您现在的位置是:首页 > 技术教程 正文

OpenAI 开发系列(四):掌握OpenAI API调用方法

admin 阅读: 2024-03-19
后台-插件-广告管理-内容页头部广告(手机)

全文共4000余字,预计阅读时间约17~30分钟 | 满满干货(附代码),建议收藏!

本文目标:明确获取OpenAI API密钥的流程,理解如何调用OpenAI的各类大模型,并了解其对应的相关参数

image-20230810135521201

代码下载点这里

一、获取OpenAI的API keys

前提:拥有OpenAI账户,并可以魔法上网,如果涉及账户或魔法上网问题,可参考本文末尾的内容,自行配置!

参考 OpenAI 官网,获取OpenAI的API keys具体的流程如下

  • Step 1:登录OpenAI 账户

使用电子邮件地址和密码登录到 OpenAI 账户

image-20230713224316125

  • Step 2:创建 API Key

选择左侧菜单栏的“API Keys”,然后单击“+ Create new API key”按钮.

image-20230713224820536

  • Step 3:自定义名称

在弹出的窗口中,为该 API Key 创建一个名称

image-20230713224930450

然后复制保存完成的key编码,注意:要保留好,这个key只在创建的时候可以复制

二、设置环境变量存储秘钥

将API密钥存储在环境变量中,而不是直接写在代码中,这样做的根本目的是降低泄露密钥的风险。这样,即使有人不小心看到了你的代码,他们也无法获得你的API密钥。毕竟这东西是花钱的,让别人盗用肯定是有风险的!

同时,如果在测试开发中,这样做也易于管理,如果有多个项目都使用了OpenAI API,只需修改环境变量,所有项目都能自动使用新的密钥,省时省力!

在Windows开发环境下的配置方法如下

  • Step 1:进入环境变量

image-20230713225643442

  • Step 2:新建系统变量

设置变量名为OPENAI_API_KEY,变量值为OpenAI API秘钥(即上一步复制的那个key),注意:配置完后,要重启电脑才会生效

image-20230713225900206

三、连通性测试

OpenAI官网文档

image-20230713230230991

  • Step 1: 安装openai库
!pip install openai
  • 1
  • Step 2:获取系统变量中的秘钥
import openai import os openai.api_key = os.getenv("OPENAI_API_KEY") # 如果你不想通过环境变量的方式读取OpenAI API Keys,直接这样写代码 openai.api_key= "API Key"
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • Step 3: 测试连通性
# 创建一个 GPT-3 请求 completion = openai.ChatCompletion.create( model="gpt-3.5-turbo-16k", messages=[ {"role": "user", "content": "Hello, Nice to meet you"} ] ) print(completion.choices[0].message)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

测试成功!

image-20230715113407230

四、OpenAI API的基本参数

4.1 GPT3.5 系列接口

image-20230715114051302

image-20230715114210371

GPT-3.5系列是一系列在2021年第四季度之前的文本和代码混合训练的模型。

以下是GPT-3.5系列中的几个模型

  • code-davinci-oo2是一个基础模型,适用于纯代码补全任务。

  • text-davinci-002是基于code-davinci-002的lnstructGPT模型。

  • text-davinci-003是text-davinci-002的改进版。

  • gpt-3.5-turbo-0301是在text-davinci-003的基础上进行了改进,针对聊天应用进行了优化。

4.2 GPT 4接口

2023年7月7日,OpenAI在官网宣布,gpt-4 api全面开放使用。所有付费api用户都可直接访问8k上下文的gpt-4,无需任何等待。再也不用等申请了!

image-20230715120929180

GPT-4是一个大型多模态模型(目前接受文本输入并生成文本输出,未来将支持图像输入),与gpt-3.5-turbo类似,GPT-4在聊天方面进行了优化,但在传统的完成任务中也能表现出色,都可以使用Chat Completions API。

