介绍 Introduction
您可以通过来自任何语言的 HTTP 请求、我们的官方 Python 绑定、我们的官方 Node.js 库或社区维护的库与 API 进行交互。
若要安装官方 Python 绑定，请运行以下命令：
pip install openai要安装官方的 Node.js 库，请在 Node.js 项目目录中运行以下命令：
npm install openai认证
OpenAI API 使用 API 密钥进行身份验证。访问您的 API 密钥页面，检索您将在请求中使用的 API 密钥https://platform.openai.com/account/api-keys。
请记住，您的API密钥是一个秘密！不要与他人共享或在任何客户端代码（浏览器、应用程序）中公开它。生产请求必须通过您自己的后端服务器进行路由，在该服务器上，可以从环境变量或密钥管理服务安全地加载 API 密钥。
所有 API 请求都应在 HTTP 标头中包含您的 API 密钥，如下所示：Authorization
Authorization: Bearer OPENAI_API_KEY请求组织
对于属于多个组织的用户，您可以传递标头以指定用于 API 请求的组织。这些 API 请求的使用量将计入指定组织的订阅配额。
示例 curl 命令：
curl https://api.openai.com/v1/models \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "OpenAI-Organization: org-9IDA3AdSqPmLz47IRWkb82tK"Python 包的示例：openai
import os
import openai
openai.organization = "org-9IDA3AdSqPmLz47IRWkb82tK"
openai.api_key = os.getenv("OPENAI_API_KEY")
openai.Model.list()Node.js 包的示例：openai
import { Configuration, OpenAIApi } from "openai";
const configuration = new Configuration({
organization: "org-9IDA3AdSqPmLz47IRWkb82tK",
apiKey: process.env.OPENAI_API_KEY,
});
const openai = new OpenAIApi(configuration);
const response = await openai.listEngines();提出请求 Making requests
您可以将以下命令粘贴到终端中以运行您的第一个 API 请求。确保替换为您的私有 API 密钥。$OPENAI_API_KEY
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": "Say this is a test!"}],
"temperature": 0.7
}'此请求查询模型以完成以提示“说这是一个测试”开头的文本。您应该收到类似于以下内容的回复：gpt-3.5-turbo
{
"id":"chatcmpl-abc123",
"object":"chat.completion",
"created":1677858242,
"model":"gpt-3.5-turbo-0301",
"usage":{
"prompt_tokens":13,
"completion_tokens":7,
"total_tokens":20
},
"choices":[
{
"message":{
"role":"assistant",
"content":"\n\nThis is a test!"
},
"finish_reason":"stop",
"index":0
}
]
}现在，您已经生成了第一个聊天完成。我们可以看到 is 这意味着 API 返回了模型生成的完整完成。在上面的请求中，我们只生成了一条消息，但您可以设置参数以生成多条消息选项。在此示例中，用于更多传统的文本完成任务。该模型还针对聊天应用程序进行了优化。finish_reasonstopngpt-3.5-turbo
模型 Models
列出并描述 API 中可用的各种模型。您可以参考模型文档以了解可用的模型以及它们之间的差异。
列出模型 List models
GET https://api.openai.com/v1/models
列出当前可用的模型，并提供有关每个模型的基本信息，例如所有者和可用性。
示例请求
curl https://api.openai.com/v1/models \
-H "Authorization: Bearer $OPENAI_API_KEY"
响应
{
"data": [
{
"id": "model-id-0",
"object": "model",
"owned_by": "organization-owner",
"permission": [...]
},
{
"id": "model-id-1",
"object": "model",
"owned_by": "organization-owner",
"permission": [...]
},
{
"id": "model-id-2",
"object": "model",
"owned_by": "openai",
"permission": [...]
},
],
"object": "list"
}检索模型 Retrieve model
GET https://api.openai.com/v1/models/{模型}
检索模型实例，提供有关模型的基本信息，例如所有者和权限。
示例请求
text-davinci-003
curl https://api.openai.com/v1/models/text-davinci-003 \
-H "Authorization: Bearer $OPENAI_API_KEY"路径参数
模型 model
string
必填
用于此请求的模型的 ID
响应
{
"id": "text-davinci-003",
"object": "model",
"owned_by": "openai",
"permission": [...]
