Python日常小操作:chat-gpt-api

利用Python实现GPT自由 输入应该是一个字符串,它将被转换为模型可以使用的数字编码。首先,将输入字符串标记化为token,并将其编码为数字ID。在Python环境中安装必要的依赖库,包括PyTorch、Transformers和NLTK。ChatGPT是一个基于GPT的自然语言生成模型,可以用于生成对话。这是一个简单的示例,说明如何使用Python调用ChatGPT模型。在这个例子中,模型将为输入字符串生成长度为1000的回复。参数告诉模型在生成回复时使用的填充标记。是一个字符串,它包含模型生成的回复。 阅读详情

前言

前提条件

相关介绍

  • Python是一种跨平台的计算机程序设计语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell),随着版本的不断更新和语言新功能的添加,越多被用于独立的、大型项目的开发。

实验环境

  • Python 3.x (面向对象的高级语言)

调用方法

安装所需的库

pip install openai
Collecting openai
  Downloading openai-0.26.5.tar.gz (55 kB)
     ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 55.5/55.5 kB 625.2 kB/s eta 0:00:00a 0:00:01
  Installing build dependencies ... done
  Getting requirements to build wheel ... done
  Installing backend dependencies ... done
  Preparing metadata (pyproject.toml) ... done
Requirement already satisfied: requests>=2.20 in /opt/conda/lib/python3.7/site-packages (from openai) (2.28.1)
Requirement already satisfied: typing-extensions in /opt/conda/lib/python3.7/site-packages (from openai) (4.4.0)
Requirement already satisfied: aiohttp in /opt/conda/lib/python3.7/site-packages (from openai) (3.8.1)
Requirement already satisfied: tqdm in /opt/conda/lib/python3.7/site-packages (from openai) (4.64.0)
Requirement already satisfied: certifi>=2017.4.17 in /opt/conda/lib/python3.7/site-packages (from requests>=2.20->openai) (2022.9.24)
Requirement already satisfied: idna<4,>=2.5 in /opt/conda/lib/python3.7/site-packages (from requests>=2.20->openai) (3.3)
Requirement already satisfied: charset-normalizer<3,>=2 in /opt/conda/lib/python3.7/site-packages (from requests>=2.20->openai) (2.1.0)
Requirement already satisfied: urllib3<1.27,>=1.21.1 in /opt/conda/lib/python3.7/site-packages (from requests>=2.20->openai) (1.26.12)
Requirement already satisfied: yarl<2.0,>=1.0 in /opt/conda/lib/python3.7/site-packages (from aiohttp->openai) (1.7.2)
Requirement already satisfied: attrs>=17.3.0 in /opt/conda/lib/python3.7/site-packages (from aiohttp->openai) (21.4.0)
Requirement already satisfied: multidict<7.0,>=4.5 in /opt/conda/lib/python3.7/site-packages (from aiohttp->openai) (6.0.2)
Requirement already satisfied: async-timeout<5.0,>=4.0.0a3 in /opt/conda/lib/python3.7/site-packages (from aiohttp->openai) (4.0.2)
Requirement already satisfied: asynctest==0.13.0 in /opt/conda/lib/python3.7/site-packages (from aiohttp->openai) (0.13.0)
Requirement already satisfied: frozenlist>=1.1.1 in /opt/conda/lib/python3.7/site-packages (from aiohttp->openai) (1.3.0)
Requirement already satisfied: aiosignal>=1.1.2 in /opt/conda/lib/python3.7/site-packages (from aiohttp->openai) (1.2.0)
Building wheels for collected packages: openai
  Building wheel for openai (pyproject.toml) ... done
  Created wheel for openai: filename=openai-0.26.5-py3-none-any.whl size=67596 sha256=d573f4dabdd8e01cae8cbc794096e3ab63c2596fade4894a490b4126696d6437
  Stored in directory: /root/.cache/pip/wheels/71/cc/39/e215726261759bc158d31178f0ff0adab8111cc1b1d2806ce4
Successfully built openai
Installing collected packages: openai
Successfully installed openai-0.26.5

API Key and model

import openai
# API 密钥
openai.api_key = "your secret API Key"
# 模型
# model_engine = "text-davinci-002"
model_engine = "text-davinci-003"

