【AI大模型】基于Langchain和Openai的方式编写Python代码调用GPT完成对话

### 使用Python代码调用GPT API实现对话功能 为了通过Python与GPT模型进行交互，需先完成`openai`库的安装[^1]。这可以通过pip工具轻松完成： ```bash pip install openai ``` 之后，在编写用于调用API的应用程序之前，还需设置OpenAI API密钥。通常做法是在脚本开头定义环境变量或直接在代码中指定（出于安全考虑推荐前者）。下面展示了一个简单的配置方式： ```python import os os.environ["OPENAI_API_KEY"] = "your_api_key_here" ``` 对于实际发起请求的部分，则可以利用`openai.Completion.create()`函数来创建并发送HTTP POST请求给GPT服务端点。此过程涉及传递多个参数以定制化响应行为，比如选择使用的引擎名称、输入提示文本以及控制输出长度等选项。 这里给出一段完整的示例代码片段，它展示了如何构建一个基本的聊天机器人应用，该应用程序能够接收用户消息作为输入，并返回由GPT生成的回答字符串： ```python import openai import os # 设置API Key openai.api_key = os.getenv("OPENAI_API_KEY") def chat_with_gpt(prompt): response = openai.ChatCompletion.create( model="gpt-3.5-turbo", # 指定要使用的模型版本 messages=[{"role": "user", "content": prompt}], # 用户的消息内容 max_tokens=100, # 控制回复的最大token数量 temperature=0.7, # 调整创造力水平，默认值为1 n=1, # 返回的结果数目 stop=None # 定义结束序列 ) message = response.choices[0].message.content.strip() return message if __name__ == "__main__": user_input = input("请输入您的问题:") reply = chat_with_gpt(user_input) print(f"GPT的回答:\n{reply}") ``` 上述代码实现了从获取用户的提问到向其提供来自GPT模型的答案整个流程的功能。