AI–OpenAI库

1.OpenAI库介绍

  OpenAI库是OpenAI官方退出的Python SDK ，核心作用就是让开发者能简单、高效的调用OpenAI的各类API，无需手动处理HTTP请求、身份验证等底层细节，由于发布比较早且容易使用，所以目前大部分的服务厂商都会兼容

 

2.OpenAI库的调用步骤

  该库的调用主要可以分为三个步骤

• 获取客户端对象

import os
from openai import OpenAI

# 初始化OpenAI客户端
client: OpenAI = OpenAI(
    #模型服务商提供的API密钥
    api_key="sk-xxxx",
    #模型服务商提供的API基础URL
    base_url="https://api.openai-proxy.com/v1",
)

• 调用模型

from openai.types.chat_completion import ChatCompletion

response: ChatCompletion = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[
        # 系统消息，设置助手的行为和角色
        {"role": "system", "content": "你是一个专业的助手"},
        # 助手消息，初始化对话  
        {"role": "assistant", "content": "你好！有什么我可以帮助你的吗？"},
        # 用户消息，发起对话
        {"role": "user", "content": "你好"}
    ]
)

• 处理结果

# 打印助手的回复
print(response.choices[0].message.content)

 

3.OpenAI库的流式输出

  在咱们设定结果输出时，可以将模式设定为steam模式（流式输出），从而优化客户体验，而在代码中开启流式输出主要分为两步

• 添加steam

# 调用模型
response = openai.ChatCompletion.create(
    model="qwen-turbo",  # 阿里云DashScope支持的模型
    messages=[
        # 系统消息，设置助手的行为和角色
        {"role": "system", "content": "你是一个Python编程专家，并且善于交谈"},
        # 助手消息，初始化对话  
        {"role": "assistant", "content": "好的，是我编程专家，并且善于交谈，有什么可以帮助你的"},
        # 用户消息，发起对话
        {"role": "user", "content": "输出1-10的数字，使用python代码"}
    ],
    # 开启流式响应
    stream=True
)

• for循环response对象

# 打印助手的回复
for chunk in response:
    if chunk.choices[0].delta.get("content"):
        print(chunk.choices[0].delta["content"], 
        #每一段之间添加空格
        end=" ",
        # 立即刷新输出，避免缓冲区问题
        flush=True, 
    )

 

4.OpenAI库的附带历史消息

  调用模型传入的参数是前面提到的messages，七要求是list对象，即表明群殴支持非常多的消息在内，我们可以基于此，将历史消息填入，让模型知晓对话的上下文，从而达到附带历史消息的效果。具体实现方法在大模型调用章节有示例代码，实现逻辑都差不多，这里就不进行额外的展示了。后续在学习LangChain库中，会学习到短期记忆和长期记忆的使用方法。