以下是GPT-4系列中的几个模型

  • gpt-4 比任何GPT-3.5模型更强大,能够执行更复杂的任务,并且针对聊天进行了优化。
  • gpt-4-32k 与基础gpt-4模型具有相同的功能,但上下文长度增加了4倍。将随最新模型迭代进行更新。

五、API使用方法

5.1 Completions基本调用方法

当调用Completions api时,如果给定一个提示,该模型将返回一个或多个预测的结果,并且还可以返回每个位置上备选标记的概率。

OpenAI官网给出的调用方式是:

openai.ChatCompletion.create()
  • 1

image-20230715121402445

其重要及常用参数如下:

1

代码调用方法如下:

completions_reponse = openai.Completion.create( model="text-davinci-003", prompt="test Completions api", )
  • 1
  • 2
  • 3
  • 4

看一下返回结果:

image-20230810112624877

5.2 Chat Completions基本调用方法

Chat Completions是一种专门用于聊天补全的语言模型,可以接受消息列表作为输入,并返回模型生成的消息作为输出。类似于使用的ChatGPT对话,可以进行角色扮演,回答一系列问题,其参数如下:

image-20230715131751723

Chat模型中,通过给messages中的role参数设置不同的角色关键字,可以给当前输入赋予不同的能力,如以下代码:

completion = openai.ChatCompletion.create( model="gpt-3.5-turbo-16k-0613", messages=[ # 通过给role设置为system,给Chat模型的此处对话赋予角色定位 {"role": "system", "content": "你是一位精通机器学习和自然语言处理的AI领域专家,具备20年相关经验"}, # 通过给role设置为user,告诉Chat模型此输入是这次会话的提问者 {"role": "user", "content": "我是一个小白,我想入门AI领域,我需要学习哪些知识"} ] )
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

输出结果如下:

image-20230810113235051

简单来说,上述代码调用Chat模型获取回答的思路就是:先让Chat模型扮演一位AI领域的专家这个角色,然后以这个角色身份来回答我要怎么学习AI这个问题

5.3 Chat Completions实现多轮对话的思路

我们更熟悉的ChatGPT在一段连续的对话中是有上下文记忆能力的,那其实ChatGPT背后使用的API也是gpt3.5和gpt4,对于直接使用代码调用来说,如果要进行多轮对话,和ChatGPT一样,思路就是:把上一个的输出也传递给gpt api,拼接起来共同作为输入给到gpt api,从而起到上下文记忆的能力,代码示例如下:

  • Step 1:进行第一轮对话
completion = openai.ChatCompletion.create( model="gpt-3.5-turbo-16k-0613", messages=[ {"role": "system", "content": "你是一位精通机器学习和自然语言处理的AI领域专家,具备20年相关经验"}, {"role": "user", "content": "我是一个小白,我想入门AI领域,我需要学习哪些知识"} ] )
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

看下模型的回复:

image-20230810114723619

可以这样查看其内容:

image-20230810114940978

  • Step 2:将模型第一轮对话的回复与新输入拼接

在Chat模型的messages中添加模型第一轮的回复结果,也就是content中的内容,同时设置该条内容的role = assistant,代码如下:

