openai.api_key = "YOUR_API_KEY"
response = openai.Completion.create(
engine="text-davinci-003",
prompt="請介紹一下人工智能的發展歷程",
max_tokens=500
)
print(response.choices[0].text)

在這段代碼中，我們先導入 openai 庫，接著設置之前獲取的 API 密鑰，然后指定使用 “text-davinci-003” 模型，并給出提示文本 “請介紹一下人工智能的發展歷程”，最后獲取并打印出模型生成的回答。如此一來，便能快速借助 OpenAI 的強大能力，滿足文本生成需求。

package main

import (

    "bytes"

    "encoding/json"

    "fmt"

    "io/ioutil"

    "net/http"

    "os"

)

const OPENAI_API_URL = "https://api.openai.com/v1/chat/completions"

func main() {

    apiKey := os.Getenv("OPENAI_API_KEY")

    requestBody, err := json.Marshal(map[string]interface{}{

        "model": "gpt-3.5-turbo",

        "messages": []map[string]string{

            {"role": "system", "content": "You are a helpful assistant."},

            {"role": "user", "content": "講個有趣的故事"},

        },

    })

    if err!= nil {

        panic(err)

    }

    req, err := http.NewRequest("POST", OPENAI_API_URL, bytes.NewBuffer(requestBody))

    if err!= nil {

        panic(err)

    }

    req.Header.Set("Authorization", "Bearer "+apiKey)

    req.Header.Set("Content-Type", "application/json")

    client := &http.Client{}

    resp, err := client.Do(req)

    if err!= nil {

        panic(err)

    }

    defer resp.Body.Close()

    body, err := ioutil.ReadAll(resp.Body)

    if err!= nil {

        panic(err)

    }

    fmt.Println("Response from OpenAI:")

    fmt.Println(string(body))

}

這段代碼清晰地展示了 Go 語言如何構建請求、設置請求頭并發送 POST 請求到 openai接口，最終獲取并打印響應結果，為Go

開發者提供了簡潔明了的調用范例。

import org.apache.http.HttpEntity;

import org.apache.http.client.methods.CloseableHttpResponse;

import org.apache.http.client.methods.HttpPost;

import org.apache.http.entity.StringEntity;

import org.apache.http.impl.client.CloseableHttpClient;

import org.apache.http.impl.client.HttpClients;

import org.apache.http.util.EntityUtils;

import java.io.IOException;

public class OpenAIClient {

    private static final String API_KEY = "YOUR_API_KEY";

    private static final String API_URL = "https://api.openai.com/v1/chat/completions";

    public static void main(String[] args) throws IOException {

        CloseableHttpClient httpClient = HttpClients.createDefault();

        HttpPost httpPost = new HttpPost(API_URL);

        httpPost.setHeader("Content-Type", "application/json");

        httpPost.setHeader("Authorization", "Bearer " + API_KEY);

        String requestBody = "{\"model\":\"gpt-3.5-turbo\",\"messages\":[{\"role\":\"user\",\"content\":\"描述一下未來的城市生活\"}]}";

        httpPost.setEntity(new StringEntity(requestBody));

        CloseableHttpResponse response = httpClient.execute(httpPost);

        HttpEntity entity = response.getEntity();

        String responseBody = EntityUtils.toString(entity);

        System.out.println(responseBody);

        response.close();

        httpClient.close();

    }

}

上述 Java 代碼通過構建 HttpPost 請求，設置必要的請求頭和請求體，向 OpenAI 接口發起請求，并將返回的響應結果進行打印輸出，助力 Java 開發者順利接入 OpenAI 服務。

const { Configuration, OpenAIApi } = require('openai');

const configuration = new Configuration({

    apiKey: 'YOUR_API_KEY',

});

const openai = new OpenAIApi(configuration);

async function run() {

    const response = await openai.createCompletion({

        model: 'text-davinci-003',

        prompt: '寫一首關于春天的詩',

        max_tokens: 300

    });

    console.log(response.data.choices[0].text);

}

run();

在這段 Node.js 代碼中，我們先配置好 API 密鑰，然后利用 openai 庫提供的方法構建請求，異步獲取模型生成的關于春天的詩，并將其打印展示，為 Node.js 開發者提供了便捷的調用方式。

三、設置公共 API 的本地代理

（一）為何需要本地代理

在探索 OpenAI 接口的征程中，不少開發者會遇到網絡訪問受限的困擾。由于一些地區的網絡策略、防火墻設置等因素，直接訪問 OpenAI 的官方公共 API 可能會受阻。此時，設置本地代理就如同搭建一座橋梁，巧妙地繞過這些障礙，讓數據得以順暢流通。而且，本地代理還能優化網絡路徑，減少延遲，顯著提升訪問速度，確保與 OpenAI 接口的交互高效穩定，為開發者節省寶貴的時間，避免因網絡問題而陷入長時間的等待與調試。

