Python调用ChatGPT API接口的用法详解

 更新时间:2023年05月23日 09:13:02   作者:陶老师运维笔记  
ChatGPT可以实现chat,生成图片,识别关键,改错等等功能,本文简单的给大家介绍一下如何使用python调用ChatGPT API接口,感兴趣的小伙伴可以参考一下

Python 调用ChatGPT API 接口介绍

ChatGPT 介绍

  • https://platform.openai.com/examples
  • https://platform.openai.com/docs/api-reference

ChatGPT可以实现chat,生成图片,识别关键,改错等等功能,本文简单介绍如何使用python调用ChatGPT API 接口。

1. 生成API Key

从openai官网网址:https://platform.openai.com/account/api-keys,生成我们的API key:

获得key后我们就可以调用API接口了。

2. 安装openai

使用pip安装openai库,命令: pip install openai。

安装openai库: pip install openai

3. python代码调用API

3.1 主要步骤

# 调用openai api的步骤
# 1. 安装openai库 pip install openai
# 2. 设置openai的api_key 
# 3. 调用openai的api
# 4. 参考文档
# https://platform.openai.com/docs/api-reference/completions/create
# https://platform.openai.com/docs/api-reference/authentication
# https://platform.openai.com/docs/api-reference/completions/create
# https://platform.openai.com/docs/libraries/community-libraries 

3.2 代码示例

API可以实现chat,生成图片,识别关键,改错等等功能。 下面是主要示例代码。 注意:openai.api_key = "sk-xxxFQ" #要更换成自已的API KEY

#!/usr/local/bin/python3.8
# -*- coding: utf8 -*-
# 调用openai api的步骤
# 1. 安装openai库 pip install openai
# 2. 设置openai的api_key 
# 3. 调用openai的api
# 4. 参考文档
# https://platform.openai.com/docs/api-reference/completions/create
# https://platform.openai.com/docs/api-reference/authentication
# https://platform.openai.com/docs/api-reference/completions/create
# https://platform.openai.com/docs/libraries/community-libraries 
import os
import openai
import json
# 1. 准备好请求的url
#openai.organization = "YOUR_ORG_ID" # 
#openai.api_key = os.getenv("OPENAI_API_KEY")
openai.api_key = "sk-xxxFQ" #要更换成自已的API KEY
# 查看可以使用的模型列表
def get_model_list():
    models= openai.Model.list()
    print(models)
# 生成文本示例
def generate_text(prompt):
    completions = openai.Completion.create(
        engine="text-davinci-002",
        prompt=prompt,
        max_tokens=1024,
        n=1,
        stop=None,
        temperature=0.5,
    )
    message = completions.choices[0].text
    return message.strip()
# 调用openai 画图示例
def generate_image(prompt):
    response = openai.Image.create(
        prompt = prompt,
        n=1,
        size="512x512"
    )
    image_url = response['data'][0]['url']
    return image_url
# 调用openai 问答示例
def chat(prompt):
    response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "user", "content":prompt}
    ]
)
    answer = response.choices[0].message.content
    return answer
# 调用openai 改正错词输出正确句子
def correct():
    prompt="改正错词输出正确句子:\n\n我在京东电商平台买了苹果耳几和华为体脂称"  #建议prompt: 改正错词输出正确句子:\n\n input_sentence
    response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "user", "content":prompt}
    ]
)
    answer = response.choices[0].message.content
    return answer
# 调用openai 识别关键词
def keyword():
    prompt="对下面内容识别2个关键词,每个词字数不超过3个字:\n\n齐选汽车挂件车内挂饰车载后视镜吊坠高档实心黄铜玉石出入平安保男女 红流苏-玉髓平安扣"  #建议prompt: 对下面内容识别n个关键词,每个词字数不超过m个字:\n\n input data
    response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "user", "content":prompt}
    ]
)
    answer = response.choices[0].message.content
    return answer
# 抽取文本向量 (Embedding)
def embedding():
    content = '苹果手机'
    response = openai.Embedding.create(
    model="text-embedding-ada-002",
    input=content
)
    answer = response.data[0].embedding
    return answer
def api_test():
    # 测试chat 
    # prompt = "人口最多的国家?"
    # response = chat(prompt)
    # print(response)
# 
    # 测试generate_text
    # prompt = "Hello, how are you today?"
    # response = generate_text(prompt)
    # print(response) 
    # 测试generate_image
    #prompt = "a delicious dessert"
    #response = generate_image(prompt)
    #print(response)
    # 测试correct
    # response = correct()
    # print(response) #输出结果: 我在京东电商平台买了苹果耳机和华为体脂秤。
    # 测试keyword
    #response = keyword()
    #print(response) #输出结果: 挂件、平安扣
    # 测试embedding
    result = embedding()
    print(len(result))
    print(result)
if __name__ == '__main__':
    api_test()

