Coggle 30 Days of ML：任务1 - 从零构建你的第一个ChatGPT对话应用

1. 初识ChatGPT你的第一个对话机器人ChatGPT是OpenAI基于GPTGenerative Pre-trained Transformer模型开发的对话AI它能理解自然语言并生成流畅的回复。想象一下你正在和一个知识渊博的助手聊天——这就是ChatGPT能带给你的体验。它不仅能回答问题、创作故事还能帮你调试代码、提供写作建议。我第一次用ChatGPT API时被它的响应速度震惊了。只需几行代码就能让这个数字大脑开始工作。比如我问它Python里怎么快速去重列表它立刻给出了list(set(my_list))这种经典方案还附带了使用collections.OrderedDict的进阶方法。2. 准备工作获取API密钥2.1 注册OpenAI账号首先访问 OpenAI官网 点击Sign Up注册。建议使用Google账号快速登录记得验证邮箱和手机号。有个小技巧如果收不到验证码试试切换手机运营商网络。2.2 申请API密钥登录后进入 API密钥管理页面 点击Create new secret key。这个密钥就像银行密码千万不能泄露我习惯把它保存在密码管理器里同时设置使用限额防止意外扣费。注意免费试用额度可能会变化目前新账号有5美元额度足够完成本教程所有实验。3. 搭建开发环境3.1 安装Python库打开终端运行pip install openai python-dotenv这里python-dotenv用来管理环境变量避免密钥硬编码在代码中。我推荐使用Python 3.8版本遇到过3.7以下兼容性问题。3.2 配置环境变量创建.env文件OPENAI_API_KEY你的密钥然后在代码开头加载from dotenv import load_dotenv load_dotenv()4. 发送第一个API请求4.1 基础对话实现新建chatbot.pyimport openai import os openai.api_key os.getenv(OPENAI_API_KEY) response openai.ChatCompletion.create( modelgpt-3.5-turbo, messages[ {role: system, content: 你是一个幽默的编程助手}, {role: user, content: 用Python写个斐波那契数列生成器} ] ) print(response.choices[0].message.content)运行后会看到生成的代码。这里的messages参数很关键system: 设定AI的角色user: 用户输入assistant: AI之前的回复4.2 处理API响应完整响应包含丰富信息{ id: chatcmpl-123, object: chat.completion, created: 1677652288, usage: { prompt_tokens: 25, completion_tokens: 55, total_tokens: 80 }, choices: [{ message: { role: assistant, content: 当然这是Python代码... }, finish_reason: stop, index: 0 }] }我通常会关注usage里的token计数避免长对话超限。gpt-3.5-turbo模型上限是4096 tokens。5. 构建持续对话系统5.1 实现多轮对话conversation [ {role: system, content: 你是个知识丰富的图书管理员} ] while True: user_input input(你) if user_input.lower() in [退出, exit]: break conversation.append({role: user, content: user_input}) response openai.ChatCompletion.create( modelgpt-3.5-turbo, messagesconversation, temperature0.7 # 控制创造性 ) ai_reply response.choices[0].message.content print(fAI{ai_reply}) conversation.append({role: assistant, content: ai_reply})这个循环会持续记录对话上下文。实测发现当对话超过10轮时可能需要手动清理早期消息避免超长。5.2 高级参数调优temperature0-2值越大回答越随机max_tokens限制回复长度top_p控制回答多样性我调试时常用组合response openai.ChatCompletion.create( modelgpt-3.5-turbo, messagesconversation, temperature0.5, max_tokens150, top_p0.9 )6. 进阶功能开发6.1 添加记忆功能用pickle保存对话记录import pickle def save_conversation(history, filenameconversation.pkl): with open(filename, wb) as f: pickle.dump(history, f) def load_conversation(filenameconversation.pkl): try: with open(filename, rb) as f: return pickle.load(f) except FileNotFoundError: return []6.2 构建Web界面用Flask快速搭建from flask import Flask, request, render_template app Flask(__name__) conversation [] app.route(/, methods[GET, POST]) def chat(): if request.method POST: user_input request.form[message] conversation.append({role: user, content: user_input}) response openai.ChatCompletion.create( modelgpt-3.5-turbo, messagesconversation ) ai_reply response.choices[0].message.content conversation.append({role: assistant, content: ai_reply}) return render_template(chat.html, chatconversation)配套HTML模板!-- templates/chat.html -- form methodPOST input typetext namemessage required button typesubmit发送/button /form div idchatbox {% for msg in chat %} pstrong{{ msg.role }}:/strong {{ msg.content }}/p {% endfor %} /div7. 避坑指南7.1 常见错误处理速率限制免费账号每分钟3次请求商用账号更高。建议添加重试逻辑import time from tenacity import retry, stop_after_attempt, wait_exponential retry(stopstop_after_attempt(3), waitwait_exponential(multiplier1, min4, max10)) def safe_chat_completion(**kwargs): return openai.ChatCompletion.create(**kwargs)上下文过长当收到maximum context length错误时可以删除最早的消息用gpt-3.5-turbo-16k等长文本模型总结之前的对话再继续7.2 安全最佳实践永远不要在前端暴露API密钥设置使用预算在OpenAI后台的Billing → Usage limits敏感数据过滤用户输入可能包含隐私信息建议预处理我在实际项目中遇到过API密钥泄露导致的高额账单后来改用环境变量密钥轮换策略。每月1号自动更换密钥旧密钥立即失效。8. 创意应用扩展8.1 构建专业领域助手通过调整system提示词打造专属AImedical_assistant [ {role: system, content: 你是三甲医院全科医生用中文回答医学问题。不知道就说不知道绝不编造信息。} ]8.2 实现函数调用新版API支持工具调用response openai.ChatCompletion.create( modelgpt-3.5-turbo, messages[{role: user, content: 上海今天天气如何}], functions[{ name: get_current_weather, parameters: { type: object, properties: { location: {type: string} } } }] )这个功能让AI可以触发外部API获取实时数据。完成这个项目后你可以继续探索接入语音输入输出添加多模态支持如DALL·E生成图片结合LangChain构建更复杂的AI工作流记得查看OpenAI的官方文档保持更新他们的API平均每季度就有重要升级。最近我在尝试用gpt-4-turbo模型响应速度比之前快了不少。