Python 开发 OpenAI API 应用指南：文本、代码与图像生成

4. 代码生成 (Code Generation)

利用 Codex 模型，可以将自然语言注释转化为可执行代码，或优化现有代码逻辑。

代码示例

生成 Python 代码以创建上海温度数组：

import os
import openai

openai.api_key = os.getenv("OPENAI_API_KEY")

response = openai.Completion.create(
    model="code-davinci-002",
    prompt="\nCreate an array of weather temperatures for Shanghai\n",
    temperature=0,
    max_tokens=256,
    top_p=1,
    frequency_penalty=0,
    presence_penalty=0
)

print(response.choices[0].text.strip())

生成代码效果

import numpy as np

def create_temperatures(n):
    """
    Create an array of weather temperatures for Shanghai
    """
    temperatures = np.random.uniform(low=14.0, high=20.0, size=n)
    return temperatures

5. 图像生成 (Image Generation)

使用 DALL-E 模型根据文本描述生成图像。细节越丰富，生成结果越符合预期。

代码示例

import openai

response = openai.Image.create(
    prompt="A fluffy white cat with blue eyes sitting in a basket of flowers, looking up adorably at the camera",
    n=1,
    size="1024x1024"
)

image_url = response['data'][0]['url']
print(image_url)

6. 错误处理与最佳实践

在实际开发中，网络波动或配额限制可能导致请求失败，建议添加异常处理机制。

try:
    response = openai.Completion.create(...)
except openai.error.Timeout:
    print("请求超时")
except openai.error.RateLimitError:
    print("达到速率限制")
except Exception as e:
    print(f"发生错误：{e}")

此外，注意控制 max_tokens 以节省成本，并在生产环境中严格保护 API Key，不要提交到公共代码仓库。

总结

本文介绍了基于 Python 调用 OpenAI API 的核心流程，涵盖了文本、代码和图像三种生成模式。通过合理配置参数和处理异常，开发者可以高效构建 AI 应用原型。更多高级用法请参考官方文档。