OpenAI 的大型語言模型（如 GPT-4）提供強大的自然語言處理能力，能幫助解決多種問題。本文將介紹如何在 Python 中使用 OpenAI 的 API，並對範例程式碼進行詳盡的解說。
前置準備
在開始之前，請確保您已完成以下步驟：
- 安裝 OpenAI 的 Python 客戶端庫：
pip install openai - 獲取 OpenAI 的 API 金鑰，並妥善保存。
程式碼範例
以下是範例程式碼的詳細解說。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 |
# coding=UTF-8 from openai import OpenAI client = OpenAI() # 设置 API Key # client.api_key = "your_openai_api_key" def gpt4_chat_sync(): response = client.chat.completions.create(model="gpt-4", messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "用簡單的文字解釋量子力學是什麼。"} ], max_tokens=100, temperature=0.7) print(response.choices[0].message.content) gpt4_chat_sync() |
初始化 OpenAI 客戶端
|
1 |
client = OpenAI() |
首先，我們創建一個 OpenAI 客戶端實例，用於與 API 進行互動。
API 金鑰設定
在您的實際應用中，可以將 API 金鑰配置為環境變數或在程式碼中直接設定：
|
1 |
# client.api_key = "your_openai_api_key" |
建議會使用環境變數來指定 API key, 將 API Key 寫在文件中比較有安全風險。
|
1 |
export OPENAI_API_KEY="your_api_key_here" |
呼叫 API
- 模型與參數配置
在呼叫client.chat.completions.create方法時，指定以下參數：model：選擇使用的模型（如"gpt-4"）。messages：提供聊天內容的歷史記錄，包括：system：用於設定助手的行為。user：用戶的問題或指令。
max_tokens：控制生成的回應長度。temperature：調整生成回應的創造性。值越高，生成的內容越隨機；值越低，內容更具決定性。
- 解析回應
回應包含在response.choices[0].message.content中。這是生成的文字，您可以根據需要進一步處理或顯示。
執行與測試
將上述程式碼保存為 main.py 並執行：
|
1 |
python main.py |
結果範例
執行後，您將看到類似以下的回應：
|
1 |
量子力學是研究非常小的粒子（如電子和光子）行為的科學。它揭示了粒子能同時是波又是粒子的特性，並用數學描述它們的概率行為。 |
結語
本教學涵蓋了 OpenAI API 的基本用法，並對範例程式碼進行了詳細解說。您可以根據需求調整模型參數，實現更多應用場景。希望本文能幫助您快速上手 OpenAI 的 LLM API。
