Python調用OpenAI?API的完整教程
更新時間：2026年04月29日 08:27:03 作者：Xidaoapi
文章詳細介紹了將AI大模型GPT接入項目的全過程,包括準備工作、最簡示例、流式輸出、多輪對話、實用技巧、常見錯誤處理等六個部分,并給出示例代碼,同時提供了函數調用和模型選擇指南,最后介紹了異步調用在高并發(fā)場景下的使用方法,需要的朋友可以參考下
前言
最近AI大模型火得一塌糊涂，很多開發(fā)者想把GPT接到自己項目里，但官方文檔看著一頭霧水。這篇文章把整個流程從頭到尾走一遍，保證你看完就能跑起來。
一、準備工作
1.1 安裝OpenAI SDK
pip install openai
建議用虛擬環(huán)境隔離：
python -m venv ai-env # Windows ai-env\Scripts\activate # macOS/Linux source ai-env/bin/activate pip install openai
1.2 獲取API Key
到OpenAI官網注冊賬號，在API Keys頁面創(chuàng)建一個新的Key。
注意：API Key只顯示一次，務必保存好。如果泄露了立刻去后臺撤銷。
二、最簡示例：一次對話
from openai import OpenAI
client = OpenAI(api_key="sk-your-api-key-here")
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "user", "content": "用一句話解釋什么是遞歸"}
]
)
print(response.choices[0].message.content)
輸出示例：
遞歸是函數在自己的定義中調用自身，通過不斷縮小問題規(guī)模直到滿足終止條件來求解問題的編程技巧。
三、流式輸出（打字機效果）
普通調用要等AI全部生成完才返回，體驗差。流式輸出可以逐字顯示：
from openai import OpenAI
client = OpenAI(api_key="sk-your-api-key-here")
stream = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "user", "content": "寫一首關于編程的五言絕句"}
],
stream=True # 關鍵參數
)
for chunk in stream:
if chunk.choices[0].delta.content is not None:
print(chunk.choices[0].delta.content, end="", flush=True)
print() # 換行
四、多輪對話
AI模型本身沒有記憶，多輪對話靠你把歷史消息傳回去：
from openai import OpenAI
client = OpenAI(api_key="sk-your-api-key-here")
# 維護對話歷史
messages = [
{"role": "system", "content": "你是一個Python編程助手，回答簡潔專業(yè)。"}
]
def chat(user_input):
messages.append({"role": "user", "content": user_input})
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=messages
)
assistant_msg = response.choices[0].message.content
messages.append({"role": "assistant", "content": assistant_msg})
return assistant_msg
# 測試多輪對話
print(chat("Python的列表推導式是什么？"))
print(chat("能給幾個實際例子嗎？"))
print(chat="和map/filter比哪個好？"))
注意：messages列表會越來越長，token消耗也越大。生產環(huán)境需要做截斷或摘要處理。
五、實用技巧
5.1 控制輸出格式（JSON Mode）
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "user", "content": "列出3個Python Web框架，用JSON格式返回，字段：name, description, stars"}
],
response_format={"type": "json_object"} # 強制JSON輸出
)
import json
data = json.loads(response.choices[0].message.content)
print(json.dumps(data, indent=2, ensure_ascii=False))
5.2 設置溫度參數
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": "給我起一個技術博客名字"}],
temperature=0.9 # 0=保守確定，1=創(chuàng)意發(fā)散
)
temperature=0：適合事實性問答、代碼生成temperature=0.7：通用場景temperature=1.0+：創(chuàng)意寫作、頭腦風暴
5.3 超時和重試
from openai import OpenAI
import time
client = OpenAI(
api_key="sk-your-api-key-here",
timeout=30.0, # 請求超時30秒
max_retries=2 # 最多重試2次
)
5.4 計算Token消耗
# 響應對象中包含token統計
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": "你好"}]
)
usage = response.usage
print(f"輸入Token: {usage.prompt_tokens}")
print(f"輸出Token: {usage.completion_tokens}")
print(f"總計Token: {usage.total_tokens}")
六、常見錯誤處理
from openai import OpenAI, APIError, RateLimitError, APIConnectionError
client = OpenAI(api_key="sk-your-api-key-here")
try:
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": "Hello"}]
)
except RateLimitError:
