Python调用ChatGPT(gpt-3.5-turbo)的最简单例子

本文提供了一个简单的Python代码示例,展示如何利用OpenAI的API和GPT-3.5-Turbo模型来请求生成一个笑话。首先设置API密钥,然后调用ChatCompletion.create方法,传递用户消息,最后打印出生成的笑话内容。参考官方文档可获取更多API详情。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

网上的很多例子都太复杂了,而且还需要关注什么的才能看,我这里给出一个最简单的:

import openai
import os

openai.api_key = os.getenv("OPENAI_API_KEY")

response=openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[
                {"role": "user", "content": "Tell me a joke"}
            ]
        )
print(response.choices[0].message.content)

不知道细节的朋友可以看看我之前的几篇博客。具体的API文档可以看这里:

https://platform.openai.com/docs/api-reference/chat/create

<think>好的,用户想了解如何调用GPT-3.5-Turbo的API,特别是请求格式和示例。首先,我需要回忆一下相关的API调用方法。根据提供的引用,特别是引用3中的Python代码示例,用户可能需要一个简单的例子,而不要复杂的步骤。 首先,用户需要安装openai库,并设置API密钥。引用3中的代码展示了如何导入库并使用环境变量设置密钥。这应该是第一步,因为这是调用API的前提条件。 接下来是构建请求的格式。根据引用3中的例子,模型名称是"gpt-3.5-turbo",消息需要以列表形式传递,每个消息包含角色和内容。角色通常是"user"或"assistant",这里用户的问题需要放在"user"角色的消息里。需要确保用户明白messages参数的结构,可能需要解释每个部分的作用。 然后,处理响应。引用3中的示例展示了如何从response对象中提取助手的回复,即response.choices[0].message.content。这部分需要清晰地说明,让用户知道如何获取返回的文本。 另外,用户可能关心参数设置,比如temperature和max_tokens。虽然引用3的示例没有提到这些,但作为常见参数,应该提及它们的作用,比如控制生成文本的随机性和长度。这有助于用户根据需要整参数。 还需要考虑错误处理,比如API密钥未设置或网络问题。但根据用户的问题,可能不需要深入这部分,但可以提到常见的注意事项,如确保密钥正确,处理可能的异常。 用户可能还想知道如何构造更复杂的对话,比如多轮对话。这时候需要在messages数组中添加多个消息对象,比如之前的历史对话记录。这可以作为一个进阶提示,但用户的问题主要是基础调用,所以可能需要放在注意事项里。 最后,根据用户提供的引用,特别是引用2提到的函数调用和微,但用户当前的问题更关注基本调用方法,所以可能不需要深入这部分,除非用户后续有相关问题。 总结步骤:安装库、设置密钥、构建请求(模型、消息)、发送请求、处理响应。需要确保代码示例简洁,参数说明清晰,并指出常见参数的作用。同时,引用相关的参考资料,如引用3中的示例代码,确保用户知道来源。</think>### GPT-3.5-Turbo API 调用方法详解 #### 1. **基本请求格式** 调用 GPT-3.5-Turbo 的 API 需通过 HTTP POST 请求,核心参数包括 `model` 和 `messages`。以下是一个 **Python 示例**: ```python import openai import os # 设置 API 密钥(需提前在环境变量中配置 OPENAI_API_KEY) openai.api_key = os.getenv("OPENAI_API_KEY") # 发送请求 response = openai.ChatCompletion.create( model="gpt-3.5-turbo", messages=[ {"role": "user", "content": "请写一首关于春天的短诗"} ], temperature=0.7, # 控制生成随机性(0-2,默认1) max_tokens=100 # 限制生成文本长度 ) # 提取回复内容 print(response.choices[0].message.content) ``` #### 2. **关键参数说明** - **`model`**: 指定模型名称,例如 `"gpt-3.5-turbo"`[^3]。 - **`messages`**: 对话历史列表,每条消息需包含 `role`(角色,如 `user`/`assistant`)和 `content`(内容)。 - **`temperature`**: 值越低生成结果越确定,值越高越随机。 - **`max_tokens`**: 限制生成文本的最大长度(1 token ≈ 4 字符)。 #### 3. **多轮对话实现** 通过维护 `messages` 列表记录上下文: ```python messages = [ {"role": "user", "content": "你好!"}, {"role": "assistant", "content": "您好!有什么可以帮您?"}, {"role": "user", "content": "推荐一本推理小说"} ] response = openai.ChatCompletion.create( model="gpt-3.5-turbo", messages=messages ) ``` #### 4. **注意事项** - **API 密钥安全**: 不要将密钥硬编码在代码中,建议通过环境变量传递[^3]。 - **错误处理**: 需捕获 `openai.error.APIError` 等异常。 - **费用计算**: 按输入和输出的总 token 数计费,可通过 `response.usage` 查看。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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