ChatGPT API教程在线对接OpenAI APIKey技术教程
闪电发卡ChatGPT产品推荐：
ChatGPT独享账号：https://www.chatgptzh.com/post/86.html
ChatGPT Plus独享共享账号购买代充：https://www.chatgptzh.com/post/329.html
ChatGPT APIKey购买充值（直连+转发）：https://www.chatgptzh.com/post/348.html
ChatGPT Plus国内镜像（逆向版）：https://www.chatgptgm.com/buy/23
ChatGPT国内版（AIChat）：https://aichat.shandianfk.com
客服微信：1、chatgptpf 2、chatgptgm 3、businesstalent
一、OpenAI基本库介绍
您可以通过 HTTP 请求与 API 进行交互，这可以通过任何编程语言实现。我们提供官方的 Python 绑定、官方的 Node.js 库，以及由社区维护的库。
要安装官方的 Python 绑定，请运行以下命令：
pip install openai
要在您的 Node.js 项目目录中安装官方的 Node.js 库，请运行以下命令：
npm install openai@^4.0.0
二、APIKey认证授权
API密钥（API Keys）
OpenAI API 使用 API 密钥进行认证。您可以在用户或服务账户级别创建 API 密钥。服务账户与“机器人”个体相关联，应用于为生产系统提供访问权限。每个 API 密钥可以限定以下之一的范围：
项目密钥 - 提供对单个项目的访问（推荐选项）；通过选择您希望生成密钥的特定项目来访问项目 API 密钥。
用户密钥 - 我们的旧密钥。提供对用户已添加到的所有组织和所有项目的访问；访问 API 密钥以查看您可用的密钥。我们强烈建议过渡到项目密钥以获得最佳安全实践，尽管目前仍支持通过这种方法进行访问。
记住您的 API 密钥是一个秘密！不要与他人共享或在客户端代码（浏览器、应用程序）中公开它。生产请求必须通过您自己的后端服务器进行路由，您可以从环境变量或密钥管理服务中安全加载您的 API 密钥。
所有 API 请求应在 HTTP 头中包含您的 API 密钥，如下所示：
Authorization: Bearer OPENAI_API_KEY
组织和项目（可选）
对于属于多个组织的用户或通过其旧的用户 API 密钥访问其项目的用户，您可以传递一个头来指定用于 API 请求的组织和项目。这些 API 请求的使用将计入指定的组织和项目的使用量。
要访问组织中的默认项目，请省略 OpenAI-Project 头
示例 curl 命令：
curl https://api.openai.com/v1/models \ -H "Authorization: Bearer $OPENAI_API_KEY" \ -H "OpenAI-Organization: YOUR_ORG_ID" \ -H "OpenAI-Project: $PROJECT_ID"
使用 openai Python 包的示例：
from openai import OpenAI client = OpenAI( organization='YOUR_ORG_ID', project='$PROJECT_ID', )
使用 openai Node.js 包的示例：
import OpenAI from "openai";const openai = new OpenAI({
organization: "YOUR_ORG_ID",
project: "$PROJECT_ID",
});Organization IDs可以在您的组织设置页面找到。 Project IDs可以通过选择特定项目在您的常规设置页面找到。
三、发起请求示例
您可以将下面的命令粘贴到您的终端中来运行您的第一个 API 请求。请确保将 $OPENAI_API_KEY 替换为您的秘密 API 密钥。如果您使用的是旧版用户密钥并且有多个项目，您还需要指定Project ID。为了提高安全性，我们建议转向基于项目的keys。
curl https://api.openai.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-d '{
"model": "gpt-3.5-turbo",
"messages": [{"role": "user", "content": "Say this is a test!"}],
"temperature": 0.7
}'此请求查询的是 gpt-3.5-turbo 模型（实际上是指向 gpt-3.5-turbo 模型变体），以完成以 "Say this is a test" 为提示的文本。您应该会收到一个类似以下内容的响应：
{
"id": "chatcmpl-abc123",
"object": "chat.completion",
"created": 1677858242,
"model": "gpt-3.5-turbo-0613",
"usage": {
"prompt_tokens": 13,
"completion_tokens": 7,
"total_tokens": 20
},
"choices": [
{
"message": {
"role": "assistant",
"content": "\n\nThis is a test!"
},
"logprobs": null,
"finish_reason": "stop",
"index": 0
}
]}现在您已经生成了第一次chat completion ，让我们分解一下响应对象。我们可以看到 finish_reason 是 stop，这意味着 API 返回了模型生成的完整chat completion 内容，没有遇到任何限制。在 choices 列表中，我们只生成了一条消息，但您可以设置 n 参数来生成多个消息选项。
四、流式输出
OpenAI API 提供了将响应流回客户端的能力，以允许某些请求返回部分结果。为实现此目的，我们遵循 Server-sent events 标准。我们的官方 Node 和 Python 库包括一些帮助工具，可以简化这些事件的解析。
流式传输支持 Chat Completions API 和 Assistants API。本节重点介绍流式传输在 Chat Completions 中的工作方式。
在 Python 中，流式请求看起来像这样：
from openai import OpenAI
client = OpenAI()
stream = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=[{"role": "user", "content": "Say this is a test"}],
stream=True,
)for chunk in stream: if chunk.choices[0].delta.content is not None:
print(chunk.choices[0].delta.content, end="")在 Node / Typescript 中，流式请求看起来像这样：
import OpenAI from "openai";const openai = new OpenAI();async function main() { const stream = await openai.chat.completions.create({
model: "gpt-3.5-turbo",
messages: [{ role: "user", content: "Say this is a test" }],
stream: true,
}); for await (const chunk of stream) {
process.stdout.write(chunk.choices[0]?.delta?.content || "");
}
}
main();解析 Server-sent events 并不简单，需要谨慎处理。简单的策略比如按新行分割可能会导致解析错误。我们建议尽可能使用现有的客户端库。
