手把手教你使用Python调用 ChatGPT！支持http代理

作者：虚坏叔叔
博客：https://xuhss.com

早餐店不会开到晚上，想吃的人早就来了！😄

在这里插入图片描述

前段时间OpenAI 开放了两个新模型的api接口，专门为聊天而生的 gpt-3.5-turbo 和 gpt-3.5-turbo-0301。

ChatGPT is powered by gpt-3.5-turbo, OpenAI’s most advanced language model.

从上面这句话，我们可以知道现在 chat.openai.com 官网就是由 gpt-3.5-turbo 模型提供的服务，现在官方公开了这一模型的调用接口，这使得我们这些普通开发者也能直接在自己的应用/服务中使用这个狂揽亿万用户的模型。

接下来将和大家介绍如何利用 Python 快速玩转 gpt-3.5-turbo。

一、先跑起来，再理解

首先你需要有一个 openai 账号，如何注册我就不多说了，网上教程很多，而且很详细，如果有问题可以加我微信：pythonbrief，添加通过后请直接描述你的问题+问题截图。

访问下面页面，登录 openai 账号后，创建一个 api keys。

# api keys 创建页面https://platform.openai.com/account/api-keys

接下来很简单了，安装 openai 官方的 Python SDK，这里需要注意的是得安装最新版本 openai，官方推荐的是 0.27.0 版本。

pip install openai==0.27.0

直接上请求代码：

import openai
import json# 目前需要设置代理才可以访问 api
os.environ["HTTP_PROXY"] = "自己的代理地址"
os.environ["HTTPS_PROXY"] = "自己的代理地址"def get_api_key():# 可以自己根据自己实际情况实现# 以我为例子，我是存在一个 openai_key 文件里，json 格式'''{"api": "你的 api keys"}'''openai_key_file = '../envs/openai_key'with open(openai_key_file, 'r', encoding='utf-8') as f:openai_key = json.loads(f.read())return openai_key['api']openai.api_key = get_api_key()q = "用python实现：提示手动输入3个不同的3位数区间，输入结束后计算这3个区间的交集，并输出结果区间"
rsp = openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=[{"role": "system", "content": "一个有10年Python开发经验的资深算法工程师"},{"role": "user", "content": q}]
)

代码解析：

get_api_key() 函数是我自己写的一个从文件读取 api keys 的方法，我是存在一个 openai_key 文件里，json 格式，你可以改成你自己的获取方法，甚至可以直接写到代码里（虽然不推荐，但确实最简单）。
q 是请求的问题
rsp 是发送请求后返回结果
openai.ChatCompletion.create 中参数
model 是使用的模型名称，是一个字符串，用最新模型直接设置成gpt-3.5-turbo 即可
messages 是请求的文本内容，是一个列表，列表里每个元素类型是字典，具体含义如下表：

程序运行返回内容，从响应回复内容我们可以看到，回复内容是一个 json 字符串，

我们可以通过以下方法直接获取相关信息：

返回消息内容

rsp.get("choices")[0]["message"]["content"]

角色

rsp.get("choices")[0]["message"]["role"]

问题+回答总长度

rsp.get("usage")["total_tokens"]

其他信息也可以通过类似方法获取。

测试 ChatGPT 回答代码运行情况，可以看出代码逻辑和运行都没啥问题，注释也到位。

二、实现多轮对话

如何实现多轮对话？

gpt-3.5-turbo 模型调用方法 openai.ChatCompletion.create 里传入的 message 是一个列表，列表里每个元素是字典，包含了角色和内容，我们只需将每轮对话都存储起来，然后每次提问都带上之前的问题和回答即可。

可以看到，我首先问了“1+1=几”，然后问“为什么是这样”，ChatGPT 会根据前面的提问将新问题识别为“为什么1+1=2”。
后面继续问水仙花数有哪些，再问“如何写个python程序来识别这些数”，ChatGPT 同样会根据前面的提问将新问题识别为“如何写个python程序来识别这些水仙花数”，并给出对应解答。

