AI大模型 | Python使用OpenAI的API

OpenAI API

OpenAI API可以应用于几乎所有涉及生成自然语言、代码或图像的任务。提供了一系列不同能力级别的模型，适用于不同任务的，并且能够微调自己的自定义模型。

OpenAI API参考：https://platform.openai.com/docs/api-reference

安装OpenAI库

或安装其他的开源大语言模型

pip install openai

设置OpenAI API秘钥

设置OpenAI API秘钥有如下2种方式

import os
from openai import OpenAI

# 方式一
# 设置OpenAI的BASE_URL、API_Key
# client = OpenAI(api_key="", base_url="")

# 方式二
# 设置OpenAI的BASE_URL、API_Key
os.environ["OPENAI_BASE_URL"] = "https://xxx.com/v1"
os.environ["OPENAI_API_KEY"] = "sk-fDqouTlU62yjkBhF46284543Dc8f42438a9529Df74B4Ce65"
client = OpenAI()

列出模型信息

列出当前可用的模型，并提供每个模型的基本信息

models = client.models.list()
print(models)

SyncPage[Model](data=[Model(id='gpt-3.5-turbo-1106', created=1698959748, object='model', owned_by='system'),
                      Model(id='gpt-3.5-turbo-instruct', created=1692901427, object='model', owned_by='system'),
                      Model(id='gpt-3.5-turbo-16k-0613', created=1685474247, object='model', owned_by='openai')],
                object='list')

各项参数：

created: 模型创建的时间戳，单位为Unix时间戳（自1970年1月1日（00:00:00 GMT）以后的秒数）

id: 模型的唯一标识符

object: 表示的是当前对象的类型

owned_by: 表示的是模型的所有者

获取模型ID列表

model_list = []

for model in models.data:
    model_list.append(model.id )

print(model_list)

根据模型ID获取指定模型实例

from openai import OpenAI
client = OpenAI()

gpt = client.models.retrieve("gpt-3.5-turbo")
print(gpt)

Model(id='gpt-3.5-turbo', created=1677610602, object='model', owned_by='openai')

Chat聊天

使用Chat聊天API实现对话任务，以消息列表作为输入，并返回模型生成的消息作为输出。尽管聊天格式旨在使多轮对话变得简单，但它同样适用于没有任何对话的单轮任务。

from openai import OpenAI  # 导入OpenAI库

client = OpenAI()  # 创建OpenAI客户端对象

# 调用模型
completion = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "system", "content": "你是一个乐于助人的助手。"},
        {"role": "user", "content": "你好!"}
    ]
)

# 输出模型回复
print(completion.choices[0].message)

ChatCompletionMessage(content='你好! 有什么问题我可以帮助你解答吗？', role='assistant', function_call=None, tool_calls=None)

消息角色

messages是一个列表，包含多个消息。每个消息都有一个role和content。

消息角色有三种：system、user和assistant。每一种角色都有不同的含义和作用。

system：系统消息主要用于设定对话的背景或上下文。可以帮助模型理解它在对话中的角色和任务。例如，通过系统消息来设定一个场景，让模型知道它是在扮演一个知识丰富的AI助手。

user：用户消息包含用户想要模型回答或完成的请求。用户消息可以是一个问题、一段话，或者任何其他用户希望模型响应的内容。

assistant：助手消息是模型的回复。

请求参数说明

使用OpenAI时，调用大模型API，大概会涉及以下参数：

参数	含义
model	模型类型
prompt	提示,输入给模型的问题或者指示,告诉模型要它做什么
temperature	可以影响模型输出的随机性。值越高(接近1),输出就越随机;值越低(接近0),输出就越确定
max_tokens	可以限制模型输出的最大长度,长度是以Tokens为单位,而一个Token可以是一个字、一个词或一个字符,取决于语言和模型。
suffix	允许用户为模型生成的输出文本后附加一个后缀
top_p	与temperature参数类似，使用所谓的核心抽样。模型只会考虑概率质量最高的Tokens。例如，top_p设置为0.1表示只有前10%最有可能的Tokens会被考虑。
n	决定为每个提示生成多少个完整的输出。注意：这个参数可能会更快地耗尽Token配额。
stream	决定是否实时流式传输生成的Tokens。如果设置为true, Tokens将在生成时被发送
logprobs	要求API包括最有可能的Tokens的对数概率
echo	设置为true,除了生成的完成内容外,还会回显提示
stop	允许指定一个或多个序列，当模型遇到这些序列时会停止生成Tokens，返回的文本将不包含stop序列。
presence_penalty	一个在-2.0到2.0之间的数字。正值会惩罚已经出现在文本中的新Tokens,这可以帮助模型更多地谈论新话题
frequency_penalty	一个在-2.0到2.0之间的数字。正值会惩罚到目前为止在文本中频繁出现的Tokens,这可以减少模型重复相同内容的可能性
best_of	在服务器端生成指定数量的完整输出，然后返回其中概率最高的那个（即每个Token的对数概率最高的那个）
logit_bias	可以修改指定Tokens在生成文本中出现的可能性。可以提供一个JSON对象，将Tokens映射到-100到100之间的偏置值
user	可选参数,表示最终用户的唯一标识符,可以帮助OpenAl监测和检测滥用

