Python和curl 如何使用OpenAI 接口访问LLM

---

1. 安装所需的库

首先，你需要确保你的环境中安装了 openai 库。你可以通过 pip 来安装它：

pip install openai

2. 设置 API 密钥（可选）

如果访问 ChatGPT 需要设置密钥，如果访问本地模型不需要设置密钥！

对于ChatGPT密钥要从 OpenAI 的官方网站获取，要按 token 收费。一旦你有了 API 密钥，可以通过环境变量或直接在代码中设置它（虽然推荐使用环境变量以保持安全性）。

设置环境变量的方式取决于你的操作系统。例如，在 Unix/Linux/MacOS 上，你可以这样做：

export OPENAI_API_KEY='your-api-key-here'

或者在 Windows 的命令提示符下：

set OPENAI_API_KEY=your-api-key-here

如果你选择直接在代码中设置 API 密钥，请确保不要将密钥分享出去。

3. 编写代码

接下来是编写 Python 代码来与 OpenAI API 进行交互。以下是一个简单的例子，演示如何创建一个聊天请求并接收响应：

import os
from openai import OpenAI

# 初始化 OpenAI API 客户端
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

# 定义对话的提示模板
prompt_template = "You are a helpful assistant. Please answer the following question: {question}"

# 创建对话实例
response = client.chat.completions.create(
    model="gpt-3.5-turbo",  # 使用的模型名称
    messages=[{"role": "user", "content": prompt_template.format(question="What is the capital of France?")},
              {"role": "assistant", "content": ""}],  # 空内容留给模型生成回答
)

# 打印模型的回答
print(response.choices[0].message.content.strip())

这段代码做了以下几件事：

• 导入了必要的模块。
• 使用环境变量中的 API 密钥初始化了 OpenAI API 客户端。
• 定义了一个简单的提示模板。
• 调用了 chat.completions.create 方法，向指定的模型发送了一个消息列表，其中包含了用户的问题和一个空的助手回复。
• 最后，打印出模型生成的回答。

4. curl命令

Python 的 OpenAI 接口本质上也就是封装了 http/https 请求，对于本地的模型访问，还可以类似如下，使用 curl 命令访问：

curl http://127.0.0.1:8000/v1/chat/completions -H "Content-Type: application/json" -X POST -d '{"model": "llama3", "temperature": 0, "messages": [{"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "你是谁"}]}'

上述访问的大模型服务，可以通过 vllm 拉起本地的模型，然后再访问大模型！

---

欢迎关注本人，我是喜欢搞事的程序猿； 一起进步，一起学习；

欢迎关注知乎/CSDN：SmallerFL

也欢迎关注我的wx公众号（精选高质量文章）：一个比特定乾坤