ChatGPT API开发入门

通过ChatGPT API，开发者可以将强大的AI能力集成到自己的应用中。本文将介绍如何获取API密钥、发送请求以及处理响应，帮助你快速入门API开发。

一、准备工作

1. 创建OpenAI账号

如果还没有OpenAI账号，需要先注册一个。访问 platform.openai.com 进行注册。

2. 获取API密钥

1. 登录 OpenAI 平台
2. 点击右上角头像，选择"API Keys"
3. 点击"Create new secret key"
4. 复制密钥并妥善保存（只显示一次）

3. 设置计费

API使用需要付费。在平台中设置支付方式和预算限制，避免意外支出。

二、发送第一个请求

使用curl

curl https://api.openai.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "gpt-3.5-turbo",
    "messages": [{"role": "user", "content": "你好，ChatGPT！"}]
  }'

使用Python

import openai

openai.api_key = "YOUR_API_KEY"

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "user", "content": "你好，ChatGPT！"}
    ]
)

print(response.choices[0].message.content)

使用JavaScript

const { OpenAI } = require("openai");

const openai = new OpenAI({
  apiKey: "YOUR_API_KEY"
});

async function main() {
  const completion = await openai.chat.completions.create({
    model: "gpt-3.5-turbo",
    messages: [{"role": "user", "content": "你好，ChatGPT！"}]
  });

  console.log(completion.choices[0].message.content);
}

main();

三、API参数详解

核心参数

• model：选择使用的模型，如 gpt-3.5-turbo、gpt-4
• messages：对话消息数组，包含角色和内容
• temperature：温度参数，控制输出的随机性（0-2）
• max_tokens：最大输出token数
• n：生成的回复数量

消息角色

• system：系统消息，设定助手的行为和角色
• user：用户消息，用户的提问或请求
• assistant：助手消息，之前的回复内容

四、进阶用法

1. 多轮对话

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "system", "content": "你是一位专业的程序员。"},
        {"role": "user", "content": "什么是Python？"},
        {"role": "assistant", "content": "Python是一种高级编程语言..."},
        {"role": "user", "content": "它和JavaScript有什么区别？"}
    ]
)

2. 流式响应

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "讲一个故事"}],
    stream=True
)

for chunk in response:
    print(chunk.choices[0].delta.get("content", ""), end="")

3. 函数调用

API支持函数调用，让模型可以调用外部工具。

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "今天天气怎么样？"}],
    functions=[{
        "name": "get_weather",
        "description": "获取指定城市的天气",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "城市名称"}
            },
            "required": ["city"]
        }
    }],
    function_call="auto"
)

五、最佳实践

1. 错误处理

• 处理API调用失败的情况
• 实现重试机制
• 处理限流和配额问题

2. 性能优化

• 使用流式响应减少等待时间
• 缓存重复请求的结果
• 选择合适的模型和参数

3. 成本控制

• 设置API调用预算
• 使用更便宜的模型（如 gpt-3.5-turbo）
• 优化提示词，减少不必要的token消耗

六、常见问题

Q：API调用费用如何计算？

A：费用按token数计算，不同模型的单价不同。可以在平台中查看详细的定价信息。

Q：如何提高API调用速度？

A：使用流式响应、选择更轻量的模型、优化网络连接。

Q：API有调用频率限制吗？

A：是的，有每分钟和每天的调用限制。可以在平台中查看具体限制。

Q：支持哪些编程语言？

A：官方提供了Python和JavaScript的SDK，但你可以使用任何支持HTTP请求的语言。