要使用 OpenAI 进行文本生成，您可以利用其 API 将 GPT-3.5 或 GPT-4 等语言模型集成到您的应用程序中。首先注册一个 OpenAI 账户并获取 API 密钥。获取密钥后，使用 pip install openai 安装 OpenAI Python 库，并使用您的密钥进行配置。例如，使用 import openai 初始化客户端，并设置 openai.api_key = "your-api-key"。然后，您可以使用 openai.ChatCompletion.create() 等方法向 API 发送请求，指定模型（例如 gpt-3.5-turbo）、输入提示以及控制输出行为的设置等参数。
在构建 API 调用时，重点关注三个主要参数：model、messages 以及 temperature 或 max_tokens 等设置。 messages 参数接受一个用户和系统角色消息的列表，以定义对话上下文。例如，像 [{"role": "user", "content": "Write a summary of AI ethics"}] 这样的提示会告诉模型根据该输入生成响应。调整 temperature (0–2) 来影响随机性：较低的值产生可预测的结果，而较高的值则增加创造性。使用 max_tokens 来限制响应长度。例如，max_tokens=150 确保答案简洁。测试这些参数的不同组合有助于微调输出质量。
为了有效地集成，请构建您的代码以处理 API 响应和错误。例如，将 API 调用包装在 try-except 块中以管理速率限制或网络问题。一个基本实现可能如下所示：
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[{"role": "user", "content": "Explain Python decorators"}],
temperature=0.7,
max_tokens=200
)
print(response.choices[0].message.content)
常见的应用场景包括聊天机器人、内容生成（例如博客文章）或代码自动完成。对于聊天机器人，通过将每条消息附加到 messages 列表中来维护对话历史记录。通过 OpenAI 的仪表板监控使用成本，因为费用取决于令牌数量。始终验证和清理用户输入，以避免意外输出或滥用 API。对于高级场景，可以探索微调自定义模型或使用审核 API 过滤不安全内容等功能。