream=True,
)
for chunk in stream:
if chunk.choices[0].delta.content is not None:
print(chunk.choices[0].delta.content, end="")
# 主函数，进行循环对话
def simple_comunication():
# 对话历史，保留用户和 GPT-4 的多轮对话内容
messages = [
{"role": "system", "content": "You are a helpful assistant."} # 系统消息，定义模型的行为
]
print("开始与GPT-4对话 (输入 'exit' 或 'quit' 退出)")
while True:
# 获取用户输入
user_input = input("你: ")
if user_input.lower() in ["exit", "quit"]:
print("退出对话。")
break
# 将用户输入添加到对话历史
messages.append({"role": "user", "content": user_input})
gpt_35_api_stream(messages)
# 将 GPT-4 的回复也添加到对话历史中
#messages.append({"role": "assistant", "content": reply})
# 打印 GPT-4 的回复
#print(f"GPT-4: {reply}")
if __name__ == '__main__':
#messages = [{'role': 'user','content': '鲁迅和周树人的关系'},]
# 非流式调用
# gpt_35_api(messages)
# 流式调用
#gpt_35_api_stream(messages)
simple_comunication()加入gradio界面demo
import os
import gradio as gr
from openai import OpenAI
def add_message(history, message):
for x in message["files"]:
history.append(((x,), None))
if message["text"] is not None:
history.append((message["text"], None))
return history, gr.MultimodalTextbox(value=None, interactive=False)
def bot(history):
history[-1][1] = ""
history_openai_format = []
for human, assistant in history[:-1]:
history_openai_format.append({"role": "user", "content": human})
history_openai_format.append({"role": "assistant", "content": assistant})
history_openai_format.append({"role": "user", "content": history[-1][0]})
client = OpenAI(
api_key="yourkey",
base_url="https://api.chatanywhere.tech/v1"
)
completion = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=history_openai_format,
temperature=0.1,
stream=True,
)
for chunk in completion:
history[-1][1] += chunk.choices[0].delta.content
yield history
with gr.Blocks() as demo:
chatbot = gr.Chatbot([], elem_id="chatbot", bubble_full_width=False)
chat_input = gr.MultimodalTextbox(
interactive=True,
file_types=[],
placeholder="Enter message or upload file...",
show_label=False,
)
chat_msg = chat_input.submit(
add_message, [chatbot, chat_input], [chatbot, chat_input]
)
bot_msg = chat_msg.then(bot, chatbot, chatbot, api_name="bot_response")
bot_msg.then(lambda: gr.MultimodalTextbox(interactive=True), None, [chat_input])
demo.queue()
demo.launch()