使用 `chat.completions.create` 方法构建一个大模型聊天请求

代码解析

def get_response(text):
    client = OpenAI(
        api_key='sk-c0407cb14046455a98ce91053b257994',  # DEEPSEEK_API_KEY,
        base_url="https://api.deepseek.com",  # 填写DashScope SDK的base_url
    )
    completion = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {
                'role': 'system',
                'content': '总结user提交的内容。\
                用一句不超过50字的话总结这段小说的情节。\
                仅回答总结，不需要添加其他内容。'
            },
            {
                'role': 'user',
                'content': text
            }
        ])
    
    return completion.choices[0].message.content

逐行解释

1. 定义函数 get_response：

   def get_response(text):
   

   • 这里定义了一个名为 get_response 的函数，接受一个参数 text，该参数应该是需要处理的文本字符串。

2. 创建 OpenAI 客户端对象：

   client = OpenAI(
       api_key='sk-c0407cb14046455a98ce91053b257994',  # DEEPSEEK_API_KEY,
       base_url="https://api.deepseek.com",  # 填写DashScope SDK的base_url
   )
   

   • OpenAI 类似于一个客户端类，用于与 DeepSeek 的 API 进行交互。
   • api_key：这是你的 API 密钥，用于认证身份。
   • base_url：这是 DeepSeek API 的基础 URL 地址。

3. 调用 chat.completions.create 方法：

   completion = client.chat.completions.create(
       model="deepseek-chat",
       messages=[
           {
               'role': 'system',
               'content': '总结user提交的内容。\
               用一句不超过50字的话总结这段小说的情节。\
               仅回答总结，不需要添加其他内容。'
           },
           {
               'role': 'user',
               'content': text
           }
       ])
   

   • client.chat.completions.create 是一个方法，用于发起一个聊天请求。
   • model：指定使用的模型，这里是 deepseek-chat。
   • messages：这是一个列表，包含多个字典，每个字典代表一条消息。每条消息包含两个字段：
     • role：消息的角色，可以是 system、user 或 assistant。
     • content：消息的内容。
   • 第一条消息的角色是 system，内容是一段指示性的文字，告诉模型应该如何处理接下来的消息。
   • 第二条消息的角色是 user，内容是传入的 text 参数，即需要处理的文本。

4. 返回结果：

   return completion.choices[0].message.content
   

   • completion.choices 是一个列表，包含模型生成的回复。这里假设只有一条回复，所以取第一个元素 choices[0]。
   • choices[0].message 是生成的回复消息，它本身也是一个字典，包含 role 和 content 字段。
   • choices[0].message.content 是最终生成的回复内容，即对输入文本的总结。

代码逻辑概述

1. 初始化客户端：

   • 创建一个 OpenAI 客户端实例，提供 API 密钥和基础 URL。

2. 构建请求：

   • 使用 chat.completions.create 方法构建一个聊天请求，包含两条消息：
     • 一条系统消息，指示模型如何处理用户输入。
     • 一条用户消息，即需要处理的文本。

3. 发送请求并获取回复：

   • 发送请求并获取模型生成的回复。
   • 返回回复内容。

注意事项

• API 密钥安全性：确保不要将 API 密钥泄露给任何人，最好使用环境变量或配置文件来存储敏感信息。
• 错误处理：在实际应用中，应该添加错误处理逻辑，以处理可能发生的异常情况。
• 请求格式：确保请求格式正确，特别是 messages 的结构和内容。