OpenAI API 接入指南：从 Key 获取到 Python 实战

🔍 代码解析：

• base_url: 设置为代理服务的地址，这是'直连'的关键。
• model: 你可以在这里自由切换模型，无需更改代码逻辑。
• messages:
  • system: 设定 AI 的人设（比如'专家'、'猫娘'、'翻译官'）。
  • user: 用户的输入。

四、进阶玩法：流式传输与函数调用

掌握了基础调用后，我们来看两个让应用体验质变的技巧。

4.1 流式传输 (Streaming)

像 ChatGPT 网页版一样，一个字一个字地蹦出来，而不是让用户面对空白屏幕等待 10 秒。

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "请写一篇关于人工智能发展历史的短文，300 字左右。"}
    ],
    stream=True  # 👈 开启流式传输
)
print("正在生成内容：")
for chunk in response:
    if chunk.choices[0].delta.content is not None:
        # flush=True 确保内容立即输出到控制台，不缓存
        print(chunk.choices[0].delta.content, end="", flush=True)
print("\n生成结束。")

4.2 函数调用 (Function Calling) —— 让 AI 连接外部世界

这是 LLM 最强大的功能之一。你可以定义工具（如'查询天气'、'查数据库'），AI 会智能判断是否需要调用，并返回参数。

import json

# 1. 定义工具函数结构
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_current_weather",
            "description": "获取指定城市的当前天气信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {"type": "string", "description": "城市名称，如：北京，上海"},
                    "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}
                },
                "required": ["location"]
            }
        }
    }
]

# 2. 发起请求
messages = [{"role": "user", "content": "北京今天天气怎么样？出门需要带伞吗？"}]
response = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=messages,
    tools=tools,
    tool_choice="auto"
)

response_message = response.choices[0].message
tool_calls = response_message.tool_calls

# 3. 判断 AI 是否想要调用函数
if tool_calls:
    print(f"AI 请求调用函数：{tool_calls[0].function.name}")
    print(f"参数：{tool_calls[0].function.arguments}")
    # 在实际应用中，这里你会解析参数，去调用真实的天气 API，然后把结果传回给 AI

五、Prompt Engineering：如何让 AI 更听话？

很多时候，AI 回答不好不是模型笨，而是提示词（Prompt）写得不到位。以下是几个经过验证的优化原则：

1. 立人设 (Persona)：

   • ❌ '写个贪吃蛇代码。'
   • ✅ '你是一位拥有 10 年经验的 Python 游戏开发专家，请帮我用 Pygame 库编写一个贪吃蛇游戏，代码需要包含详细注释。'

2. 提供上下文 (Context)：

   • 告诉 AI 你的目标受众是谁，背景是什么。

3. 结构化输出 (Structured Output)：

   • 强制要求 AI 输出 JSON 或 Markdown 格式，便于程序解析。
   • 示例：'请将提取的关键信息以 JSON 格式输出，包含字段：name, age, profession。'

4. 思维链 (Chain of Thought)：

   • 对于复杂计算或逻辑题，加上一句 'Let's think step by step'（让我们一步步思考），准确率会显著提升。

六、常见问题解答 (FAQ)

Q1: 在使用代理服务时 Key 安全吗？
A: 正规服务采用多重加密措施保障数据安全。建议定期更换 Token 以确保存储安全。

Q2: 为什么我的代码报错 Rate limit reached？
A: 这通常意味着请求频率过高。请检查你的账户余额，或在代码中增加重试机制（Retry logic）。

Q3: 可以开发商用产品吗？
A: 可以。通过 API 构建的应用完全属于你。注意遵守相关服务的使用政策（如不生成暴力、色情内容）。

Q4: 如何获取 Anthropic (Claude) 的 Key？
A: 在聚合平台，你通常不需要单独获取 Claude 的 Key，直接在代码的 model 参数中指定 claude-3-opus 等模型名称，使用同一个 Token 即可调用，这是聚合接口的一大便利。

结语

AI 的浪潮已经到来，API 是连接这股浪潮最直接的桥梁。通过本文的介绍，相信你已经掌握了从获取 Key 到编写 Python 代码的核心流程。

下一步： 不要只停留在阅读，现在就去申请一个 Token，把文中的'示例'代码跑通。如果你在开发过程中遇到任何问题，欢迎查阅官方文档或社区资源。