OpenAI API 新手指南：实践教程与最佳实践

OpenAI API 的功能特点

以下是让 OpenAI API 成为企业引入 AI 能力有力工具的一些核心特性：

1. 预训练 AI 模型

预训练模型是指先在大规模数据集上（通常为通用任务）完成训练，再用于特定任务的机器学习模型。OpenAI 团队将这些模型训练好并以 API 形式发布，意味着“他们训练一次，我们多次使用”，既省时又省资源。

部分已发布的模型包括：

• GPT-4：GPT-3.5 的改进版本，能够理解与生成文本和代码。
• GPT-3.5：在 GPT-3 基础上的增强版本，能够理解并生成文本或代码。
• GPT Base：可处理与生成文本或代码，但不具备指令跟随能力的模型。
• DALL·E：可根据文本提示生成与编辑图像的模型。
• Whisper：将音频输入转写为文本。
• Embeddings：将文本转换为数值向量的模型。
• Moderation：用于识别潜在敏感或不安全文本的精调模型。

这些模型在海量数据上训练，并使用了极高的计算资源，个人甚至许多组织往往难以获得或负担。如今，数据科学家与企业可以通过 API 轻松利用这些预训练模型。

2. 可定制的 AI 模型

在 OpenAI API 中定制模型主要通过“微调”（fine-tuning）实现，使用户能够将预训练模型进一步适配自身特定用例。

OpenAI API 允许我们在预训练模型基础上，使用自有训练数据进行进一步训练，并将微调后的模型用于具体场景。您可以在此处了解如何微调 GPT-3 模型。微调有助于节省成本，并为下游应用带来更低的延迟。

3. 简洁的 API 接口

OpenAI API 平台直观易用，适合初学者入门。借助详尽的文档与快速上手示例，仅需少量代码即可在您的用例中开始使用 API，且无需经历陡峭的学习曲线。

这种简洁性尤其有利于职业初期的数据从业者，让迈向 AI 的第一步不再令人生畏，反而更具吸引力。

4. 可扩展的基础设施

OpenAI 已将Kubernetes 集群扩展至 7,500 个节点，为 GPT-3、CLIP、DALL·E 等大型模型以及快速的小规模迭代研究提供可扩展的基础设施。Azure OpenAI Service 运行于 Azure 全球基础设施之上，以满足企业级生产需求，如关键的安全、合规与区域可用性，这表明其具备支撑 OpenAI API 使用的可扩展能力。

随着项目体量与复杂度的提升，您需要能与之同步成长的基础设施。当使用量增加时，OpenAI API 的伸缩能力尤为关键，有助于您从小项目平稳过渡到更大、更高要求的项目，使其成为可靠的技术工具。

OpenAI API 的行业用例

目前已有 300 多个应用通过 OpenAI API 使用 GPT-3，显示出全球范围内丰富多样且富有创意的应用正在涌现。以下是一些常见的行业应用：

1. 聊天机器人与虚拟助手

OpenAI API 对类人文本的理解与生成能力，使其成为构建智能聊天机器人与虚拟助手的理想之选。通过 GPT-4 或 ChatGPT 等预训练模型，可以驱动自然直观的人机对话代理。这些代理可部署于网站、应用或客服平台，以提升用户参与度并提供自动化支持。

2. 情感分析

情感分析旨在理解文本数据背后的情绪倾向。借助 OpenAI API，您可以分析客户评价、社交媒体评论或任意文本数据，以衡量公众舆情或客户满意度。通过使用GPT-4 或 3.5 等模型，您可以将情感分析流程自动化，提炼对业务战略至关重要的洞察。

3. 图像识别

尽管 OpenAI 往往与文本处理相关，它也涉足图像识别领域，如 CLIP 等模型。CLIP 能从自然语言描述中学习视觉概念，并可通过 OpenAI API 用于目标检测、图像分类等任务。这为诸多领域带来可能性，例如医疗领域中可借助图像识别从影像数据中识别病症。