（二）代理設置實操指南

以常見的 vue-cli 項目為例，讓我們深入了解如何進行代理設置。首先，找到項目根目錄下的 vue.config.js 文件，若沒有則新建一個。在該文件中，對 devServer 進行如下配置：

module.exports = {

  devServer: {

    proxy: {

      '/api': {  // 這里的'/api'是自定義的路徑匹配規則，你可以按需修改

        target: 'https://api.openai.com',  // 這是OpenAI的官方API地址，目標明確

        changeOrigin: true,  // 這個設置至關重要，它會改變請求頭中的host，讓代理服務器看起來就像目標服務器，有效規避跨域問題

        pathRewrite: {

          '^/api': ''  // 這一步是路徑重寫，將本地的'/api'開頭的請求路徑重寫，去除'/api'，使其與OpenAI的實際接口路徑完美匹配

        }

      }

    }

  }

}

完成上述配置后，記得重啟項目，讓設置生效。此后，項目中所有以 ‘/api’ 開頭的請求，都會被代理到OpenAI的官方 API，并且自動處理跨域問題，讓接口調用如絲般順滑。若在設置過程中遇到諸如配置不生效、代理后請求超時等問題，首先檢查網絡連接是否正常，確認代理服務器地址是否準確無誤；若依舊無法解決，可以在社區論壇、技術問答平臺尋求幫助，眾多開發者的經驗分享或許能助你一臂之力，快速突破困境。

四、接口撰寫說明：核心要點詳解

（一）認證方式

OpenAI采用 API 密鑰進行身份驗證，這是保障您請求合法性與安全性的關鍵防線。當您注冊并獲取 API 密鑰后，務必將其妥善保管，猶如守護珍貴的寶藏。絕不要在任何公開場合、客戶端代碼（如瀏覽器、應用程序前端）中泄露密鑰，以防不法分子盜用，造成不必要的損失。在實際操作中，生產請求應通過您自己的后端服務器進行路由轉發，此時，API 密鑰可從環境變量或專業的密鑰管理服務中安全加載，確保每一次請求都在嚴密的保護下進行。對于那些隸屬于多個組織的用戶，OpenAI 還提供了靈活的組織指定功能。您只需在請求時傳遞一個特定的表頭 “OpenAI-Organization”，并附上對應的組織 ID，即可明確指定本次 API 請求所歸屬的組織。如此一來，這些請求的使用量將精準計入指定組織的訂閱配額，方便您在多組織協作場景下合理管理資源。例如，使用 curl 命令時，您可這樣設置：

curl https://api.openai.com/v1/models \

-H "Authorization: Bearer $OPENAI_API_KEY" \

-H "OpenAI-Organization: org-gth0C8mT2wnKealyCkSRrpQk"

在 Python 中，借助 openai 包，示例代碼如下：

import os

import openai

openai.organization = "org-gth0C8mT2wnKealyCkSRrpQk"

openai.api_key = os.getenv("OPENAI_API_KEY")

openai.Model.list()

而在 Node.js 環境下，相應代碼為：

import { Configuration, OpenAIApi } from "openai";

const configuration = new Configuration({

    organization: "org-gth0C8mT2wnKealyCkSRrpQk",

    apiKey: process.env.OPENAI_API_KEY,

});

const openai = new OpenAIApi(configuration);

const response = await openai.listEngines();

通過這些方式，無論是哪種編程語言，您都能輕松駕馭多組織場景下的 API 請求。

（二）模型與端點

OpenAI平臺匯聚了眾多強大的模型，猶如璀璨星辰，各放異彩。其中，ChatGPT 系列模型以其卓越的對話交互能力備受矚目，如 GPT-3.5-turbo 模型，它不僅能在日常聊天場景中對答如流，提供精準、自然的回復，還針對傳統的文本補全任務進行了優化，無論是撰寫故事、回答專業問題，還是輔助文案創作，都表現出色；而 GPT-4 更是在復雜推理、知識理解等方面展現出超凡實力，能夠應對高難度的學術探討、技術難題求解等任務。此外，GPT-3 系列模型作為經典之作，在文本生成領域根基深厚，擁有廣泛的應用基礎。面對如此豐富的模型選擇，如何精準定位最適合項目需求的那一款呢？這就需要參考 OpenAI 提供的模型端點兼容性表，它如同精準的導航儀，清晰地標明了每個模型所支持的 API 端點、適用的任務類型以及各自的特性優勢。例如，若您致力于打造一款智能客服應用，追求高效的實時對話響應與精準的意圖理解，GPT-3.5-turbo 無疑是上乘之選；而倘若您的項目涉及專業學術研究、復雜的邏輯推理，需要模型具備深度的知識儲備與強大的分析能力，GPT-4 則能助您一臂之力。通過深入研究模型端點兼容性表，結合項目實際需求，您便能有的放矢，挑選出最契合的模型，為項目注入強大動力。

