第4章 OpenAI API入门

第4章：OpenAI API入门：注册、获取API Key、发送第一个Chat Completion请求

好，咱们正式开始动手了。

前面几章聊了不少概念和架构，我知道你肯定手痒了。今天我们就来点实际的——注册OpenAI账号、拿到API Key、然后发出你的第一个Chat Completion请求。说实话，这一步迈过去，后面就顺了。

4.1 注册OpenAI账号

先说说注册。你可能会想，不就是填个邮箱吗？嗯，没那么简单。我当年第一次注册时，就因为网络问题折腾了半小时。

注册流程其实就三步：

访问官网：打开 platform.openai.com
点击注册：用Google账号或邮箱注册都行。我个人习惯用邮箱，方便管理
验证手机号：这一步是必须的。注意，OpenAI对某些国家的号码有限制。我建议用+86的手机号，大部分情况都能过

⚠️ 注意：如果你在注册时遇到「not available in your country」的提示，别慌。这不是你的问题。可以尝试换个网络环境，或者用临时手机号服务。但我不推荐用虚拟号，容易被封。

注册成功后，你会进入Dashboard。嗯，界面很简洁，但功能不少。我们重点关注两个地方：API Keys和Billing。

4.2 获取API Key

API Key就是你的通行证。没有它，你连OpenAI的门都进不去。

获取步骤：

登录后，点击左侧菜单的「API Keys」
点击「Create new secret key」
给你的Key起个名字，比如「my-first-key」
复制并保存好！关闭页面后就再也看不到了

🔑 重要提醒：API Key就像你的银行卡密码。不要把它硬编码在代码里，不要上传到GitHub。我曾经见过一个同事，不小心把Key提交到了公开仓库，结果几分钟内就被盗刷了200美元。嗯，那场面……

拿到Key之后，建议先设置一下使用限额。在Billing页面可以设置月度预算，防止意外超支。我个人习惯设一个$10的软限制，够用又安全。

4.3 理解Chat Completion API

好了，Key到手了。接下来我们看看怎么用它。

OpenAI的Chat Completion API，说白了就是「你发一段对话，它回一段回复」。它的核心参数不多，但每个都很关键。

参数	说明	我的建议
`model`	模型名称，比如gpt-4、gpt-3.5-turbo	新手先用gpt-3.5-turbo，便宜又稳定
`messages`	对话消息列表，包含role和content	role有system、user、assistant三种
`temperature`	控制随机性，0-2之间	做客服用0.2，做创意用0.8
`max_tokens`	最大输出长度	别设太大，浪费钱

你想想看，这些参数其实就是在控制模型的行为。temperature越高，回答越「天马行空」；越低，越「一本正经」。我在做企业级应用时，通常把temperature设在0.3左右，既保证准确性，又保留一点灵活性。

4.4 发送第一个请求

终于到了最激动人心的环节。我们直接用Python发一个请求。为什么用Python？因为简单、直观、生态好。

先安装依赖：

pip install openai

然后写代码：

from openai import OpenAI

client = OpenAI(
    api_key="你的API Key"  # 记得换成你自己的
)

response = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "system", "content": "你是一个专业的AI助手。"},
        {"role": "user", "content": "请用一句话介绍你自己。"}
    ],
    temperature=0.7,
    max_tokens=100
)

print(response.choices[0].message.content)

运行一下，你会看到类似这样的输出：

我是一个专业的AI助手，可以帮你解答问题、处理文本、分析数据，还能陪你聊天。

💡 小技巧：第一次运行时，如果报错说「模块找不到」，检查一下Python版本。我建议用3.8以上。另外，API Key一定要放在环境变量里，别硬编码。比如：os.getenv("OPENAI_API_KEY")

为什么会这样？因为OpenAI的SDK帮我们封装了HTTP请求。你看到的client.chat.completions.create，背后其实是一个POST请求到https://api.openai.com/v1/chat/completions。

4.5 理解返回结果

返回的response是一个对象，里面包含了很多信息。我们拆开看看：

{
  "id": "chatcmpl-xxx",
  "object": "chat.completion",
  "created": 1234567890,
  "model": "gpt-3.5-turbo",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "我是AI助手..."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 30,
    "completion_tokens": 20,
    "total_tokens": 50
  }
}

重点看三个字段：

choices：模型返回的回复内容。一般取第一个就行
finish_reason：结束原因。stop表示正常结束，length表示被max_tokens截断了
usage：消耗的token数。这可是真金白银啊

我记得有一次，我写了个循环调用API，结果忘了检查finish_reason。模型输出被截断了，但我还在继续处理。嗯，那天的数据全乱了。所以，一定要检查finish_reason。

4.6 常见错误与避坑

新手最容易遇到这几个问题：

401 Unauthorized：API Key错了或者过期了。重新生成一个试试
429 Rate Limit：请求太频繁。加个sleep或者用指数退避
400 Bad Request：参数格式不对。检查messages结构
Insufficient Quota：余额不足。去Billing页面充值

⚠️ 我曾经踩过的坑：有一次我把API Key写在了代码里，然后不小心把代码发到了公司群里。虽然马上撤回了，但谁知道有没有人已经看到了？从那以后，我所有的Key都放在环境变量里，代码里只写os.getenv()。你也别嫌麻烦，安全第一。

4.7 下一步做什么

好了，你已经成功发出了第一个请求。恭喜你，正式迈入了大模型API的世界。

接下来，你可以试试：

修改system prompt，看看模型行为怎么变
调整temperature，感受一下随机性的变化
多轮对话，把历史消息也传进去

我个人建议，先玩个半小时，把各种参数都调一遍。只有亲手试过，才能真正理解每个参数的作用。下一章，我们会深入聊Prompt Engineering，那才是真正拉开差距的地方。

嗯，今天就到这里。动手吧！

📚 课程目录