completion_second = openai.ChatCompletion.create( model="gpt-3.5-turbo-16k-0613", messages=[ {"role": "system", "content": "你是一位精通机器学习和自然语言处理的AI领域专家,具备20年相关经验"}, {"role": "user", "content": "我是一个小白,我想入门AI领域,我需要学习哪些知识"}, # 注意:这里通过设置role = assistant可以告诉Chat模型,这个输入是模型返回的答案 {"role": "assistant", "content": "\u4f5c\u4e3a\u4e00\u4e2a\u521d\u5b66\u8005\uff0c\u4f60\u53ef\u4ee5\u6309\u7167\u4ee5\u4e0b\u6b65\u9aa4\u6765\u5b66\u4e60AI\u9886\u57df\u7684\u77e5\u8bc6\uff1a\n\n1. \u5148\u4e86\u89e3\u673a\u5668\u5b66\u4e60\u7684\u57fa\u672c\u6982\u5ff5\uff1a\u673a\u5668\u5b66\u4e60\u662f\u4e00\u79cd\u8ba9\u8ba1\u7b97\u673a\u901a\u8fc7\u6570\u636e\u5b66\u4e60\u548c\u63d0\u9ad8\u6027\u80fd\u7684\u65b9\u6cd5\u3002\u4f60\u53ef\u4ee5\u5b66\u4e60\u673a\u5668\u5b66\u4e60\u7684\u57fa\u672c\u6982\u5ff5\uff0c\u5982\u76d1\u7763\u5b66\u4e60\u3001\u65e0\u76d1\u7763\u5b66\u4e60\u3001\u5f3a\u5316\u5b66\u4e60\u7b49\u3002\n\n2. \u5b66\u4e60Python\u7f16\u7a0b\u8bed\u8a00\uff1aPython\u662fAI\u9886\u57df\u5e38\u7528\u7684\u7f16\u7a0b\u8bed\u8a00\u4e4b\u4e00\uff0c\u5b66\u4e60Python\u5bf9\u4e8e\u8fdb\u884c\u6570\u636e\u5904\u7406\u548c\u7b97\u6cd5\u5b9e\u73b0\u975e\u5e38\u91cd\u8981\u3002\u4f60\u53ef\u4ee5\u901a\u8fc7\u5728\u7ebf\u6559\u7a0b\u3001\u89c6\u9891\u6559\u7a0b\u6216\u8005\u53c2\u52a0\u57f9\u8bad\u73ed\u6765\u5b66\u4e60Python\u3002\n\n3. \u638c\u63e1\u6570\u636e\u5904\u7406\u548c\u6570\u636e\u5206\u6790\u6280\u80fd\uff1aAI\u7684\u6838\u5fc3\u5728\u4e8e\u6570\u636e\uff0c\u638c\u63e1\u6570\u636e\u5904\u7406\u548c\u6570\u636e\u5206\u6790\u6280\u80fd\u662f\u975e\u5e38\u91cd\u8981\u7684\u3002\u4f60\u53ef\u4ee5\u5b66\u4e60\u6570\u636e\u6e05\u6d17\u3001\u6570\u636e\u53ef\u89c6\u5316\u3001\u6570\u636e\u7edf\u8ba1\u7b49\u76f8\u5173\u77e5\u8bc6\u3002\n\n4. \u5b66\u4e60\u673a\u5668\u5b66\u4e60\u7b97\u6cd5\uff1a\u5b66\u4e60\u4e00\u4e9b\u5e38\u7528\u7684\u673a\u5668\u5b66\u4e60\u7b97\u6cd5\uff0c\u5982\u7ebf\u6027\u56de\u5f52\u3001\u903b\u8f91\u56de\u5f52\u3001\u51b3\u7b56\u6811\u3001\u652f\u6301\