运行API

def _get_ans_from_response(response:openai.openai_object.OpenAIObject) -> str:
    first = dict(response)['choices']
    sec = dict(first[0])
    return sec['text']

def _getter(model_engine:str = model_engine,prompt:str = "") -> str:
    # 将请求发送到API
    response = openai.Completion.create(
                          engine=model_engine,
                          prompt=prompt,
                          max_tokens=2048 # max_tokens=1024
                          )
    return _get_ans_from_response(response)

print(_getter(prompt="IT博客网站排行榜"))
1.优快云:http://www.youkuaiyun.com/
2.Csdn blog:http://blog.youkuaiyun.com/
3.Vue China:https://cn.vuejs.org/
4.SegmentFault:https://segmentfault.com/
5.Stack Overflow:https://stackoverflow.com/
6.腾讯云开发者文档:https://cloud.tencent.com/document/
7.GitHub:https://github.com/
8.开发者头条:https://toutiao.io/
9.W3Cfuns:http://www.w3cfuns.com/
10.51CTO:http://www.51cto.com/

人机对话

# 人机实时对话
while True:  
    # 设置模型
    model_engine = "text-davinci-003"
    # 输入内容
    prompt = input('Enter your question: ')

    if 'exit' in prompt or 'quit' in prompt:
        break

    # 将请求发送到API
    completion = openai.Completion.create(
        engine=model_engine,
        prompt=prompt,
        max_tokens = 2048, # max_tokens=1024,
        n=3, # n=1,
        stop=None,
        temperature=0.5,
    )
    
    # 提取回答内容
    response = completion.choices[0].text

    # 输出回答内容
    print(response)
Enter your question:  优快云是什么?

优快云(China Software Developer Network)是中国最大的IT社区和服务平台,提供最新的技术资讯、IT技术教程、IT资源下载等服务。它致力于为软件开发者提供最新的技术资讯、技术教程、开发经验和代码片段等,帮助开发者提高开发效率和质量。
Enter your question:  用Python写一个冒泡排序。

def bubble_sort(list):
    for i in range(len(list)-1):
        for j in range(len(list)-i-1):
            if list[j] > list[j+1]:
                list[j], list[j+1] = list[j+1], list[j]
    return list

list = [4,2,5,1,3]
print(bubble_sort(list))
Enter your question:  exit

更多精彩内容,可点击进入Python日常小操作专栏或我的个人主页查看

Python调用OpenAI API的生产级实践:GPT-3.5-turbo与GPT-4工程化落地 大语言模型API调用并非简单发送HTTP请求,其核心在于将非确定性服务封装为稳定、可观测、可计费的工程组件。理解token计量原理、finish_reason语义及上下文生命周期,是构建高可用LLM服务的基础;GPT-3.5-turbo与GPT-4的本质差异在于成本-精度权衡而非能力代差,需结合任务类型动态路由;真实生产环境要求密钥安全隔离、响应结构防御性解析、流式/截断/内容过滤等异常分支全覆盖。本文聚焦Python生态下OpenAI API的工业级集成,覆盖密钥管理、模型选型、上下文滚动、错误防御与成本 阅读详情

相关推荐

OpenAI API两大端点本质差异:chat completion与completion的底层契约

OpenAI API中的chat completion和completion并非功能迭代关系,而是面向不同建模范式的接口契约。前者是结构化消息到token序列的自动格式翻译中间件,依赖模型专属chat template与special tokens实现角色识别与对话连贯;后者则将token级控制权完全交还开发者,支持前缀锚定、suffix逆向生成等高阶干预能力。这种差异源于base model与chat model在训练目标、tokenizer协议及微调范式上的根本分野——前者专注next-token预测,

500

chatgpt API接口中文说明介绍(一)

chatgpt接口官方的名字叫做Chat completions,是指ChatGPT在用户输入一部分内容后,为用户推荐的可能的自动完成内容。这些自动完成的内容可以是一个词、短语、句子甚至是一篇文章等等。Chat completions可以让用户更快地输入想要表达的内容,同时也能提高用户的交互效率和满意度。本文展示了如何调用OpenAI ChatGPT API,以及一些参数的说明,提供了使用技巧和Python和HTTP请求代码示例。下一篇讲一下其他的一些参数的作用,例如温度等。

