当前位置：首页 > news >正文

【大模型入门】访问GPT_API实战案例

news 2025/7/7 8:14:35

0 前言

1 聊天机器人

2 翻译助手

3 联网搜索

0 前言

访问GPT_API的干货，见这篇blog：https://blog.csdn.net/m0_60121089/article/details/149104844?spm=1011.2415.3001.5331

1 聊天机器人

前置准备

import dotenv
from openai import OpenAI# 加载环境变量
dotenv.load_dotenv('.env')# 创建客户端
client = OpenAI()

单轮对话

chat_response = client.chat.completions.create(# 模型model="gpt-3.5-turbo",# 消息messages=[# 角色扮演{"role": "system","content": "You are a helpful assistant."},# 用户消息{"role": "user","content": "Say this is a test."}],# 流式输出stream=True
)for chunk in chat_response:# 内容不为None就输出if chunk.choices[0].delta.content is not None:print(chunk.choices[0].delta.content,end='')# 内容为None（也就是输出结束时）退出循环else:break

输出：

多轮对话

while True:# 用户输入user_input = input('User：')# 用户输入为“quit”时退出while循环if user_input == "quit":breakchat_response = client.chat.completions.create(# 模型model="gpt-3.5-turbo",# 消息messages=[# 角色扮演{"role": "system","content": "You are a helpful assistant."},# 用户消息{"role": "user","content": user_input}],# 流式输出stream=True)print('GPT：',end='')for chunk in chat_response:# 内容不为None就输出if chunk.choices[0].delta.content is not None:print(chunk.choices[0].delta.content,end='')# 内容为None（也就是输出结束时）退出for循环else:breakprint()

可见此时的聊天机器人没有存储对话历史，还不具备记忆功能。

存储对话历史

存储对话历史，让聊天机器人具备记忆功能。

# 对话历史
chat_history = [{"role": "system","content": "You are a helpful assistant."}]
while True:# 用户输入user_input = input('User：')# 用户输入为“quit”时退出while循环if user_input == "quit":break# 对话历史中添加用户消息chat_history.append({"role": "user","content": user_input})chat_response = client.chat.completions.create(# 模型model="gpt-3.5-turbo",# 消息messages=chat_history,# 流式输出stream=True)print('GPT：',end='')# gpt回答gpt_answer = ''for chunk in chat_response:# 内容不为None就输出if chunk.choices[0].delta.content is not None:# 流式输出的每部分内容chunk_content = chunk.choices[0].delta.contentprint(chunk_content,end='')# 把流式输出的每部分内容累加起来，就是gpt回答gpt_answer += chunk_content# 内容为None（也就是输出结束时）退出for循环else:break# 对话历史中添加gpt回答chat_history.append({"role": "assistant","content": gpt_answer})print()

完整代码

import dotenv
from openai import OpenAI# 加载环境变量
dotenv.load_dotenv('.env')# 创建客户端
client = OpenAI()# 对话历史
chat_history = [{"role": "system","content": "You are a helpful assistant."}]while True:# 用户输入user_input = input('User：')# 用户输入为“quit”时退出while循环if user_input == "quit":break# 对话历史中添加用户消息chat_history.append({"role": "user","content": user_input})chat_response = client.chat.completions.create(# 模型model="gpt-3.5-turbo",# 消息messages=chat_history,# 流式输出stream=True)print('GPT：',end='')# gpt回答gpt_answer = ''for chunk in chat_response:# 内容不为None就输出if chunk.choices[0].delta.content is not None:# 流式输出的每部分内容chunk_content = chunk.choices[0].delta.contentprint(chunk_content,end='')# 把流式输出的每部分内容累加起来，就是gpt回答gpt_answer += chunk_content# 内容为None（也就是输出结束时）退出for循环else:break# 对话历史中添加gpt回答chat_history.append({"role": "assistant","content": gpt_answer})print()

2 翻译助手

import dotenv
from openai import OpenAI# 加载环境变量
dotenv.load_dotenv('.env')# 创建客户端
client = OpenAI()print('您好，我是您的翻译助手。有什么问题就问我吧。结束聊天对话请输入：quit')while True:# 用户输入user_input = input('User：')# 用户输入为“quit”时退出while循环if user_input == "quit":breakchat_response = client.chat.completions.create(# 模型model="gpt-3.5-turbo",# 消息messages=[# 角色扮演{"role": "system","content": "你是一个专业的中英翻译助手"},# 用户消息{"role": "user","content": user_input}],# 流式输出stream=True)print('GPT：',end='')for chunk in chat_response:# 内容不为None就输出if chunk.choices[0].delta.content is not None:print(chunk.choices[0].delta.content,end='')# 内容为None（也就是输出结束时）退出for循环else:breakprint()

3 联网搜索

联网搜索可以获取最新的数据，防止大模型根据旧数据胡编乱造，缓解大模型幻觉问题。

使用联网搜索前，先准备好以下两步：

1. 获取SerpApi Key

访问SerpApi注册页面(https://serpapi.com/users/sign_up)进行注册并获取你的API密钥。

2. 安装必要的Python库

安装google-search-results库以便进行API调用。运行以下命令：

pip install google-search-results

import os
from openai import OpenAI
from serpapi import GoogleSearch# 创建客户端
client = OpenAI(base_url = os.environ.get("OPENAI_BASE_URL"),api_key = os.environ.get("OPENAI_API_KEY")
)def get_search_results(query):# 参数params = {"q": query,"api_key": os.environ.get("SERPAPI_API_KEY")}# 传参，进行搜索search = GoogleSearch(params)# 转换成字典形式result = search.get_dict()# 返回搜索结果return result['organic_results'][0]['snippet']def chat(query,model_name="gpt-3.5-turbo"):prompt = get_search_results(query) + querychat_response = client.chat.completions.create(# 模型model="gpt-3.5-turbo",# 消息messages=[# 角色扮演{"role": "system","content": "You are a helpful assistant."},# 用户消息{"role": "user","content": prompt}],# 流式输出stream=True)for chunk in chat_response:# 内容不为None就输出if chunk.choices[0].delta.content is not None:print(chunk.choices[0].delta.content,end='')# 内容为None（也就是输出结束时）退出循环else:break