client.chat.completions.create用法介绍

client.chat.completions.create() 是 OpenAI Python SDK 里的 API 方法，用于调用 GPT 模型生成回复。

示例

response = client.chat.completions.create(
    model="gpt-4",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手"},
        {"role": "user", "content": "你好，介绍一下自己"}
    ],
    temperature=0.7,
    top_p=1.0,
    n=1,
    stream=False,
    stop=None,
    max_tokens=200,
    presence_penalty=0.0,
    frequency_penalty=0.0,
    logit_bias={},
    response_format="text"
)

参数介绍

必要参数

• model：str格式 指定模型，如 gpt-4, gpt-4-turbo, gpt-3.5-turbo
• messages list格式 聊天记录，messages 参数是一个列表，每个消息是一个字典，包含：
  • role: 消息的角色，可选 “system” | “user” | “assistant” | “function” | “tool”
  • content: 消息内容

• 示例

messages=[
    {"role": "system", "content": "你是一个智能助手"},
    {"role": "user", "content": "你好"},
    {"role": "assistant", "content": "你好！有什么可以帮忙的吗？"}
]

messages的role说明

• “system”（系统角色）：设定 AI 角色、个性、行为规则，适合用来引导 AI 的行为

{"role": "system", "content": "你是一个风趣幽默的 AI 助手"}

• “user”（用户消息）：代表用户输入，主要用于提供问题或指令

{"role": "user", "content": "给我讲个笑话"}

• “assistant”（AI 回复）：代表 AI 的回答，用于记忆上下文（重要），如果省略 assistant 消息，AI 可能不会记住过去的回复

{"role": "assistant", "content": "当然！为什么鸡过马路？为了到另一边！"}

用以保存上下文

messages = [
    {"role": "system", "content": "你是一个智能助手"},
    {"role": "user", "content": "你好"},
    {"role": "assistant", "content": "你好！"},
    {"role": "user", "content": "我们刚才聊了什么？"}
]

• “function”（函数调用结果）：当 AI 要求调用外部函数时，会自动生成 “function” 角色的消息，content 必须是 None，name 表示函数名，函数返回值会填充 content

{"role": "function", "name": "get_weather", "content": '{"temperature": "25°C", "condition": "晴天"}'}

执行流程示例：

import openai

# 定义本地的天气 API
def get_weather(city):
    weather_data = {
        "北京": {"temperature": "20°C", "condition": "晴天"},
        "上海": {"temperature": "18°C", "condition": "多云"},
        "广州": {"temperature": "25°C", "condition": "雨天"},
    }
    return weather_data.get(city, {"temperature": "未知", "condition": "未知"})

# 定义可调用的 functions
functions = [
    {
        "name": "get_weather",
        "description": "获取指定城市的天气信息",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {
                    "type": "string",
                    "description": "需要查询天气的城市名称",
                }
            },
            "required": ["city"]
        }
    }
]

# 调用 OpenAI API
client = openai.OpenAI()

messages = [
    {"role": "system", "content": "你是一个天气助手"},
    {"role": "user", "content": "北京的天气怎么样？"}
]

response = client.chat.completions.create(
    model="gpt-4-turbo",
    messages=messages,
    functions=functions
)

# 解析大模型的响应
assistant_message = response.choices[0].message
print(assistant_message)

# 如果 AI 触发了函数调用
if assistant_message.function_call:
    function_name = assistant_message.function_call.name
    function_args = assistant_message.function_call.arguments

    if function_name == "get_weather":
        city = function_args["city"]
        function_result = get_weather(city)

        # 把函数执行结果加入 `messages`
        messages.append(assistant_message)  # 记录 AI 触发的函数调用
        messages.append({
            "role": "function",
            "name": function_name,
            "content": str(function_result)
        })

        # 让 AI 继续处理返回结果
        final_response = client.chat.completions.create(
            model="gpt-4-turbo",
            messages=messages
        )

        print(final_response.choices[0].message)

• “tool”（工具调用结果，GPT-4 Turbo）：GPT-4 Turbo 增加的新角色，用于 API 工具调用，用法类似 function

{"role": "tool", "name": "search_tool", "content": "在网上找到了你要的信息"}

name 用法（优化对话记忆）

name 只适用于 user 和 function，用于标识不同来源的消息。如果 name 为空，AI 可能会把两条消息看作同一个人的输入。

messages = [
    {"role": "user", "name": "Alice", "content": "你好"},
    {"role": "user", "name": "Bob", "content": "你是谁？"}
]

messages总结

可选参数

用法示例

生成一个回复

response = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "你好！"}]
)

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

生成多个回复

response = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "说3句笑话"}],
    n=3
)

for choice in response.choices:
    print(choice.message.content)

对于长文本

response = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "讲一个长故事"}],
    stream=True
)

for chunk in response:
    print(chunk.choices[0].delta.content, end="", flush=True)

返回json

response = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "返回一个 JSON 格式的天气预报"}],
    response_format="json"
)

print(response.choices[0].message.content)  # 应该是一个 JSON 格式的字符串