print("?? 請求太頻繁，請稍后重試")
except APIConnectionError:
print("?? 網絡連接失敗，檢查網絡設置")
except APIError as e:
print(f"?? API錯誤：{e.status_code} - {e.message}")
else:
print(response.choices[0].message.content)
七、函數調用（Function Calling）
讓AI有能力調用外部工具：
import json
client = OpenAI(api_key="sk-your-api-key-here")
# 定義工具
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "獲取指定城市的天氣信息",
"parameters": {
"type": "object",
"properties": {
"city": {
"type": "string",
"description": "城市名稱"
}
},
"required": ["city"]
}
}
}
]
# 第一次調用：AI決定是否使用工具
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": "北京今天天氣怎么樣？"}],
tools=tools
)
message = response.choices[0].message
if message.tool_calls:
# AI想要調用工具
tool_call = message.tool_calls[0]
args = json.loads(tool_call.function.arguments)
print(f"AI想調用: {tool_call.function.name}({args})")
# 這里執(zhí)行實際函數，模擬返回結果
weather_result = {"city": "北京", "temperature": "22°C", "condition": "晴"}
# 第二次調用：把工具結果傳回給AI
response2 = client.chat.completions.create(
model="gpt-4o-mini",
messages=[
{"role": "user", "content": "北京今天天氣怎么樣？"},
message,
{
"role": "tool",
"tool_call_id": tool_call.id,
"content": json.dumps(weather_result, ensure_ascii=False)
}
],
tools=tools
)
print(response2.choices[0].message.content)
八、模型選擇指南
| 模型 | 適用場景 | 價格（輸入/輸出 per 1M tokens） |
|---|---|---|
| gpt-4o | 復雜推理、代碼生成、長文分析 | 2.5/2.5 / 2.5/10 |
| gpt-4o-mini | 日常對話、簡單任務、高頻調用 | 0.15/0.15 / 0.15/0.6 |
| o3-mini | 數學推理、邏輯分析 | 1.1/1.1 / 1.1/4.4 |
日常開發(fā)用 gpt-4o-mini 性價比最高，復雜任務再上 gpt-4o。
九、異步調用
高并發(fā)場景用異步：
import asyncio
from openai import AsyncOpenAI
async def main():
client = AsyncOpenAI(api_key="sk-your-api-key-here")
# 并發(fā)5個請求
tasks = [
client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": f"用5個字形容數字{i}"}]
)
for i in range(5)
]
responses = await asyncio.gather(*tasks)
for i, resp in enumerate(responses):
print(f"{i}: {resp.choices[0].message.content}")
asyncio.run(main())
總結
- 基礎調用只需要3行代碼
- 多輪對話靠維護messages列表
- 流式輸出提升用戶體驗
- Function Calling讓AI能調用外部工具
- 日常用gpt-4o-mini，復雜任務上gpt-4o
以上就是Python調用OpenAI API的完整教程的詳細內容，更多關于Python調用OpenAI API的資料請關注腳本之家其它相關文章！
相關文章
這篇文章主要介紹了python中squeeze的超詳細解釋,squeeze操作用于去除張量或數組中大小為1的維度,簡化數據結構,在PyTorch和NumPy中都有類似的功能,需要的朋友可以參考下2025-03-03
蟻群算法是一種源于大自然生物世界的新的仿生進化算法，本文主要介紹了Python如何實現蟻群算法，文中通過示例代碼具有一定的參考價值，感興趣的小伙伴們可以了解一下2023-08-08
這篇文章主要介紹了django中的auth模塊與admin后臺管理方法，包括auth模塊的常用方法及如何擴展auth_user表，本文通過實例代碼給大家介紹的非常詳細,需要的朋友可以參考下2022-09-09
這篇文章主要給大家介紹了關于Python摳圖教程之使用OpenCV實現背景去除的相關資料,背景去除是在很多視覺應用里的主要預處理步驟,文中通過代碼介紹的非常詳細,需要的朋友可以參考下2023-10-10
本人日常使用vscode進行開發(fā),并且比較喜歡折騰vscode,會到處找這一些好玩的插件,于是越攢越多,下面這篇文章主要給大家介紹了關于VsCode中超好用的8個python擴展插件的相關資料,需要的朋友可以參考下2022-12-12
在開發(fā)和運維Python應用程序時,日志管理是至關重要的,不僅幫助我們調試問題,還能用于監(jiān)控和性能分析,下面就跟隨小編一起學習一下多種自動化按日期分割日志的方法吧2025-04-04
這篇文章主要介紹了django數據關系一對多、多對多模型、自關聯的建立2019-07-07
這篇文章主要介紹了Java Spring項目國際化詳細方法與實例,需要的朋友可以參考下2020-03-03
Python在很大程度上可以對shell腳本進行替代。筆者一般單行命令用shell，復雜點的多行操作就直接用Python了。本文歸納了Python中一些實用腳本操作，需要的可以參考一下2022-05-05
這篇文章主要介紹了pytorch快速搭建神經網絡_Sequential操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06