u5411\u91cf\u673a\u3001\u795e\u7ecf\u7f51\u7edc\u7b49\u3002\u4e86\u89e3\u7b97\u6cd5\u7684\u539f\u7406\u548c\u9002\u7528\u573a\u666f\uff0c\u5e76\u5c1d\u8bd5\u5b9e\u73b0\u8fd9\u4e9b\u7b97\u6cd5\u3002\n\n5. \u5b66\u4e60\u6df1\u5ea6\u5b66\u4e60\uff1a\u6df1\u5ea6\u5b66\u4e60\u662fAI\u9886\u57df\u7684\u4e00\u4e2a\u70ed\u95e8\u65b9\u5411\uff0c\u5b83\u662f\u4e00\u79cd\u57fa\u4e8e\u795e\u7ecf\u7f51\u7edc\u7684\u5b66\u4e60\u65b9\u6cd5\u3002\u4f60\u53ef\u4ee5\u5b66\u4e60\u6df1\u5ea6\u5b66\u4e60\u7684\u57fa\u672c\u539f\u7406\u3001\u5e38\u7528\u7684\u795e\u7ecf\u7f51\u7edc\u67b6\u6784\u548c\u6df1\u5ea6\u5b66\u4e60\u6846\u67b6\u3002\n\n6. \u5b66\u4e60\u81ea\u7136\u8bed\u8a00\u5904\u7406\uff1a\u81ea\u7136\u8bed\u8a00\u5904\u7406\u662fAI\u9886\u57df\u7684\u4e00\u4e2a\u91cd\u8981\u65b9\u5411\uff0c\u5b83\u6d89\u53ca\u5230\u5bf9\u6587\u672c\u548c\u8bed\u8a00\u7684\u7406\u89e3\u548c\u5904\u7406\u3002\u4f60\u53ef\u4ee5\u5b66\u4e60\u6587\u672c\u5904\u7406\u3001\u8bcd\u5d4c\u5165\u3001\u60c5\u611f\u5206\u6790\u7b49\u76f8\u5173\u77e5\u8bc6\u3002\n\n7. \u5b9e\u8df5\u9879\u76ee\uff1a\u5e94\u7528\u6240\u5b66\u77e5\u8bc6\u8fdb\u884c\u5b9e\u8df5\u9879\u76ee\u662f\u5de9\u56fa\u548c\u63d0\u9ad8\u6280\u80fd\u7684\u91cd\u8981\u65b9\u5f0f\u3002\u4f60\u53ef\u4ee5\u53c2\u52a0\u4e00\u4e9b\u516c\u5f00\u7684\u673a\u5668\u5b66\u4e60\u7ade\u8d5b\uff0c\u6216\u8005\u81ea\u5df1\u627e\u4e00\u4e9b\u6570\u636e\u8fdb\u884c\u5b9e\u9645\u7684\u9879\u76ee\u5b9e\u8df5\u3002\n\n\u8bb0\u4f4f\uff0cAI\u9886\u57df\u662f\u4e00\u4e2a\u5feb\u901f\u53d1\u5c55\u7684\u9886\u57df\uff0c\u9700\u8981\u4e0d\u65ad\u5b66\u4e60\u548c\u5b9e\u8df5\u3002\u73b0\u5728\u6709\u5f88\u591a\u4f18\u8d28\u7684\u5728\u7ebf\u8d44\u6e90\u548c\u8bfe\u7a0b\u4f9b\u5b66\u4e60\u8005\u4f7f\u7528\uff0c\u4f60\u53ef\u4ee5\u9009\u62e9\u9002\u5408\u81ea\u5df1\u7684\u5b66\u4e60\u8def\u5f84\u548c\u65b9\u6cd5\u8fdb\u884c\u5b66\u4e60\u3002"}, {"role": "user", "content": "关于第5条深度学习方面,你帮我更加详细的介绍一下"} ] )
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

