一、简介

chatgpt接口官方的名字叫做Chat completions，是指ChatGPT在用户输入一部分内容后，为用户推荐的可能的自动完成内容。这些自动完成的内容可以是一个词、短语、句子甚至是一篇文章等等。Chat completions可以让用户更快地输入想要表达的内容，同时也能提高用户的交互效率和满意度。

二、说明

使用OpenAI chatgpt API，您可以使用gpt-3.5-turbo和gpt-4构建自己的应用程序，从而实现许多有趣的功能，例如：

写文案
编写代码
回答问题
对学习进行辅导（如学习英语）
翻译语言
为视频游戏模拟角色（NPC）等等

还有更多功能可以自行尝试

本文将向您介绍如何调用聊天模型的API，并分享一些使用技巧。您也可以在OpenAI Playground中测试效果。

聊天模型接受一系列消息作为输入，并生成一条由模型生成的消息作为输出。虽然聊天模式旨在使多轮对话容易进行，但它同样

适用于单次任务，而无需进行任何对话。简单的说就是输入一条消息给chatgpt他会给你生成一个回答返回过来，问答可以是多伦

的像正常的聊天一样。

简单的介绍完了我们看一下如何使用chatgpt接口。

一个简单的API调用示例如下（python）：

import openai
openai.api_key = 'XXXXX'
messages=[]
messages.append({'role': 'system', 'content': "我希望你扮演一个小说家。您将提出富有创意和引人入胜的故事"})
messages.append({'role': 'user', 'content': "你好"})
messages.append({'role': 'assistant', 'content': "你好，请问我能为你做些什么？"})
messages.append({'role': 'user', 'content': "帮我写一篇关于冒险的小说"})
response = openai.ChatCompletion.create(model='gpt-3.5-turbo',messages=messages,
)
#上面的GPT-3.5-turbo是使用的GPT3.5模型 可以替换为其他模型如：
# gpt-4
# gpt-4-0314
# gpt-4-32k
# gpt-4-32k-0314
ai_response = response.choices[0].message['content']
print(ai_response)

http请求代码：

curl https://api.openai.com/v1/chat/completions \-H "Content-Type: application/json" \-H "Authorization: Bearer $OPENAI_API_KEY" \-d '{"model": "gpt-3.5-turbo","messages": [{"role": "user", "content": "Hello!"}]}'

如果你是用的python可以使用python代码，如果你用的是其他语言比如php或者c++等可以使用http请求的方式调用

上面代码主要参数是messages参数。messages必须是一个对象数组，其中每个对象都有一个角色（“system”、“user”或

“assistant”）和内容（消息的内容）。对话可以很短，也可以很长。

一般情况，messages内容先是system消息，然后是交替出现的user和assistant。

类型	作用
system	设置chatgpt的角色。
user	消息是给chatgpt提交的我们的问题。
assistant	消息是chatgpt给返回的消息。

其中system消息有助于设置助手的行为。通俗点讲就是可以给chatgpt设定一个角色让它取扮演，例如我上面代码是，指定让
chatgpt“扮演一个小说家”。这样我们后面的问答都是在这个前提下进行的，就是chatgpt会一直扮演一个小说家和我们对话。
system不是必须的，也可以不设置。

注意我上面代码使用了4条消息，分别是“system”、“user” 、“assistant”、“user”

其中system是设定的角色，后面的“user” 、“assistant”是历史记录就是曾经我问过chatgpt的内容和他回答我的内容

最后一个user才是本次我要问他的内容。为什么要这样呢，因为chatgpt官方没有提供给我们数据存储的功能，所以只能我们

自己存储数据每次需要把历史记录提交给他，chatgpt才能有上下文的功能。当然这样也会浪费更多的tokens。

当我们提交上面的请求，chatgpt会给我们响应，响应格式：

{'id': 'chatcmpl-6p9XYPYSTTRi0xEviKjjilqrWU2Ve','object': 'chat.completion','created': 1677649420,'model': 'gpt-3.5-turbo','usage': {'prompt_tokens': 56, 'completion_tokens': 31, 'total_tokens': 87},'choices': [{'message': {'role': 'assistant','content': 'The 2020 World Series was played in Arlington, Texas at the Globe Life Field, which was the new home stadium for the Texas Rangers.'},'finish_reason': 'stop','index': 0}]
}

我们可以ai_response = response.choices[0].message[‘content’]这样取出返回的内容

每个响应都包含一个finish_reason。finish_reason的可能值包括：

值	说明
stop	API返回完整的模型输出
length	由于max_tokens参数或令牌限制而导致的不完整模型输出
content_filter	由于我们的内容过滤器的标志而省略的内容
null	API响应仍在进行中或不完整

finish_reason的值在这个事例中作用体现不大，后面开发流式传输（steam）会有用，后面会专门讲如何开发流式传输实现打字机的效果

usage字段：在ChatGPT接口返回的内容中，usage字段是用来记录API调用时消耗的token数目的，具体含义如下：

值	说明
prompt_tokens	表示消息输入中使用的token数目，即API请求时消息的token数目。
completion_tokens	表示API返回的响应消息中使用的token数目，即模型预测生成的响应消息的token数目。
total_tokens	表示整个API调用过程中使用的总token数目，包括输入和输出的所有token数目。

需要注意的是，每个API调用的token数目将影响API的调用时间和费用，并且总token数目必须在模型允许的最大token限制（例

如gpt-3.5-turbo-0301模型的最大限制为4096个token）以内。如果超出了这个限制，则需要缩短输入或者输出的token数目以符合

模型的最大限制。

管理tokens

语言模型以称为token的块读取文本。在英语中，token可以短至一个字符或长至一个单词（例如a或apple），在某些语言中，

token甚至可以比一个字符更短或比一个单词更长。

例如，字符串“ChatGPT is great!”被编码为六个令牌：[“Chat”, “G”, “PT”, " is", " great", “!”]。

而在中文中：1个汉字大致是2~2.5个token。

API调用中的令牌总数影响：


1	接口根据token多少收费，token越多费用越高
2	总token必须低于模型的最大限制（gpt-3.5-turbo-0301的最大令牌数为4096）
3	使用的token越多 API响应时间越长

输入和输出令牌都计入这些数量。例如，如果您的API调用在消息输入中使用了10个token，并且您收到了20个token的消息输

出，则将为您计费30个token。**

要查看API调用使用了多少令牌，请检查API响应中的usage字段（例如，response[‘usage’][‘total_tokens’]）。

像gpt-3.5-turbo和gpt-4这样的聊天模型以与其他模型相同的方式使用令牌，但由于它们是基于消息格式的，因此更难以计算一个

对话将使用多少令牌。

如何计算聊天API调用的令牌

要查看文本字符串中有多少令牌而不进行API调用，请使用OpenAI的tiktoken Python库。有关如何使用tiktoken计算令牌的指南可

以在OpenAI Cookbook中找到示例代码。后面会专门讲一下