零基础玩转 ChatGPT API（Python 版）：从密钥到调参一条龙

一. 价格屠夫上线：gpt-3.5-turbo 真香警告 🔥

每 1k tokens 0.002 USD，成本仅为 text-davinci-003 的 1/10 💸
1 个汉字 ≈ 0.5 tokens，100 万字小说翻译不到 20 元 🤑
与网页版同权重，即时同步新训练数据 🌐

定 KPI 时，用「开发任务管理系统KPI」30 秒生成“接口 95th 延迟 ≤ 800 ms、问答准确率 ≥ 95%”等可衡量指标，绩效一目了然 📊！

二. 5 分钟环境搭建 🛠️

pip install openai==0.27.0 tiktoken

import openai, os
openai.api_key = os.getenv("OPENAI_API_KEY")   # 从 https://platform.openai.com/account/api-keys 获取

写完先用「代码审查助手」扫描，确保密钥不在仓库硬编码；再用「代码优化」把同步阻塞换成 aiohttp 异步，并发提升 5 倍 🚀！

三. 最小可运行示例：一句话问答 🧪

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user",   "content": "用 emoji 写一首关于春天的短诗"}
    ]
)
print(response.choices[0].message.content)

输出：
🌸🌱🌞 春风拂面花自开，燕子归来柳色新～

四. 连续对话：自己维护上下文 🗣️

API 本身无记忆，需要把历史 messages 反复传回去。

messages = [
    {"role": "system", "content": "你是资深理财顾问"},
    {"role": "user",   "content": "如何每月存 2k 实现年化 8%？"}
]
# 第一轮
resp = openai.ChatCompletion.create(model="gpt-3.5-turbo", messages=messages)
assistant_say = resp.choices[0].message.content
print(assistant_say)
# 第二轮
messages.append({"role": "assistant", "content": assistant_say})
messages.append({"role": "user", "content": "如果市场下跌 20% 怎么办？"})
resp = openai.ChatCompletion.create(model="gpt-3.5-turbo", messages=messages)
print(resp.choices[0].message.content)

对话轮数增多后，tokens 用量暴涨。用 tiktoken 实时计算，接近模型上限就滑动窗口截断 ✂️：

import tiktoken
def num_tokens_from_messages(msgs, model="gpt-3.5-turbo"):
    enc = tiktoken.encoding_for_model(model)
    return sum(len(enc.encode(m["content"])) for m in msgs)

五. 核心参数调优秘籍 🎛️

参数	作用	示例
`max_tokens`	控制输出最长长度	`max_tokens=256` 节省费用
`temperature`	0=保守可预测，2=天马行空 🎨	客服机器人设 0.2，创意写作设 1.5
`n`	一次返回 n 条候选	`n=3` 做 A/B 精选
`stop`	遇到指定字符串立刻停	`stop=["\n"]` 只拿第一行

快速对比温度效果：

for t in [0, 1, 2]:
    r = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": "写一条关于 Python 的推文"}],
        temperature=t
    )
    print(f"T={t}: {r.choices[0].message.content}\n")

调参完成后，用「代码文档生成器」一键生成函数说明，团队直接复制粘贴 📚！

六. 异步 + 流式输出：打字机效果 ✨

import asyncio, aiohttp, json
async def stream_chat():
    url = "https://api.openai.com/v1/chat/completions"
    headers = {"Authorization": f"Bearer {os.getenv('OPENAI_API_KEY')}"}
    payload = {
        "model": "gpt-3.5-turbo",
        "messages": [{"role": "user", "content": "讲个冷笑话"}],
        "stream": True
    }
    async with aiohttp.ClientSession() as session:
        async with session.post(url, headers=headers, json=payload) as resp:
            async for line in resp.content:
                line = line.decode('utf-8').strip()
                if line.startswith("data:"):
                    data = line[5:]
                    if data == "[DONE]": break
                    print(json.loads(data)["choices"][0]["delta"].get("content", ""), end="")

asyncio.run(stream_chat())

流式拉取期间，用「代码审查助手」检查异常中断处理，再用「代码优化」把 aiohttp 连接池调到 200，高并发也不掉线 🔥！

七. 总结 & Next Step 🏁

会调 API → 会算 tokens → 会控温度 → 会异步流式
再用「代码优化」「代码文档生成器」把性能、文档、安全一次做到位，ChatGPT API 就能从玩具变成印钞机 💰！

原文链接: https://www.mlexpert.io/blog/chatgpt-api