}补全 Completions
给定提示，模型将返回一个或多个预测完成，还可以返回每个位置的替代令牌的概率。
创建补全 Create completion
POST https://api.openai.com/v1/completions
为提供的提示和参数创建补全
//以text-davinci-003为例，下同
示例请求
curl https://api.openai.com/v1/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-d '{
"model": "text-davinci-003",
"prompt": "Say this is a test",
"max_tokens": 7,
"temperature": 0
}'参数
{
"model": "text-davinci-003",
"prompt": "Say this is a test",
"max_tokens": 7,
"temperature": 0,
"top_p": 1,
"n": 1,
"stream": false,
"logprobs": null,
"stop": "\n"
}响应
{
"id": "cmpl-uqkvlQyYK7bGYrRHQ0eXlWi7",
"object": "text_completion",
"created": 1589478378,
"model": "text-davinci-003",
"choices": [
{
"text": "\n\nThis is indeed a test",
"index": 0,
"logprobs": null,
"finish_reason": "length"
}
],
"usage": {
"prompt_tokens": 5,
"completion_tokens": 7,
"total_tokens": 12
}
}请求正文
要使用的模型的 ID。可以使用列表模型 API 查看所有可用模型，或参阅模型概述了解它们的描述。
用于生成完成、编码为字符串、字符串数组、标记数组或标记数组数组的提示。
请注意，<|endoftext|> 是模型在训练期间看到的文档分隔符，因此如果未指定提示，模型将生成，就像从新文档的开头一样。
完成插入文本后的后缀。
完成时要生成的最大令牌数。
提示加号的令牌计数不能超过模型的上下文长度。大多数模型的上下文长度为 2048 个令牌（最新模型除外，它支持 4096）。max_tokens
使用什么采样温度，介于 0 和 2 之间。较高的值（如 0.8）将使输出更加随机，而较低的值（如 0.2）将使其更加集中和确定。
我们通常建议更改此设置，但不要同时更改两者。top_p
使用温度采样的替代方法称为核心采样，其中模型考虑具有top_p概率质量的令牌的结果。因此，0.1 意味着只考虑包含前 10% 概率质量的代币。
我们通常建议更改此设置，但不要同时更改两者。temperature
为每个提示生成的完成次数。
注意：由于此参数会生成许多完成，因此它会快速消耗令牌配额。请谨慎使用，并确保对 和 进行合理的设置。max_tokensstop
是否流式传输回部分进度。如果设置，令牌将在可用时作为纯数据服务器发送的事件发送，流由消息终止。data: [DONE]
包括最可能的令牌的日志概率，以及所选令牌。例如，如果为 5，则 API 将返回 5 个最可能的令牌的列表。API 将始终返回采样令牌的 ，因此响应中最多可能有元素。logprobslogprobslogproblogprobs+1
的最大值为 5。如果您需要更多，请通过我们的帮助中心与我们联系并描述您的使用案例。logprobs
除了完成之外，还回显提示
最多 4 个序列，其中 API 将停止生成更多令牌。返回的文本将不包含停止序列。
介于 -2.0 和 2.0 之间的数字。正值会根据新标记到目前为止是否出现在文本中来惩罚它们，从而增加模型讨论新主题的可能性。
查看有关频率和状态处罚的更多信息。
介于 -2.0 和 2.0 之间的数字。正值会根据新标记到目前为止在文本中的现有频率来惩罚新标记，从而降低模型逐字重复同一行的可能性。
查看有关频率和状态处罚的更多信息。
在服务器端生成完成并返回“最佳”（每个令牌的日志概率最高的那个）。无法流式传输结果。best_of
与 一起使用时，控制候选完成次数并指定要返回的完成次数 – 必须大于 。nbest_ofnbest_ofn
注意：由于此参数会生成许多完成，因此它会快速消耗令牌配额。请谨慎使用，并确保对 和 进行合理的设置。max_tokensstop
修改完成中出现指定令牌的可能性。
接受将令牌（由其在 GPT 标记器中的令牌 ID 指定）映射到 -100 到 100 之间的关联偏差值的 json 对象。您可以使用此分词器工具（适用于 GPT-2 和 GPT-3）将文本转换为令牌 ID。在数学上，偏差在采样之前被添加到模型生成的对数中。确切的效果因模型而异，但介于 -1 和 1 之间的值应降低或增加选择的可能性;像 -100 或 100 这样的值应该会导致禁止或排他性选择相关令牌。
例如，您可以传递以防止生成 <|endoftext|> 令牌。{"50256": -100}
代表最终用户的唯一标识符，可帮助 OpenAI 监控和检测滥用行为。了解更多。
聊天 Chat
给定聊天对话，模型将返回聊天完成响应。
创建聊天补全 Create chat completion