看下模型的输出:

image-20230810115934472

很明显能看出来,第二轮的回复是在第一轮对话的基础上继续进行的,这也提供了一种多轮对话的思路。

5.3 Images基本调用方法

Images模型可以根据给定的提示创建一个图像

image-20230715160632794

ImagesAPI提供了三种与图片交互的方法:

1.根据文本提示从头开始创建图像

2.根据新文本提示创建现有图像的编辑

3.创建现有图像的变体

其参数如下:

2

看下代码:

openai.Image.create( prompt="一只白色小猫\在野地上\奔跑", n=1, size='512x512' )
  • 1
  • 2
  • 3
  • 4
  • 5

输出如下:

image-20230715161900010

点击链接可查看生成的图片,虽然有点难看,这需要提示工程,此处就做一个简单示例

image-20230715161938919

还可以修改图片尺寸、编辑图片等,可以自己试一下,代码参考:

# 修改图片尺寸 from PIL import Image def transfer(infile, outfile): im = Image.open(infile) reim=im.resize((512, 512))#宽*高 reim.save(outfile,dpi=(200.0,200.0)) ##200.0,200.0分别为想要设定的dpi值 if __name__ == '__main__': infil=r"mask.png" outfile=r"mask_512.png" transfer(infil, outfile)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
# edit 图片 openai.Image.create_edit( image=open("小猫.png", "rb"), mask=open("mask_512.png", "rb"), prompt="小猫\趴着炕头上", n=1, size="512x512" )
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

六:应用示例

6.1 创建一个编程问题解答助手

分享一个示例给大家提供一点思路,代码如下:

def programming_helper(question:str='Python中如何声明变量?'): prompt = "你是一个编程问题解答助手,每当用户向你提出一个编程相关的问题,你都应尝试提供相关答案。" \ "如果问题太复杂或超出了你的知识范围,请回复 '建议查阅更详细的资料或论坛。'" response = "Python中如何打印内容?" \ "\n\n你可以使用Python的print()函数来显示输出。例如:" \ "\n\nprint('你好,世界!') 将在屏幕上显示 '你好,世界!'。" data = { "model": "gpt-3.5-turbo-16k-0613", "temperature": 0, "top_p": 1, "frequency_penalty": 1, "presence_penalty": 1, "stream": False, "messages": [ {"role": "system", "content": prompt}, {"role": "user", "content": "Python中如何打印内容?"}, {"role": "assistant", "content": response}, {"role": "user", "content": question} ] } return openai.ChatCompletion.create(**data) # 示例 helper_response = programming_helper(question='Python中如何使用for循环?')
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29

调用看一下输出:

在这里插入图片描述

这种方式是提示工程的Few-shot内容,此处不理解也没关系,后面的文章会讲到。

6.2 计算消耗的Tokens

调用API接口是按Tokens收费的,那么如何计算每次会话用了多少Tokens?

# !pip install tiktoken import tiktoken MODEL_NAME = "gpt-3.5-turbo-16k-0613" encoder = tiktoken.encoding_for_model(MODEL_NAME) def calculate_and_display_token_count(input_text:str): encoded_text = encoder.encode(input_text) token_count = len(encoded_text) print(f"输入的文本: '{input_text}'") print(f"对应的编码: {encoded_text}") print(f"Token数量: {token_count}") calculate_and_display_token_count(input_text='测试Token大小')
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15

输出如下:
image-20230810120608992
如果需要的话,还可以根据每个API的费用进一步添加费用计算等功能。

七、总结

本文明确如何获取和存储API keys,并进行连通性测试,确保正常使用。接着,介绍了OpenAI API的基本参数,尤其是针对GPT3.5和GPT 4的接口深入讲解了各种API的使用方法,包括Completions、Chat Completions以及Images的基本调用方式,并为Chat Completions实现多轮对话提供了思路。在应用示例部分,提供了如何创建编程问题解答助手以及如何计算消耗的Tokens。

感谢您阅读这篇文章!如果您觉得有所收获,别忘了点赞、收藏并关注我,这是我持续创作的动力。您有任何问题或建议,都可以在评论区留言,我会尽力回答并接受您的反馈。如果您希望了解某个特定主题,也欢迎告诉我,我会乐于创作与之相关的文章。谢谢您的支持,期待与您共同成长!

最后,给大家送上干货!建议大家点赞&收藏,Mark住别丢了。有高质量资料免费送!

1. 关于魔法,你需要知道的

2. 超全流程!OpenAI账户注册看这里!

3. ChatGPT Plus 升级指南

标签:
声明

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

在线投稿:投稿 站长QQ:1888636

后台-插件-广告管理-内容页尾部广告(手机)
关注我们

扫一扫关注我们,了解最新精彩内容

搜索