（三）請求參數詳解

在向 OpenAI 接口發起請求時，不同類型的請求對應著不同的參數設置，這些參數恰似精細的畫筆，能精準勾勒出您期望模型生成的內容輪廓。以 Chat Completions 請求為例，這是構建智能對話應用的核心請求類型，其中，“model” 參數必填，它明確指定了驅動對話的模型，如前文提及的 “gpt-3.5-turbo” 等，不同模型將帶來風格迥異的對話體驗；“messages” 參數同樣必填，它是一個數組，承載著對話的歷史消息，每個元素包含 “role”（角色，如 “system” 用于設定對話基調、“user” 代表用戶輸入、“assistant” 為模型回復）和 “content”（具體的消息內容），通過精心編排這些消息，您能引導模型生成貼合上下文的高質量回復。比如：

messages=[

    {"role": "system", "content": "你是一個專業的科技知識助手"},

    {"role": "user", "content": "請介紹一下量子計算的原理"}

]

在此示例中，系統消息設定了助手的專業領域，用戶消息則發起了具體的知識問詢，模型將依據此上下文給出專業解答。

而對于 Completions 請求，常用于一般性的文本生成任務。“model” 參數指定使用的模型，“prompt” 參數作為生成文本的起點，它可以是一個簡潔的問題、一段引導性的文字，甚至是一篇待續寫的短文片段。例如：

prompt = "在遙遠的未來，人類社會發生了巨大的變革，"

模型將依據此 prompt 展開想象，續寫后續的故事內容。

此外，還有一些通用且關鍵的參數，如 “temperature”，它取值在 0 到 2 之間，宛如調節創意與確定性的旋鈕。當設置為較低值，如 0.2 時，模型輸出將趨于保守、確定，更聚焦于常見、經典的回答，適合對準確性要求極高的場景，如專業知識問答；若調高至 0.8，模型則會釋放更多的創意，生成更加多樣化、富有想象力的內容，為創意寫作、頭腦風暴等場景帶來驚喜。再如 “max_tokens” 參數，它限定了模型生成文本的最大長度，合理設置此參數既能滿足需求，又能有效控制資源消耗，避免因生成過長文本而導致延遲或費用增加。通過巧妙運用這些參數，您將充分挖掘 OpenAI 接口的潛能，實現豐富多彩的文本生成效果。

五、最佳實踐：高效運用的秘訣

（一）提示詞工程優化

在與OpenAI接口交互的過程中，提示詞的編寫堪稱一門精妙藝術，直接關乎模型輸出的質量與效果。一條清晰、精準的提示詞，能讓模型宛如一位貼心助手，精準理解您的需求，給出令人滿意的回答；反之，模糊、籠統的提示則可能讓模型陷入迷茫，輸出不盡人意。編寫有效提示詞的核心技巧在于 “具體、明確、引導”。首先，指令前置是關鍵，將核心任務指令置于提示詞開頭，能讓模型迅速抓住重點。例如，把 “總結一下這篇科技文章” 改寫為 “總結：[附上科技文章內容]”，模型便能直奔主題，快速提煉關鍵信息。其次，內容務必具體，提供盡可能多的細節、背景信息，減少模型的猜測空間。比如，與其簡單要求 “寫一篇產品推廣文案”，不如詳細說明 “為一款智能健身手環寫一篇 500 字左右的推廣文案，突出其精準心率監測、超長續航、時尚外觀設計，面向年輕運動愛好者群體”，如此這般，模型生成的文案將更貼合實際需求。再者，利用示例明確輸出格式堪稱點睛之筆，尤其在面對復雜任務時，為模型展示期望的輸出結構，能引導它生成規范、可用的內容。例如，若您需要模型提取文本中的實體信息，給出 “公司名稱：[具體公司 1]，[具體公司 2]；人名：[具體人名 1]，[具體人名 2]……” 的示例格式，模型便能依葫蘆畫瓢，輸出整齊劃一的結果。此外，合理選擇零樣本或少樣本提示也是提升效率的妙招。對于一些常見、簡單任務，先嘗試零樣本提示，讓模型憑借自身知識儲備給出答案；若效果不佳，再適時引入少樣本提示，通過提供少量示例，引導模型學習特定的回應方式，逐步優化輸出結果。

