色综合久久久久久久久五月 ,亚洲免费视频网,久久久久亚州精品视频

!pip install openai python-dotenv

# 創建.env文件存儲API密鑰
import os
from dotenv import load_dotenv

load_dotenv()
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")

二、基礎API調用

import openai



def basic_generation(prompt):

    response = openai.chat.completions.create(

        model="gpt-3.5-turbo",

        messages=[{"role": "user", "content": prompt}],

        temperature=0.7,

        max_tokens=150

    )

    return response.choices[0].message.content



# 示例調用

print(basic_generation("解釋量子計算的基本原理"))

輸出結果：

量子計算利用量子比特（qubit）進行信息處理，與傳統計算機的二進制比特不同，量子比特可以同時處于0和1的疊加態...（后續內容省略）

三、參數調優實戰

1. 溫度系數調整

def temperature_tuning(prompt, temp):

    response = openai.chat.completions.create(

        model="gpt-3.5-turbo",

        messages=[{"role": "user", "content": prompt}],

        temperature=temp,

        max_tokens=200

    )

    return response.choices[0].message.content



# 對比不同溫度值

prompt = "為智能家居創業公司起5個名字"

print("低溫(0.2):", temperature_tuning(prompt, 0.2))

print("中溫(0.7):", temperature_tuning(prompt, 0.7))

print("高溫(1.2):", temperature_tuning(prompt, 1.2))

輸出對比：

低溫：智居科技、慧家物聯、睿宅智能、創居未來、智巢生活

中溫：HomeMind、LivingAI、SmartNest、ThinkSpace、EcoHabit

高溫：NeuRoof、QuantumLiving、SynapseDwell、ZenithHive、NebulaHomes

2. 高級參數組合

response = openai.chat.completions.create(

    model="gpt-4",

    messages=[

        {"role": "system", "content": "你是一個資深科技專欄作家"},

        {"role": "user", "content": "用比喻解釋神經網絡反向傳播"}

    ],

    temperature=0.5,

    max_tokens=300,

    top_p=0.9,

    frequency_penalty=0.5,

    presence_penalty=0.3

)

四、提示詞優化技巧

1. 結構化提示模板

template = """

你是一個金融分析師，請按以下格式分析公司財報：

1. 收入增長：{revenue_growth}%

2. 利潤率：{profit_margin}%

3. 研發投入：{r&d}百萬

4. 風險因素分析（至少3點）

"""



response = openai.chat.completions.create(

    model="gpt-4",

    messages=[{"role": "user", "content": template.format(

        revenue_growth=15.2,

        profit_margin=22.1,

        r&d=45

    )}]

)

2. 少樣本學習示例

messages = [

    {"role": "system", "content": "將技術術語轉換為易懂的比喻"},

    {"role": "user", "content": "API速率限制"},

    {"role": "assistant", "content": "就像高速公路的收費站，每分鐘只允許通過固定數量的車輛"},

    {"role": "user", "content": "數據庫索引"}

]

五、模型微調入門

1. 準備訓練數據（JSONL格式）

{"messages": [{"role": "user", "content": "翻譯成專業商務英語：請盡快發貨"}, 

             {"role": "assistant", "content": "Kindly expedite the shipment at your earliest convenience."}]}

2. 使用OpenAI命令行工具

OPENAI_API_KEY=sk-xxx

openai api fine_tunes.create \

  -t training_data.jsonl \

  -m gpt-3.5-turbo \

  --suffix "business_translator"

3. 調用微調模型

response = openai.chat.completions.create(

    model="ft:gpt-3.5-turbo:my-org:business_translator:1a2b3c",

    messages=[{"role": "user", "content": "翻譯：我們需要延長付款期限"}]

)

調優效果評估表

調優方法	響應相關性	輸出穩定性	訓練成本	適用場景
參數調整	★★★☆	★★☆☆	低	快速迭代需求
提示詞工程	★★★★	★★★☆	無	領域知識應用
全量微調	★★★★★	★★★★☆	高	專業垂直領域

最佳實踐建議

使用temperature=0.7和top_p=0.9作為調優起點
系統提示詞保持在150字以內
對關鍵參數進行A/B測試（示例代碼）：

import pandas as pd



params_grid = {

    'temperature': [0.3, 0.7, 1.0],

    'max_tokens': [100, 150, 200]

}



results = []

for temp in params_grid['temperature']:

    for tokens in params_grid['max_tokens']:

        response = generate_with_params(temp, tokens)

        results.append({

            'params': f"temp={temp}, tokens={tokens}",

            'quality_score': rate_response(response)

        })



pd.DataFrame(results).to_csv("param_test.csv")