asplh的专栏 1万+

GPT-5.6国内合法使用指南:从API集成到移动端配置

大型语言模型(LLM)作为自然语言处理的核心技术,通过Transformer架构实现上下文理解与文本生成。其原理基于海量数据预训练和微调,具备强大的语义理解能力。在技术价值层面,LLM显著提升了代码生成、文档处理等知识工作的自动化水平。应用场景涵盖编程开发、技术文档撰写、数据分析等多个领域。GPT-5.6作为最新一代模型,在编程能力和成本效率方面实现突破,其Sol模型在Artificial Analysis Coding Agent Index评估中得分80,同时token消耗减少50%以上。本文针对国内开

abcyan1235的博客 410

ChatGPT API使用介绍

随着人工智能技术的不断发展,越来越多的AI产品被应用到各个领域,其中最具代表性的莫过于人工智能语言模型。语言模型是一种可以通过学习大量语言数据来预测文本或语音的技术,其应用范围十分广泛,如智能客服、机器翻译、语音助手等。而ChatGPT是其中最为优秀的语言模型之一。ChatGPT是OpenAI公司开发的一款基于自然语言处理技术的对话生成模型,其采用了GPT架构(Generative Pre-trained Transformer),能够自动学习自然语言数据的特征,并生成高质量的语言文本。在近几年的发展中,C

m0_37449634的博客 7930

五种免费使用GPT-4o的实测方法:从API到本地部署全解析

大型语言模型(LLM)通过海量数据训练获得强大的自然语言理解和生成能力,其核心原理基于Transformer架构的注意力机制。这项技术的价值在于极大降低了人机交互和内容创作的门槛,广泛应用于智能对话、代码生成和文本分析等场景。对于开发者和研究者而言,获取稳定可靠的模型调用渠道是实践落地的关键。本文聚焦于如何合规且高效地利用免费资源访问先进的GPT-4o模型,系统介绍了包括利用官方API免费额度、接入第三方兼容服务、本地部署开源模型、参与开发者计划以及使用集成应用在内的五种实测方案,并深入剖析了各方案的原理、

weixin_30642869的博客 423

Python实战:构建基于GPT的智能输入工具,提升AI交互效率

智能输入技术通过整合人工智能模型与物理交互设备,实现了人机交互的智能化升级。其核心原理是利用系统级键盘监听捕获用户输入,通过API调用云端或本地AI模型进行实时处理,并将结果无缝回填到应用程序中。这种技术能够显著提升文本处理、代码补全、翻译等场景的工作效率。在实际工程实践中,开发者可以使用Python的pynput库实现全局键盘监听,结合requests库调用OpenAI的GPT模型,通过pyautogui和pyperclip完成文本的捕获与回填。本文以构建智能输入工具为例,详细介绍了如何将GPT模型能力集

weixin_30635053的博客 409

ChatGPT初体验:注册、API Key获取与ChatAPI调用详解

ChatGPT初体验:注册、API Key获取与ChatAPI调用详解

qq_51447436的博客 4万+

实战踩坑:在Windows/Mac上配置Chat2DB连接MySQL,并接入OpenAI API的完整指南

本文详细介绍了在Windows和Mac系统上配置Chat2DB连接MySQL数据库并接入OpenAI API的完整指南,包括环境准备、数据库连接配置、API集成及性能优化等关键步骤。特别分享了实际使用中的常见问题和解决方案,帮助开发者高效利用这一结合人工智能与数据库操作的工具。

weixin_30261095的博客 361

用Python+ChatGPT

近来chatGPT挺火的,也试玩了一下,确实挺有意思。这里记录在Python中如何去使用chatGPT。

苟日新,日日新,又日新!!! 4万+

GPT-5.6模型API接入实战:从环境配置到生产部署全流程指南

人工智能模型API接入是现代AI应用开发的核心技术环节,其原理基于RESTful架构实现远程服务调用。在工程实践中,正确的API集成能够显著提升开发效率,降低技术门槛。特别是在大语言模型快速迭代的背景下,掌握模型版本管理、环境配置和错误处理等关键技术,对确保项目稳定运行至关重要。以GPT-5.6系列模型为例,开发者需要理解Sol、Terra、Luna三个版本的不同定位,合理选择适合业务场景的模型。通过Python SDK的正确配置、API密钥安全管理、以及完善的错误处理机制,可以有效避免常见的配额耗尽、版本

