在 AI 應用開發的浪潮中，OpenAI 的大語言模型成為開發者實現創新功能的得力工具。其中，Text 模型和 Chat 模型作為核心接口，被廣泛應用于文本生成、對話交互等場景。本文將以 “為花店起名” 為實際需求，手把手教你如何安全調用這兩類模型，并深入解析關鍵參數，助你精準駕馭模型輸出。
一、API 密鑰安全配置：保護你的 AI 資源
在使用 OpenAI 模型前，獲取并正確配置 API 密鑰是關鍵的第一步。直接將密鑰硬編碼在代碼中，如openai.api_key = ‘你的Open API Key’，一旦代碼泄露，他人便可盜用你的 GPT 資源，存在極大安全隱患。更安全的做法是通過環境變量管理密鑰：
- Linux/macOS：在終端執行export OPENAI_API_KEY=‘你的Open API Key’
- Windows：使用set OPENAI_API_KEY=‘你的Open API Key’
此外，借助python-dotenv庫將密鑰存儲在.env文件中，通過代碼動態讀取，既能保證代碼整潔，又能降低密鑰暴露風險。
二、Text 模型調用實戰：指令驅動的文本生成
Text 模型（如gpt-3.5-turbo-instruct）適合處理直接的指令式任務，以花店命名為例，完整調用流程如下：
import os
from openai import OpenAI
# 配置API密鑰
os.environ["OPENAI_API_KEY"] = "你的OpenAI_API_Key"
client = OpenAI()
# 調用Text模型
response = client.completions.create(model="gpt-3.5-turbo-instruct",prompt="請給我的花店起個優雅且有創意的名字，需包含花卉元素，不超過5個字",temperature=0.7,max_tokens=100
)
print(response.choices[0].text.strip())
在上述代碼中，completions.create方法是調用核心，prompt參數傳遞明確指令；temperature設為 0.7，使生成結果在保證相關性的同時，兼具一定創意；max_tokens限制輸出長度，避免過度生成。運行代碼，可能得到 “花嶼”“馨蘭” 等簡潔優雅的店名。
三、Chat 模型調用實戰：模擬對話的智能交互
Chat 模型（如gpt-3.5-turbo）通過模擬多輪對話，能更好地理解上下文，適用于復雜交互場景。同樣以花店命名為例：
import os
from openai import OpenAI
os.environ["OPENAI_API_KEY"] = "你的OpenAI_API_Key"
client = OpenAI()
response = client.chat.completions.create(model="gpt-3.5-turbo",messages=[{"role": "system", "content": "你是一個富有創意的命名專家，擅長為花店起優雅且有創意的名字。"},{"role": "user", "content": "請給我的花店起個優雅且有創意的名字，需包含花卉元素，不超過5個字"}],temperature=0.7,max_tokens=100
)
print(response.choices[0].message.content.strip())
chat.completions.create方法通過messages參數傳遞對話角色和內容，system角色預設助手身份，user角色發送用戶需求。運行后，可能得到 “花語集”“花映” 等富有詩意的命名。
四、核心參數解析：精準控制模型輸出
- temperature（溫度）：取值范圍 0-2，數值越低，輸出越保守、確定性越高；數值越高，輸出越隨機、創意性越強。若需穩定結果，可設為 0.2；追求創意時，可提升至 0.8。
- max_tokens：限制模型生成的最大 token 數量，避免輸出冗長。需根據任務需求合理設置，一般短文本任務設為 100-200 即可。
- top_p：與 temperature 類似，用于控制輸出的隨機性，二者選其一使用。
通過本文的實戰演示，相信你已掌握 OpenAI Text 模型和 Chat 模型的調用方法。在實際應用中，可根據任務特性選擇合適的模型，并靈活調整參數，讓 AI 生成更貼合需求的優質內容。后續可嘗試將其應用于文案創作、智能客服等更多場景，探索大語言模型的無限可能。
以上文章詳細介紹了 OpenAI 模型調用。若你想了解其他模型應用、參數優化技巧，或者有新的創作方向，歡迎隨時告訴我。
此外，隨著OpenAI模型的不斷迭代升級，新的功能和特性也將陸續推出。持續關注官方文檔和社區動態，及時更新知識儲備，才能在AI開發領域始終保持領先，將大語言模型的能力發揮到極致。
往期回顧
LangChain系統安裝和快速入門
