3、大模型API入门：OpenAI API调用基础
好，咱们正式开始动手了。
前面两章聊了不少概念和背景，说实话，光看不动手容易犯困。这一章咱们直接撸代码，把OpenAI的API调通。我当年第一次调通GPT-3.5的时候，那种「哇，真的能对话」的感觉，到现在还记得。
3.1 API Key管理——你的通行证
调用OpenAI的API，第一件事就是拿到API Key。这东西就像你家门禁卡，没它啥也干不了。
拿到Key之后，怎么管理？我个人习惯用环境变量，而不是硬编码在代码里。原因很简单——你不可能每次写代码都把Key贴进去，而且万一代码要分享，Key就暴露了。
# 在终端设置环境变量（Linux/Mac）
export OPENAI_API_KEY="sk-你的key"
# Windows PowerShell
$env:OPENAI_API_KEY="sk-你的key"
# 然后在Python中读取
import os
api_key = os.getenv("OPENAI_API_KEY")
print("Key已加载" if api_key else "请设置环境变量").env文件，用python-dotenv加载。这样既安全又方便，而且.env默认被git忽略，不会误提交。
3.2 模型选择——gpt-3.5-turbo vs gpt-4
选模型这事儿，说白了就是「性价比」的权衡。
gpt-3.5-turbo：速度快，价格便宜。我平时做原型验证、写简单对话、处理批量任务，基本都用它。你想想看，如果只是做个客服问答，用gpt-4纯属浪费。
gpt-4：智商高，但贵。适合复杂推理、代码生成、需要深度理解的场景。我在做代码审查助手的时候，就发现gpt-3.5经常漏掉一些边界情况，换成gpt-4就好很多。
| 模型 | 输入价格（每1K token） | 输出价格（每1K token） | 适用场景 |
|---|---|---|---|
| gpt-3.5-turbo | $0.0015 | $0.002 | 对话、翻译、摘要、批量处理 |
| gpt-4 | $0.03 | $0.06 | 复杂推理、代码生成、深度分析 |
嗯，这里要注意：价格是动态调整的，上面是我写这章时的数据。建议你每次用之前去OpenAI官网看一眼最新价格。
3.3 第一次API调用——Hello World
好了，Key有了，模型选好了，咱们来写第一行代码。
import openai
import os
# 设置API Key
openai.api_key = os.getenv("OPENAI_API_KEY")
# 调用Chat Completion接口
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[
{"role": "system", "content": "你是一个友好的助手。"},
{"role": "user", "content": "你好，请介绍一下你自己。"}
]
)
# 提取回复内容
reply = response.choices[0].message.content
print(reply)跑一下，你会看到模型回复了一段自我介绍。就这么简单。
我刚开始做的时候，总以为要写很多代码才能调通。其实核心就三行：设置Key、构造消息、拿回复。剩下的都是锦上添花。
3.4 Token与计费——钱花在哪了？
Token是啥？说白了，就是模型理解文本的最小单位。一个英文单词大概1-2个token，一个中文字大概2-3个token。你想想看，你发一句「你好」，模型收你几个token的钱。
计费是按token算的。输入和输出价格不一样，输出通常贵一些。为什么会这样？因为生成文本比理解文本更消耗计算资源。
怎么查看用了多少token？API返回的response里就有：
# 查看token使用情况
print(f"提示词token数: {response['usage']['prompt_tokens']}")
print(f"回复token数: {response['usage']['completion_tokens']}")
print(f"总token数: {response['usage']['total_tokens']}")max_tokens参数，限制回复长度。比如客服场景，设个200就够用了，没必要让模型长篇大论。
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[...],
max_tokens=200 # 限制回复最多200个token
)3.5 避坑指南——我踩过的坑
最后分享几个我实际踩过的坑，你遇到了能少走弯路。
- Key过期了还在用：OpenAI的Key有有效期，过期了会报401错误。我建议定期检查，或者用的时候加个异常捕获。
- 忘记设置超时：网络波动时，API请求可能卡住。我习惯加个
timeout=30，30秒没响应就重试。 - 模型名称写错：比如把
gpt-3.5-turbo写成gpt-3.5，会报404。每次用之前去官网确认一下最新的模型名称。 - Token估算不准：中文的token数比英文多。我写中文提示词时，会先用
tiktoken库估算一下，避免超出上下文限制。
好了，这一章的内容就这些。你动手试试，把代码跑通，感受一下「第一次对话」的快乐。下一章咱们聊更高级的用法——流式输出和函数调用。