调用 OpenAI 的 GPT-3.5 Turbo 模型进行对话交互

1. 项目概述

1.1 项目简介

本项目是一个基于 OpenAI API 的聊天机器人客户端示例，演示如何通过 Python 调用 OpenAI 的 GPT-3.5 Turbo 模型进行对话交互。

1.2 功能特性

• 通过 HTTP POST 请求调用 OpenAI Chat Completions API
• 支持自定义系统角色和用户消息
• 配置参数可调（temperature、max_tokens 等）
• 中文编码支持，确保输出正常显示

---

2. 技术架构

2.1 技术栈

分类	技术	版本
语言	Python	3.3+
HTTP 客户端	requests	2.25+
API 服务	OpenAI API	v1

2.2 核心流程图

---

3. 安装与配置

3.1 环境要求

• Python 3.3+
• 有效的 OpenAI API Key

3.2 依赖安装

pip install requests

3.3 环境变量配置

在系统环境变量中设置以下变量：

变量名	说明	示例值
OPENAI_BASE_URL	OpenAI API 基础地址	https://api.openai.com/v1
OPENAI_API_KEY	OpenAI API 密钥	sk-xxxxxxxxxxxxxxxx

---

注意：国内无法直接调用OpenAI API，但可以用第三方API调用
网关由原来的 https://api.openai.com 替换为 https://api.openai-hk.com
获取OpenAI API 密钥可以去注册https://www.openai-hk.com/账号

4. 代码结构

4.1 文件说明

文件	说明
ai-demo.py	主程序文件，包含完整的 API 调用逻辑

4.2 核心代码解析

4.2.1 导入模块

import requests
import json
import os
import io
import sys

4.2.2 编码设置

sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')

确保控制台输出支持中文显示。

4.2.3 API 配置

url = f"{os.getenv('OPENAI_BASE_URL')}/chat/completions"
api_key = os.getenv('OPENAI_API_KEY')

从环境变量读取 API 地址和密钥，避免硬编码敏感信息。

4.2.4 请求参数说明

参数	类型	默认值	说明
max_tokens	int	1200	响应最大 token 数
model	string	gpt-3.5-turbo	使用的模型名称
temperature	float	0.8	温度系数，控制随机性
top_p	float	1	核采样参数
presence_penalty	float	1	存在惩罚，鼓励新话题

---

5. 运行方式

5.1 代码实例

# ai-demo.py
import requests
import json
import os
import io
import sys

sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')

url = f"{os.getenv('OPENAI_BASE_URL')}/chat/completions"
api_key = os.getenv('OPENAI_API_KEY')

headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {api_key}"
}

data = {
    "max_tokens": 1200,
    "model": "gpt-3.5-turbo",
    "temperature": 0.8,
    "top_p": 1,
    "presence_penalty": 1,
    "messages": [
        {
            "role": "system", "content": "You are a helpful assistant."
        },
        {
            "role": "user",
            "content": "你知道AI的应用途径有哪些吗？"
        }
    ]
}

response = requests.post(url, headers=headers, data=json.dumps(data).encode('utf-8') )
result = response.content.decode("utf-8")

print(result)

运行命令

python ai-demo.py

5.2 输出实例

{
    "id": "chatcmpl-DZAplrHX8QrgmLKywxLvfaV8IveFb",
    "object": "chat.completion",
    "created": 1777275497,
    "model": "gpt-4.1-mini-2025-04-14",
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "当然知道！AI（人工智能）的应用途径非常广泛，几乎覆盖了各行各业。以下是一些主要的应用领域和途径：\n\n1. **自然语言处理（NLP）**  \n   - 机器翻译（如谷歌翻译）  \n   - 语音识别（如Siri、Alexa）  \n   - 文本生成（如聊天机器人、自动写作）  \n   - 情感分析（用于舆情监测、客户反馈分析）\n\n2. **计算机视觉**  \n   - 图像识别与分类（如人脸识别、安全监控）  \n   - 医学影像分析（辅助诊断）  \n   - 自动驾驶中的环境感知  \n   - 视频监控与行为分析\n\n3. **机器人技术**  \n   - 工业机器人（制造生产线自动化）  \n   - 服务机器人（清洁、送餐等）  \n   - 无人机（物流、农业巡检）\n\n4. **推荐系统**  \n   - 电商个性化推荐（亚马逊、淘宝）  \n   - 内容推荐（视频平台如Netflix、YouTube）  \n   - 社交媒体信息流优化\n\n5. **金融科技**  \n   - 风险评估与信用评分  \n   - 自动交易算法  \n   - 反欺诈检测\n\n6. **医疗健康**  \n   - 疾病预测与诊断辅助  \n   - 个性化治疗方案推荐  \n   - 健康数据监测与管理\n\n7. **教育领域**  \n   - 智能教学助手  \n   - 自适应学习系统  \n   - 自动批改作业\n\n8. **智能制造与工业互联网**  \n   - 设备预测维护  \n   - 质量检测自动化  \n   - 生产流程优化\n\n9. **交通运输**  \n   - 智能交通信号控制  \n   - 路况预测与优化  \n   - 自动驾驶技术\n\n10. **娱乐和创意产业**  \n    - AI音乐创作  \n    - 游戏中的智能对手设计  \n    - 虚拟现实与增强现实体验提升\n\n总之，AI通过数据分析、模式识别和自主决策，极大地提升了效率，改善了用户体验，推动了产业升级。如果你有具体行业或应用方向想了解，我可以帮你详细介绍！",
                "refusal": null,
                "annotations": []
            },
            "logprobs": null,
            "finish_reason": "stop"
        }
    ],
    "usage": {
        "prompt_tokens": 17,
        "completion_tokens": 509,
        "total_tokens": 526,
        "prompt_tokens_details": {
            "cached_tokens": 0,
            "audio_tokens": 0
        },
        "completion_tokens_details": {
            "reasoning_tokens": 0,
            "audio_tokens": 0,
            "accepted_prediction_tokens": 0,
            "rejected_prediction_tokens": 0
        }
    },
    "service_tier": "default",
    "system_fingerprint": "fp_b6f445fc1c"
}

---

6. API 调用说明

6.1 请求格式

• HTTP 方法: POST
• URL: {OPENAI_BASE_URL}/chat/completions
• Content-Type: application/json

6.2 请求体结构

{
  "max_tokens": 1200,
  "model": "gpt-3.5-turbo",
  "temperature": 0.8,
  "top_p": 1,
  "presence_penalty": 1,
  "messages": [
    {"role": "system", "content": "系统提示词"},
    {"role": "user", "content": "用户问题"}
  ]
}

6.3 响应结构

字段	说明
id	对话完成 ID
object	对象类型
created	创建时间戳
model	使用的模型
choices	响应选项列表
usage	token 使用统计

---

7. 常见问题

7.1 编码问题

现象: 输出出现乱码
解决方案: 代码已内置 UTF-8 编码处理，确保控制台支持中文显示。

7.2 API 认证失败

现象: 返回 401 错误
解决方案: 检查 OPENAI_API_KEY 环境变量是否正确设置。

7.3 网络连接问题

现象: 连接超时或拒绝
解决方案: 检查网络连接，如需代理请配置相应环境变量。

---

8. 扩展建议

1. 多轮对话支持: 维护对话历史，实现上下文连续对话
2. 错误处理增强: 添加异常捕获和重试机制
3. 参数配置化: 将参数放入配置文件或命令行参数
4. 响应解析优化: 提取并格式化响应内容，仅输出助手回复

---