（二）參數調優策略

OpenAI 接口中的參數猶如精密儀器的旋鈕，細微調整便能帶來截然不同的輸出效果，精準掌控這些參數是挖掘模型潛能的關鍵。以 “temperature” 參數為例，它巧妙地平衡著模型輸出的創造力與準確性。當您致力于獲取精準、嚴謹的事實性答案，如專業知識問答、學術資料查詢時，將 “temperature” 調低至 0.2 左右，模型會收斂起天馬行空的想象，聚焦于最可靠、常見的回答，為您呈上權威準確的信息；而在創意寫作、頭腦風暴、藝術創作構思等場景下，適度調高 “temperature” 至 0.8 甚至更高，模型將掙脫束縛，釋放出無限創意，為您帶來新奇獨特、腦洞大開的靈感火花。再看 “max_tokens” 參數，它直接決定了模型生成文本的長度邊界。若您只是需要簡短的摘要、關鍵信息提取，將 “max_tokens” 設置在 100 – 200 區間，模型便能迅速給出精煉要點；而對于長篇幅的故事創作、深度報告撰寫等任務，則可根據需求將其調至 500 以上，給予模型充足的發揮空間。但需注意，過高的 “max_tokens” 可能導致生成延遲增加、資源消耗加劇，因此務必依據實際情況合理權衡。此外，還有 “top_p” 參數用于控制生成文本的多樣性，“frequency_penalty” 和 “presence_penalty” 參數可調節文本的重復度與新穎性等，深入了解每個參數的特性與作用，結合具體任務反復調試，方能找到最佳參數組合，讓 OpenAI 接口為您的項目綻放最耀眼的光芒。

六、調試接口：掃清障礙的技巧

（一）常見錯誤排查

在調用 OpenAI 接口的過程中，難免會遇到一些 “絆腳石”，但只要掌握了排查方法，就能迅速將其清除。其中，認證失敗是較為常見的問題，若遇到 “Invalid authorization header” 的報錯，大概率是 API 密鑰配置出錯。此時，應仔細檢查密鑰是否正確設置，確保在請求頭中準確無誤地傳遞 “Authorization: Bearer YOUR_API_KEY”，特別要留意密鑰前后有無多余空格、拼寫是否準確，還要確認密鑰是否已過期或被吊銷，如有需要，及時重新生成密鑰。

網絡連接問題也不容忽視，當請求長時間無響應或返回 “Could not connect to the server” 的提示時，首先檢查本地網絡是否正常，嘗試打開其他網頁或使用 ping 命令測試與 OpenAI 服務器的連接，如 “ping api.openai.com”，查看是否存在丟包現象；若本地網絡正常，可能是代理設置有誤，需重新審視代理服務器的配置，確保代理地址、端口號等信息準確，且代理服務正常運行。

參數錯誤同樣會導致接口調用失敗，比如使用了不兼容的模型與端點組合，模型要求的參數未提供或格式錯誤等。以文本生成任務為例，若 “prompt” 參數為空或超過模型允許的最大長度，模型將無法理解需求，從而返回錯誤提示。此時，對照接口文檔，逐一核對請求參數，確保參數的名稱、類型、取值范圍等符合要求，根據錯誤提示針對性地調整參數，使請求符合接口規范。

（二）借助工具調試

工欲善其事，必先利其器，在調試 OpenAI 接口時，專業工具能讓效率大幅提升。Apifox 就是這樣一款得力助手，它為開發者提供了一個直觀便捷的調試環境。進入 Apifox 的 OpenAI 接口調試界面，仿佛置身于一個井然有序的 “請求工坊”，左側清晰羅列著各種接口類型，如 Chat Completions、Completions 等，方便快速定位所需接口。在設置參數區域，根據任務需求輕松調整模型名稱、請求消息、溫度、最大令牌數等參數，每個參數都有詳細的提示，避免因參數理解不清而犯錯。設置完成后，點擊 “發送” 按鈕，猶如一鍵啟動智能引擎，片刻間就能在右側看到接口的響應結果，包括模型生成的文本、使用的令牌數、響應時間等關鍵信息。若結果不符合預期，借助 Apifox 的界面，可迅速回溯檢查參數設置，修改后再次發送請求，如此反復，能快速定位問題根源，讓接口調試工作事半功倍，助力開發者順利駕馭 OpenAI 接口，釋放無限創新潛能。

上一篇：

API鑒權方案：保障接口安全的關鍵

下一篇：

深入剖析 APISIX 路由優先級中的路由匹配
#你可能也喜歡這些API文章!

我們有何不同？

API服務商零注冊

多API并行試用

數據驅動選型，提升決策效率

查看全部API→
??

熱門場景實測，選對API

#AI文本生成大模型API

對比大模型API的內容創意新穎性、情感共鳴力、商業轉化潛力

25個渠道
一鍵對比試用API 限時免費

#AI深度推理大模型API

對比大模型API的邏輯推理準確性、分析深度、可視化建議合理性

10個渠道
一鍵對比試用API 限時免費