响应参数说明

使用OpenAI时，调用大模型API后，模型响应内容，大概会涉及以下参数：

字段	含义
id	生成任务分配的唯一标识符
object	对象类型的标志，它标志着这是一个聊天模型的生成任务
created	生成任务创建的时戳
model	生成任务的模型名称
choices	返回一个列表，其中包含模型生成的所有条目。如果不指定参数n，则通常只包含一个条目，即索引[0]。
每个条目都包含以下信息：
message: 包含role和content字段
finish_reason: 生成任务结束的原因，可以是stop(遇到停止符)、length(达到最大长度)、content_filter(被OpenAI的内容过滤器移除)
index: 表示该选项在choices列表中的索引位置。
usage	提供了关于文本生成过程的统计信息，包括prompt_tokens(提示的Token数量)、completion_tokens(生成的Token数量)、total_.tokens(总的Token数量)

文本生成

文本生成补全（Completion）是该API的核心功能，提供了一个灵活和强大的接口。用户输入一些文本作为提示词（Prompt），API会返回匹配用户提供的指令或上下文的补全文本。

from openai import OpenAI  # 导入OpenAI库

client = OpenAI()  # 创建OpenAI客户端对象

response = client.completions.create(
  model="gpt-3.5-turbo-instruct",
  prompt="你好，很高兴",
  temperature=0.5
)
print(response.choices[0].text)

认识你！我是一个人工智能助手

语音生成

接受三个关键输入：

模型

应转换为音频的文本

用于生成音频的语音

from openai import OpenAI  # 导入OpenAI库

client = OpenAI()  # 创建OpenAI客户端对象

speech_file_path = "./speech.mp3"  # 定义要保存生成语音文件的路径

# 向OpenAI API 发送请求，生成语音文件
response = client.audio.speech.create(
  model="tts-1",  # 指定使用的语音生成模型
  voice="alloy",  # 指定使用的语音风格
  input="Today is a wonderful day to build something people love!"  # 要转换为语音的输入文本
)

# 将生成的语音文件保存到本地磁盘
response.stream_to_file(speech_file_path)

语音选项:alloy、echo、fable、onyx、nova、shimmer

支持的输出格式：默认响应格式为“mp3”，但也可以使用“opus”、“aac”、“flac”和“pcm”等其他格式。

Opus：用于互联网流媒体和通信，低延迟

AAC：用于数字音频压缩，YouTube、Android、iOS 首选

FLAC：用于无损音频压缩，受到音频爱好者存档的青睐

WAV：未压缩的 WAV 音频，适合低延迟应用，以避免解码开销

PCM：与 WAV 类似，但包含 24kHz 的原始样本（16 位有符号、低端），没有标头

旧版OpenAI API

安装OpenAI库

OpenAI API应该是从1.0.0版本开始进行了升级，写法相比新版API有所不同

pip install openai==0.28.1

设置OpenAI API秘钥

import os

os.environ["OPENAI_BASE_URL"] = "https://xxx.com/v1"
os.environ["OPENAI_API_KEY"] = "sk-BGFnOL9Q4c99B378B66cT3BlBKFJ28839b4813bc437B82c2"

Chat聊天

import openai

response = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[
        {"role": "system", "content": "你是一个乐于助人的助手。"},
        {"role": "user", "content": "你好啊！"},
    ],
  temperature=0.8,
  max_tokens=30
)
print(response['choices'][0]['message']['content'])

文本生成

import openai

response = openai.completions.create(
  model="gpt-3.5-turbo-instruct",
  prompt="你是"
)
print(response.choices[0].text.strip())

---

最后分享

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频，免费分享！

一、大模型全套的学习路线

L1级别：AI大模型时代的华丽登场
L2级别：AI大模型API应用开发工程
L3级别：大模型应用架构进阶实践
L4级别：大模型微调与私有化部署

达到L4级别也就意味着你具备了在大多数技术岗位上胜任的能力，想要达到顶尖水平，可能还需要更多的专业技能和实战经验。

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、大模型经典PDF书籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人在大模型时代，需要不断提升自己的技术和认知水平，同时还需要具备责任感和伦理意识，为人工智能的健康发展贡献力量。

有需要全套的AI大模型学习资源的小伙伴，可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】

如有侵权，请联系删除。