4. flask实现chat效果的示例

https://github.com/openai/openai-quickstart-python

下载git代码:

git clone https://github.com/openai/openai-quickstart-python.git
cd openai-quickstart-python
cp .env.example .env
python -m venv venv
. venv/bin/activate
pip install -r requirements.txt
flask run

运行效果:

到此这篇关于Python调用ChatGPT API接口的用法详解的文章就介绍到这了,更多相关Python调用ChatGPT API接口内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • Python中多线程的创建及基本调用方法

    Python中多线程的创建及基本调用方法

    由于注明的GIL的存在,Python尽管能创建多个线程,但是多线程却不能同时工作...well,这里我们来看一下Python中多线程的创建及基本调用方法
    2016-07-07
  • 利用Python制作简易的点赞器

    利用Python制作简易的点赞器

    在今天,任何一个社区类平台,都具备点赞功能,应运而生的就是自动点赞器,俗称刷分机/刷赞器。本文将用Python编写一个点赞机器人,需要的可以参考一下
    2022-06-06
  • Matplotlib实战之面积图绘制详解

    Matplotlib实战之面积图绘制详解

    面积图,或称区域图,是一种随有序变量的变化,反映数值变化的统计图表,这篇文章主要介绍了如何利用Matplotlib实现面积图的绘制,需要的可以参考下
    2023-08-08
  • python画图--输出指定像素点的颜色值方法

    python画图--输出指定像素点的颜色值方法

    今天小编就为大家分享一篇python画图--输出指定像素点的颜色值方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-07-07
  • 使用Python处理KNN分类算法的实现代码

    使用Python处理KNN分类算法的实现代码

    KNN分类算法(K-Nearest-Neighbors Classification),又叫K近邻算法,是一个概念极其简单,而分类效果又很优秀的分类算法,这篇文章主要介绍了使用Python处理KNN分类算法,需要的朋友可以参考下
    2022-09-09
  • Python闭眼时长标准差脚本使用实例代码讲解

    Python闭眼时长标准差脚本使用实例代码讲解

    这篇文章主要介绍了Python闭眼时长标准差脚本使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习吧
    2023-03-03
  • 在CMD命令行中运行python脚本的方法

    在CMD命令行中运行python脚本的方法

    今天小编就为大家分享一篇在CMD命令行中运行python脚本的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-05-05
  • Python单例模式实例分析

    Python单例模式实例分析

    这篇文章主要介绍了Python单例模式,以实例形式分析了Python单例模式的具体使用技巧,具有一定参考借鉴价值,需要的朋友可以参考下
    2015-01-01
  • 如何在Win10系统使用Python3连接Hive

    如何在Win10系统使用Python3连接Hive

    这篇文章主要介绍了如何在Win10系统使用Python3连接Hive,帮助大家更好的利用python读取数据,进行探索、分析和挖掘工作。感兴趣的朋友可以了解下
    2020-10-10
  • Python中的默认参数详解

    Python中的默认参数详解

    这篇文章主要介绍了Python中的默认参数详解,本文讲解了默认参数的基本原理、如何正确地使用可变参数等内容,需要的朋友可以参考下
    2015-06-06

最新评论