使用 Python 的ChatGPT API 的简单指南

OpenAI 刚刚发布了 ChatGPT API.这是一个调用 GPT-3.5-Turbo 的 API，与 ChatGPT 产品中使用的模型相同。

对于那些已经熟悉 Python 中的 OpenAI API 的人来说，学习如何使用 ChatGPT API 应该很简单，但仍有一些概念是该 API 独有的，我们将在本指南中学习。

让我们探索 Python 中的 ChatGPT API.

注意：API定价为每1K代币0.002美元。不过，你可以免费使用信用卡。现在我似乎有了另一个理由取消我的ChatGPT Plus订阅.

生成你的 API 密钥

在我们开始使用 ChatGPT API 之前，我们需要登录我们的 OpenAI 帐户和生成我们的API密钥。

请记住，OpenAI 不会在你生成 API 密钥后再次显示它，因此请复制你的 API 密钥并保存它。我将创建一个名为OPENAI_API_KEY的环境变量，它将包含我在本教程中的 API 密钥。

安装库

要使用 ChatGPT API，首先，我们必须通过运行以下命令来安装 OpenAI 库。

pip install openai

你可以使用 OpenAI 库，今天我们将重点关注完成gpt-3.5-turbo。更准确地说，我们将使用“ChatCompletion”gpt-3.5-turbo，它与 ChatGPT 使用的模型相同。

使用 Python 的 ChatGPT API 入门

首先，我们将使用下面我从官方文档中获得的代码片段。

import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")
completion = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[
{"role": "user", "content": "Tell the world about the ChatGPT API in the style of a pirate."}

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

这是与 API 交互的一种非常简单的方式。要知道的主要一点是，该messages列表有一个包含两个键的字典：roles和content。

简单地说content就是消息的内容，主要roles有三种：“系统”、“用户”或“助手”。“用户”是给出指令并在上面的代码中使用的人。

如果我们运行上面的代码，我们将得到以下结果。

Ahoy matey, ye be lookin' for a chat API that'll blow ye away? Look no further than ChatGPT API ye ol' sea dog!

这与 ChatGPT “以web的方式向世界介绍 ChatGPT API ”功能是一样的。

现在，我们从文档中获取的代码片段是非常基本的，我们可以添加更多的代码来与 API 交互，就像我们在与 ChatGPT 聊天一样。此外，我们还应该添加用于设置助手行为的system角色和用于存储先前响应的assistant角色。

管理员角色

让我们添加一个系统角色来设置助手的行为。你可以告诉助理是一个“将英语翻译成法语的有用助理”或任何你想要的东西。

为了简单起见，我将通过消息列表将系统角色设置为“友好的助手”（我让 ChatGPT 在工作面试中表现为招聘人员）。

messages = [
{"role": "system", "content" : "You’re a kind helpful assistant"}

现在，我将把角色附加users到前面的列表中，并添加输入函数，以便与 API 交互，就像我们在使用 ChatGPT 一样。

import openai
content = input("User: ")
messages.append({"role": "user", "content": content})
completion = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=messages

chat_response = completion.choices[0].message.content
print(f'ChatGPT: {chat_response}')

现在，如果我们问“谁是第一个登上月球的人？”，系统就会表现得像一个“有用的助手，告诉我们答案”。

User:who was the first man on the moon?
ChatGPT:The first man on the moon was Neil Armstrong on July 20,1969.

不过只有一个小细节。assistant没有存储以前的响应，因此系统可能不会记住我们以前的响应并给出正确的响应。

让我们现在问“他来自哪里？”然后“他有多高？”我现在将添加一个 while 循环来问多个问题。

正如你所看到的，现在系统正在回答每个新问题，但它正在从以前的答复中积累信息。

我们可以用assistant角色来解决这个问题。

助理角色

我们使用助理角色来存储先前的响应。通过存储以前的响应，我们可以建立对话历史记录，当用户指令引用以前的消息时，对话历史记录就会派上用场。

使用下面的代码，我们将助理角色添加到消息列表中。

messages.append({"role": "assistant", "content": chat_response})

请注意，在内容中，我们必须添加聊天响应，以便存储响应。

现在，我们将上一行代码添加到 while 循环中。

import openai
while True:
content = input("User: ")
messages.append({"role": "user", "content": content})
completion = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=messages

chat_response = completion.choices[0].message.content
print(f'ChatGPT: {chat_response}')
messages.append({"role": "assistant", "content": chat_response})

现在，如果我们问之前问过的问题，我们会得到更好的回答。