实现代码

import openai
import json
import osos.environ["HTTP_PROXY"] = "http://127.0.0.1:7890"
os.environ["HTTPS_PROXY"] = "http://127.0.0.1:7890"# 获取 api
def get_api_key():# 可以自己根据自己实际情况实现# 以我为例子，我是存在一个 openai_key 文件里，json 格式'''{"api": "你的 api keys"}'''openai_key_file = '../envs/openai_key'with open(openai_key_file, 'r', encoding='utf-8') as f:openai_key = json.loads(f.read())return openai_key['api']
openai.api_key = get_api_key() class ChatGPT:def __init__(self, user):self.user = userself.messages = [{"role": "system", "content": "一个有10年Python开发经验的资深算法工程师"}]self.filename="./user_messages.json"def ask_gpt(self):# q = "用python实现：提示手动输入3个不同的3位数区间，输入结束后计算这3个区间的交集，并输出结果区间"rsp = openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=self.messages)return rsp.get("choices")[0]["message"]["content"]def writeTojson(self):try:# 判断文件是否存在if not os.path.exists(self.filename):with open(self.filename, "w") as f:# 创建文件pass# 读取with open(self.filename, 'r', encoding='utf-8') as f:content = f.read()msgs = json.loads(content) if len(content) > 0 else {}# 追加msgs.update({self.user : self.messages})# 写入with open(self.filename, 'w', encoding='utf-8') as f:json.dump(msgs, f)except Exception as e:print(f"错误代码：{e}")def main():user = input("请输入用户名称: ")chat = ChatGPT(user)# 循环while 1:# 限制对话次数if len(chat.messages) >= 11:print("******************************")print("*********强制重置对话**********")print("******************************")# 写入之前信息chat.writeTojson()user = input("请输入用户名称: ")chat = ChatGPT(user)# 提问q = input(f"【{chat.user}】")# 逻辑判断if q == "0":print("*********退出程序**********")# 写入之前信息chat.writeTojson()breakelif q == "1":print("**************************")print("*********重置对话**********")print("**************************")# 写入之前信息chat.writeTojson()user = input("请输入用户名称: ")chat = ChatGPT(user)continue# 提问-回答-记录chat.messages.append({"role": "user", "content": q})answer = chat.ask_gpt()print(f"【ChatGPT】{answer}")chat.messages.append({"role": "assistant", "content": answer})if __name__ == '__main__':main()

代码解析：

ChatGPT 类，包含三个函数：

__init__初始化函数，初始化了三个个实例变量，user、messages、filename（当前用户、消息列表、存储记录的文件路径）。
ask_gpt函数，将当前用户所有历史消息+最新提问发送给 gpt-3.5-turbo ，并返回响应结果。
writeTojson函数，结束/重置用户时记录当前用户之前的访问数据。
main函数，程序入口函数，用户输入用户名后进入与 ChatGPT 的循环对话中，输入 0 退出程序，输入 1 重置用户，退出和重置都会将当前用户之前访问数据记录搭配 json 文件中。
由于 gpt-3.5-turbo 单次请求最大 token 数为：4096，所以代码里限制了下对话次数。

更多拓展

你可以写个函数，从 json 文件读取历史用户访问记录，然后每次访问可以选用户。
你可以写个 web 服务，使用 session 或者数据库支持多用户同时登录，同时访问。
你可以基于之前分享的钉钉机器人项目，将 gpt-3.5-turbo 接入钉钉机器人。
你还可以关注下方小卡片搜索更多 ChatGPT 相关项目，或者其他有意思的项目学习练手，欢迎学习交流。

总结

最后的最后
由本人水平所限，难免有错误以及不足之处，屏幕前的靓仔靓女们如有发现，恳请指出！

最后，谢谢你看到这里，谢谢你认真对待我的努力，希望这篇博客对你有所帮助！

你轻轻地点了个赞，那将在我的心里世界增添一颗明亮而耀眼的星！

💬 往期优质文章分享

C++ QT结合FFmpeg实战开发视频播放器-01环境的安装和项目部署
解决QT问题：运行qmake：Project ERROR: Cannot run compiler ‘cl‘. Output:
解决安装QT后MSVC2015 64bit配置无编译器和调试器问题
Qt中的套件提示no complier set in kit和no debugger，出现黄色感叹号问题解决（MSVC2017）
Python+selenium 自动化 - 实现自动导入、上传外部文件（不弹出windows窗口）

🚀 优质教程分享 🚀

🎄如果感觉文章看完了不过瘾，可以来我的其他专栏看一下哦~
🎄比如以下几个专栏：Python实战微信订餐小程序、Python量化交易实战、C++ QT实战类项目和算法学习专栏
🎄可以学习更多的关于C++/Python的相关内容哦！直接点击下面颜色字体就可以跳转啦！

学习路线指引（点击解锁）	知识定位	人群定位
🧡 Python实战微信订餐小程序 🧡	进阶级	本课程是python flask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。
💛Python量化交易实战 💛	入门级	手把手带你打造一个易扩展、更安全、效率更高的量化交易系统
❤️ C++ QT结合FFmpeg实战开发视频播放器❤️	难度偏高	分享学习QT成品的视频播放器源码，需要有扎实的C++知识！
💚 游戏爱好者九万人社区💚	互助/吹水	九万人游戏爱好者社区，聊天互助，白嫖奖品
💙 Python零基础到入门 💙	Python初学者	针对没有经过系统学习的小伙伴，核心目的就是让我们能够快速学习Python的知识以达到入门