4. 游戏与强化学习

OpenAI API 同样适用于游戏产业与强化学习环境。模型可以被训练或微调以与游戏环境交互，进行决策，从而实现自主游玩或为玩家提供辅助。

OpenAI 已通过诸如 Dactyl（通过强化学习学会还原魔方）与 OpenAI Five（在 Dota 2 中与人类选手对战）的模型展示了这一点。

既然我们已经了解了 OpenAI API 及其用例，下面就开始实操使用吧。

动手实践：OpenAI API 入门

假设您完全是 OpenAI API 的新手，我们将以循序渐进的方式带您完成第一次 API 调用。

步骤 1：创建 OpenAI 平台账户

首先，您需要在 OpenAI 平台创建一个账户。

前往OpenAI 平台并按提示创建账户。注册完成后，您应能看到类似这样的页面：

步骤 2：获取您的 API 密钥

账户设置完成后，您需要获取用于与 API 交互的 API 密钥。

如下面的示意图所示，在 OpenAI 账户中导航至 API keys 页面。

您现在可以创建一个 API 密钥。请复制并妥善保存，因为之后将无法再次查看。如果遗失或需要新密钥，可以重新生成。

步骤 3：安装 OpenAI 的 Python 库

在完成账户与 API 密钥的准备后，下一步是本地环境的设置。我们可以通过 OpenAI 的 Python 库在本地访问 OpenAI API。

您可以使用 pip 通过以下命令安装：

pip install openai

步骤 4：发起您的第一次 API 调用

现在您已经有了 API 密钥并安装好了 OpenAI 库，是时候进行第一次 API 调用了。

示例代码如下：

def get_chat_completion(prompt, model="gpt-3.5-turbo"):
  
   # Creating a message as required by the API
   messages = [{"role": "user", "content": prompt}]
  
   # Calling the ChatCompletion API
   response = openai.ChatCompletion.create(
       model=model,
       messages=messages,
       temperature=0,
   )

   # Returning the extracted response
   return response.choices[0].message["content"]

response = get_chat_completion("Translate into Spanish: As a beginner data scientist, I'm excited to learn about OpenAI API!")

print(response)
技术支持

我们编写了一个辅助函数来调用 ChatCompletion API，选择“gpt-3.5-turbo”模型，接收用户生成的提示并返回响应。

以下是返回结果（如果您懂一点西班牙语，欢迎验证！）：

步骤 5：进一步探索

完成第一次 API 调用后，您已经迈出了关键一步！接下来可以考虑：

• 探索不同的引擎/模型，找到最适合您用例的选项。
• 尝试不同的提示与参数，观察 API 的响应变化。
• 深入阅读OpenAI 文档，了解更多 API 的用法。

接下来，您需要围绕当前业务问题进行头脑风暴，思考如何利用 API 落地解决（本教程末尾还提供了更多资源）。

使用 OpenAI API 的最佳实践

当您已能较为熟练地动手使用 API 时，在将其用于项目之前，请注意以下最佳实践：

1. 了解 API 的定价

API 提供多种模型，能力与价格各不相同，采用按使用量付费的方式。费用按每 1,000 个 token 计费，token 本质上是词片段，1,000 个 token 约等于 750 个英文单词。您可以在OpenAI 定价页面查看最新价格。

注册后，您将获得 5 美元的免费额度，可在前三个月内使用。这样，您可以先完成教程、加深对 API 的理解，再决定是否付费。

2. 保护您的 API 密钥

请不要将 API 密钥硬编码在应用源代码中，而应使用环境变量来存储与读取密钥，这样更安全。

在团队环境中，硬编码的密钥也很难管理。如果需要轮换或更换密钥，必须在源代码中查找并更新所有实例。

3. 使用最新模型

当存在多个版本可选时，OpenAI 建议针对您的问题使用最新模型。这样做通常能获得更强的能力，但成本也可能更高。总体而言，值得在少量可用模型间进行试验，再结合成本与性能的权衡选择最契合您用例的模型。

4. 通过批处理高效利用 token 限制

批处理（Batching）是一种将多个任务合并到单次 API 请求中以统一高效处理的技术，而不是为每个任务单独发送请求。

OpenAI API 对每分钟请求次数（RPM）与每分钟可处理的 token 数（TPM）分别设有限制。如果您触达了 RPM 限制，但在 TPM 限制下仍有余量，批处理可以帮助更高效地利用这部分容量。

通过将多个小任务合并为一次请求，您可以减少总请求数，同时在单个请求中处理更多 token，从而既保持在速率限制之内，又优化成本。

结语

如果您是数据科学领域的新手，过去也许很少接触 API。这在以前很常见，但随着 OpenAI 等公司在 AI 领域的快速发展与能力提升，学会如何通过 API 高效使用其预训练模型（以及进行微调）已成为每位数据科学家的必备技能，可节省时间、成本与其他资源。

本教程介绍了 OpenAI、其 API，以及一些常见的行业用例；同时带您完成了 OpenAI API 的动手上手，并给出了相关最佳实践。

下一步，您可以通过以下教程进一步拓展对 OpenAI API 的认识：

• OpenAI API（Python）速查表
• 通过 OpenAI API 在 Python 中使用 GPT-3.5 与 GPT-4
• OpenAI API 文本嵌入入门
• OpenAI 函数调用教程

如果您更喜欢有指导的学习路径，并希望配合本教程进行动手实践，欢迎查看我们的《使用 OpenAI API 开发》课程。