weixin_30458043的博客 567

GPT API技术接入实战:从环境配置到工程化最佳实践

API技术接入是现代软件开发中的核心概念,通过标准化的接口实现系统间数据交互。其原理基于HTTP协议和认证机制,为开发者提供了灵活的系统集成能力。在人工智能领域,GPT API作为自然语言处理的重要接口,通过token计费模式为智能客服、代码生成等场景提供技术支持。特别是在技术验证和项目集成过程中,开发者需要掌握API调用、费用管理和安全合规等关键技术要点。本文基于API接入和工程实践等热词,深入解析GPT模型的技术接入方案,帮助开发者构建稳定可靠的人工智能应用系统。

congju3179的博客 506

OpenAI Chat Completion API 申请及使用

OpenAI ChatGPT 是一款非常强大的 AI 对话系统,只要输入提示词,就能在短短几秒内生成流畅自然的回复。ChatGPT 以其出色的语言理解和生成能力在业界独树一帜,如今,ChatGPT 早已在各个行业和领域广泛应用,其影响力愈发显著。无论是日常对话、创意写作,还是专业咨询、代码编程,ChatGPT 都能提供令人惊叹的智能协助,极大地提高了人类的工作效率和创造力。

weixin_59061577的博客 1542

Python统一调用GPT、Claude、Gemini多模型接入实战教程

随着大模型技术的快速普及,GPT、Claude、Gemini等主流模型各具优势,但单一模型往往难以满足复杂业务场景的全部需求。如何在项目中高效整合多个大模型API,成为开发者关注的热点。本文从大模型API的基本概念与调用原理出发,介绍多模型整合的技术价值与应用场景,重点讲解通过Python统一封装调用GPT、Claude、Gemini的完整方案,包括环境配置、密钥管理、适配层设计、本地开源模型补充及常见报错排查。同时结合Ollama本地部署,帮助读者在低成本、合规的前提下实现灵活的多模型切换,提升开发效率与

weixin_34185320的博客 417

console-chat-gpt:终极命令行AI聊天伴侣

console-chat-gpt:终极命令行AI聊天伴侣 在现代科技飞速发展的背景下,与AI模型的互动变得越来越便捷。今天,我们要介绍的是一个开源项目——console-chat-gpt,它允许用户直接从命令行与多种AI模型进行无缝交流。 项目介绍 console-chat-gpt是一个命令行界面(CLI)工具,它旨在为用户提供一个与各种AI模型(如OpenAI、MistralAI、Anthrop...

gitblog_00011的博客 1031

利用Matlab实现矩形波导电磁场分布图的绘制

1.利用Matlab实现矩形波导电磁场分布图的绘制;2.学会使用 Matlab 进行数值计算,并绘出相应的图形;通过Matlab 计算并绘出任意时刻金属矩形波导的主模 TE10 模的电磁场分布图。波导尺寸、工作频率及时刻均由外部给定。(1)矩形波导中传输的主模为TE10模。设金属波导尺寸为a*b,TE10模的截止波长为2*a。其电磁场分量可推导表示如下:.......1-1上式中各参量如下:......1-2。

qq_26335381的博客 3058

从仿真到打样:PMOS栅极泄放电路设计全流程复盘与三个踩坑点总结

本文详细复盘了PMOS栅极泄放电路从仿真到打样的全流程设计,重点总结了三个关键踩坑点:三极管BE结过压击穿、静态功耗超标和栅极振荡现象。通过优化缓启动电路、改进保护设计和布局调整,最终实现18ms开通时间、190μs关断时间和8μA静态功耗的工业级性能指标,为类似电源开关设计提供实用参考。

weixin_28693683的博客 371

GPT4Free 快速上手指南:免费调用 GPT-4 的开源方案

想给项目接一个大模型,总被 API 账单和订阅费用卡住。开源项目 GPT4Free(g4f)把数十个免费接口聚合成一个客户端,让你零成本用上 GPT-4、DeepSeek 和 Gemini,不需要 API key。 [![GPT4Free 免费调用 GPT-4 的开源项目横幅](https://raw.gitcode.com/GitHub_Trending/gp/gpt4free/raw/80c

gitblog_00097的博客 864

历年CSP-J(NOIP普及组)考点分析与分类汇总(纯干货)

noip/csp-j历年真题考点分类

weixin_42358969的博客 1万+

开发者快速上手OpenAI GPT API:从概念到实战集成指南

大语言模型(LLM)作为人工智能领域的重要突破,通过Transformer架构实现了对自然语言的深度理解与生成。其核心原理基于海量文本数据的预训练与微调,使模型能够捕捉语言的内在规律。在工程实践中,API调用成为将模型能力集成到应用中的关键技术路径,它降低了AI技术的使用门槛,让开发者无需深入算法细节即可调用先进模型。通过设计有效的提示词(Prompt),开发者可以引导模型完成代码生成、文档编写、日志分析等具体任务,显著提升开发效率。本文聚焦OpenAI GPT API,为开发者提供从环境配置、首次调用到I

weixin_30911451的博客 601

MATLAB闪退别慌!5分钟搞定Windows系统预设文件修复(附详细截图)

