Python 调用 openai API

<think>好的，用户想了解如何在Python中调用OpenAI的API，需要示例代码。我之前已经处理过类似的问题，现在需要根据提供的引用内容整理出一个清晰的步骤。 首先，我需要确认用户的具体需求。他们可能已经知道需要安装库，但可能需要详细的步骤和示例。根据引用内容，引用[1]、[2]、[3]、[4]都提到了导入openai库、设置API密钥以及调用不同的方法，比如Model.list()、ChatCompletion.create()和Completion.create()。需要将这些信息整合成一个连贯的指南。 接下来，步骤分解。通常，调用API的第一步是安装库，所以应该先提到使用pip安装。然后导入必要的库，如openai和os，或者处理代理的情况，如引用[3]中的代理设置。不过用户可能不一定需要代理，所以可能需要作为可选步骤。 设置API密钥是关键部分，引用[1]和[2]提到从环境变量获取，引用[3]则从文件读取，而引用[4]直接写在代码里。需要建议最佳实践，比如使用环境变量，避免密钥硬编码。同时，要提醒用户密钥的安全性。 然后，示例代码部分，用户可能需要不同的模型调用方式。比如，ChatCompletion和Completion的区别，引用[3]和[4]分别展示了这两种方式。需要解释这两种不同的方法，以及如何构造请求参数，如model、messages、temperature等。 此外，错误处理和代理设置也是需要考虑的，特别是引用[3]提到了代理的问题，可能国内用户需要设置，但作为可选步骤，放在注意事项里比较合适。 最后，生成相关问题，可能需要涵盖身份验证、不同模型区别、参数调整以及错误处理等方面。确保问题对用户进一步学习有帮助。 现在需要检查是否有遗漏的步骤，比如安装库的部分是否明确，代码示例是否正确，以及注意事项是否全面。同时，确保引用正确，每个步骤对应的引用来源标注清楚，比如环境变量设置来自引用[1][2]，代理来自引用[3]，代码示例来自引用[3][4]等。 总结下来，回答应该分为安装库、导入和配置、示例代码（聊天和文本生成）、注意事项，最后是相关问题。这样结构清晰，用户能一步步跟随操作。</think>在Python中调用OpenAI API的完整步骤如下： ### 一、安装OpenAI库 ```bash pip install openai ``` ### 二、基础配置 #### 1. 导入库与环境配置 ```python import openai import os ``` #### 2. 身份验证 ```python # 最佳实践：从环境变量读取API密钥（推荐安全性） os.environ["OPENAI_API_KEY"] = "sk-xxx" openai.api_key = os.getenv("OPENAI_API_KEY") # 或直接设置（适用于测试环境） openai.api_key = "sk-xxx" ``` [^1][^2][^3] ### 三、API调用示例 #### 1. 聊天对话接口（ChatCompletion） ```python response = openai.ChatCompletion.create( model="gpt-3.5-turbo", messages=[ {"role": "system", "content": "你是一个资深Python开发者"}, {"role": "user", "content": "解释递归算法的实现原理"} ], temperature=0.7, max_tokens=500 ) print(response.choices[0].message.content) ``` [^3] #### 2. 文本生成接口（Completion） ```python response = openai.Completion.create( engine="text-davinci-003", prompt="用Python实现快速排序算法", temperature=0.5, max_tokens=1000 ) print(response.choices[0].text) ``` [^4] ### 四、高级配置 #### 1. 代理设置（国内需要） ```python os.environ["HTTP_PROXY"] = "http://127.0.0.1:7890" os.environ["HTTPS_PROXY"] = "http://127.0.0.1:7890" ``` [^3] #### 2. 参数说明 - `temperature`：控制随机性（0-2，0最确定） - `max_tokens`：响应最大长度 - `n`：生成多个结果 - `stop`：停止生成标记