本文介绍基于 Python 调用 OpenAI API 进行大模型开发的入门教程。内容包括环境搭建、API Key 配置、依赖库安装及首个聊天程序编写。详细解析了请求参数、响应结构处理以及常见网络认证错误的排查方法，旨在帮助开发者快速掌握大模型基础接入流程，为后续 Prompt 工程与 Agent 开发奠定基础。
在人工智能飞速发展的今天，掌握大模型（LLM）的基础调用能力已成为开发者的重要技能。本文将带你从零开始，配置 Python 环境并调用 OpenAI API，完成第一个'Hello World'程序，为后续深入 Prompt 工程、Agent 开发及微调打下基础。
调用 OpenAI 服务需要有效的 API Key。由于网络限制，国内用户通常需要通过官方渠道或合规的代理服务商获取。请确保你的账户已充值或拥有可用的免费额度。
注意：API Key 属于敏感信息，切勿上传至公共代码仓库（如 GitHub），应通过环境变量管理。
在本地创建一个英文命名的文件夹作为项目根目录，例如 openai_demo。
打开终端，进入项目目录，执行以下命令安装必要的 Python 包：
pip install python-dotenv openai
python-dotenv：用于加载 .env 文件中的环境变量。openai：OpenAI 官方提供的 Python SDK（v1.x 版本）。在项目根目录下创建名为 .env 的文件，用于存储密钥和配置信息。
如果你使用的是官方直连地址：
OPENAI_API_KEY=sk-your-api-key-here
如果使用第三方代理接口，需额外指定 Base URL：
OPENAI_API_KEY=sk-your-proxy-key-here
OPENAI_BASE_URL=https://api.your-proxy.com/v1
安全提示：
.env文件应加入.gitignore中，防止密钥泄露。
新建文件 chat_hello.py，编写以下代码：
from openai import OpenAI
from dotenv import load_dotenv, find_dotenv
import os
# 加载 .env 文件到环境变量
_ = load_dotenv(find_dotenv())
# 初始化客户端
client = OpenAI(
api_key=os.getenv("OPENAI_API_KEY"),
base_url=os.getenv("OPENAI_BASE_URL", "https://api.openai.com/v1")
)
try:
# 发起聊天请求
response = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=[
{
"role": "user",
"content": "你好，请介绍一下你自己。"
}
],
temperature=0.7,
max_tokens=100
)
# 解析响应
if response.choices:
content = response.choices[0].message.content
print(f"\nAI 回复：{content}")
else:
print("未收到有效回复")
except Exception as e:
print(f"发生错误：{e}")
load_dotenv 读取 .env 文件，使程序能访问 OPENAI_API_KEY。model：指定使用的模型版本，如 gpt-3.5-turbo。messages：对话历史列表，包含角色（role）和内容（content）。temperature：控制随机性，0~1 之间，越低越确定。try-except 捕获网络或认证错误，避免程序崩溃。在终端执行：
python chat_hello.py
若配置正确，你将看到类似以下的输出：
AI 回复：你好！我是一个人工智能助手...
| 错误现象 | 可能原因 | 解决方案 |
|---|---|---|
AuthenticationError | API Key 无效或过期 | 检查 .env 中的 Key 是否正确 |
ConnectionError | 网络不通 | 检查网络连接或代理设置 |
RateLimitError | 超出配额 | 等待配额刷新或升级账户 |
ModelNotFound | 模型名称错误 | 确认 model 参数是否支持 |
上述代码为同步非流式请求。生产环境中建议使用流式输出（Streaming）以提升用户体验。只需将 stream=True 传入请求，并遍历返回的生成器即可。
要实现多轮对话，需在 messages 列表中追加之前的历史记录。每次请求都应包含完整的上下文，以便模型理解当前语境。
max_tokens。本文完成了 OpenAI API 的基础接入流程，包括环境搭建、密钥管理、代码编写及错误处理。通过此 Demo，开发者可以验证 API 连通性，并在此基础上扩展更复杂的应用场景，如智能客服、文本摘要或代码辅助等。下一步可深入学习 Prompt 优化技巧与 LangChain 框架集成。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online