本文针对MATLAB在Windows系统下频繁闪退的问题,提供了快速有效的解决方案。核心在于修复或重置损坏的MATLAB预设文件,通过图文并茂的五步法,指导用户定位AppData目录、重命名预设文件夹,从而让MATLAB自动生成全新配置以解决闪退。文章还涵盖了问题诊断、设置备份及进阶排查方法,帮助用户彻底根除启动故障。

weixin_29234423的博客 927

[ vulhub漏洞复现篇 ] Jetty WEB-INF 文件读取复现CVE-2021-34429

[ vulhub漏洞复现篇 ] Jetty WEB-INF 文件读取复现CVE-2021-34429 可以使用一些编码字符来制作URI,以访问WEB-INF目录的内容和/或绕过一些安全限制。默认合规模式允许带有包含 %u002e 段的 URI 的请求访问WEB-INF目录中的受保护资源。

qq_51577576的博客 3208

Python实战:OpenAI API从入门到精通

本文是Python调用OpenAI API的实战指南,涵盖从环境配置、核心模型选择到聊天API、参数调优及语音图像应用的全流程。内容精炼实用,重点介绍了如何安全高效地使用Python与OpenAI API进行交互,并整合了最新的API调用方式与最佳实践,帮助开发者快速从入门到精通。

weixin_29095049的博客 629

Windows 11 安装 JDK 11:下载、安装、配置环境变量、验证

本文详细介绍了在 Windows 11 系统中安装 JDK 11 的完整流程,包括从 Oracle 官网下载压缩包、解压到自定义目录、配置 JAVA_HOME 与 Path 环境变量,并验证安装是否成功。文章还包含一个专为 JDK 11 新特性设计的测试程序,涵盖 Lambda 表达式 var 语法、HTTP 客户端 API、字符串增强方法等,帮助读者确认安装版本正确无误,适合初学者和需要多版本 JDK 共存的开发者参考。

寒水馨 · 轻量级技术文档 · hanshuixin.org 2783

GPT4All Python SDK 实践指南:pip 安装、源码构建与 llmodel C-API 绑定深度解析

本文以 `gpt4all-bindings/python/README.md` 为主线,完整讲解 GPT4All Python 绑定的安装方式、本地源码构建流程、基础调用与 GPU 用法,并结合 [gpt4all/gpt4all.py](https://link.gitcode.com/i/7b498e585d38e1172cef494df3df0c49) 与 [gpt4all/_pyllmode

gitblog_00599的博客 367

华为OD机试真题:明日之星选举 (Java/Py/C/ C++/JS/GO)

华为OD机试(机考)双机位C卷 【明日之星选举】,提供Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD机试 - 明日之星选举。

qq_45776114的博客 919

鸿蒙应用发布实战:应用热更新的实现

在移动应用开发领域,应用更新是持续交付价值的关键环节。传统的应用更新方式需要用户手动下载完整安装包,不仅用户体验差,而且更新率往往不理想。热更新技术(也称为OTA更新)允许应用在不重新安装的情况下动态更新部分功能,极大提升了用户体验和迭代效率。本文专注于鸿蒙操作系统下的应用热更新实现方案,涵盖从原理到实践的完整知识体系。鸿蒙热更新的技术架构差分更新算法实现动态部署机制实际项目中的最佳实践安全与性能优化策略首先介绍鸿蒙热更新的背景和核心概念深入分析技术原理和算法实现。

操作系统内核探秘的博客 965
上一篇: YOLOv5:Profile、Timeout、WorkingDirectory上下文管理器
下一篇: YOLOv5:LoadImages类、letterbox函数
FriendshipT
FriendshipT 优质创作者: 人工智能技术领域 优质创作者: 人工智能技术领域
博客等级 码龄8年 4万+粉丝 491原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FriendshipT

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值