POST https://api.openai.com/v1/chat/completions
为聊天消息创建补全
实例请求
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!"}]
}'参数
{
"model": "gpt-3.5-turbo",
"messages": [{"role": "user", "content": "Hello!"}]
}
响应
{
"id": "chatcmpl-123",
"object": "chat.completion",
"created": 1677652288,
"choices": [{
"index": 0,
"message": {
"role": "assistant",
"content": "\n\nHello there, how may I assist you today?",
},
"finish_reason": "stop"
}],
"usage": {
"prompt_tokens": 9,
"completion_tokens": 12,
"total_tokens": 21
}
}
请求正文
要使用的模型的 ID。有关哪些模型与聊天 API 配合使用的详细信息，请参阅模型终端节点兼容性表。
要为其生成聊天完成的消息，采用聊天格式。
使用什么采样温度，介于 0 和 2 之间。较高的值（如 0.8）将使输出更加随机，而较低的值（如 0.2）将使其更加集中和确定。
我们通常建议更改此设置，但不要同时更改两者。top_p
使用温度采样的替代方法称为核心采样，其中模型考虑具有top_p概率质量的令牌的结果。因此，0.1 意味着只考虑包含前 10% 概率质量的代币。文章来源：https://www.toymoban.com/news/detail-425532.html
我们通常建议更改此设置，但不要同时更改两者。temperature
要为每个输入消息生成的聊天完成选项数。
如果设置，将发送部分消息增量，就像在 ChatGPT 中一样。令牌将在可用时作为纯数据服务器发送的事件发送，流由消息终止。有关示例代码，请参阅 OpenAI 说明书。data: [DONE]
最多 4 个序列，其中 API 将停止生成更多令牌。
要在聊天完成中生成的最大令牌数。
输入令牌和生成的令牌的总长度受模型上下文长度的限制。
介于 -2.0 和 2.0 之间的数字。正值会根据新标记到目前为止是否出现在文本中来惩罚它们，从而增加模型讨论新主题的可能性。
查看有关频率和状态处罚的更多信息。
介于 -2.0 和 2.0 之间的数字。正值会根据新标记到目前为止在文本中的现有频率来惩罚新标记，从而降低模型逐字重复同一行的可能性。
查看有关频率和状态处罚的更多信息。
修改完成中出现指定令牌的可能性。
接受将令牌（由其在分词器中的令牌 ID 指定）映射到 -100 到 100 之间的关联偏差值的 json 对象。在数学上，偏差在采样之前被添加到模型生成的对数中。确切的效果因模型而异，但介于 -1 和 1 之间的值应降低或增加选择的可能性;像 -100 或 100 这样的值应该会导致禁止或排他性选择相关令牌。
代表最终用户的唯一标识符，可帮助 OpenAI 监控和检测滥用行为。了解更多。
编辑
给定提示和指令，模型将返回提示的编辑版本。
创建编辑
发布 https://api.openai.com/v1/edits
为提供的输入、指令和参数创建新的编辑。
示例请求
curl https://api.openai.com/v1/edits \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-d '{
"model": "text-davinci-edit-001",
"input": "What day of the wek is it?",
"instruction": "Fix the spelling mistakes"
}'参数
{
"model": "text-davinci-edit-001",
"input": "What day of the wek is it?",
"instruction": "Fix the spelling mistakes",
}响应
{
"object": "edit",
"created": 1589478378,
"choices": [
{
"text": "What day of the week is it?",
"index": 0,
}
],
"usage": {
"prompt_tokens": 25,
"completion_tokens": 32,
"total_tokens": 57
}
}请求正文
要使用的模型的 ID。可以将 or 用于此终结点。text-davinci-edit-001code-davinci-edit-001
要用作编辑起点的输入文本。
告知模型如何编辑提示的说明。
要为输入和指令生成的编辑次数。
使用什么采样温度，介于 0 和 2 之间。较高的值（如 0.8）将使输出更加随机，而较低的值（如 0.2）将使其更加集中和确定。
我们通常建议更改此设置，但不要同时更改两者。top_p
使用温度采样的替代方法称为核心采样，其中模型考虑具有top_p概率质量的令牌的结果。因此，0.1 意味着只考虑包含前 10% 概率质量的代币。
我们通常建议更改此设置，但不要同时更改两者。文章来源地址https://www.toymoban.com/news/detail-425532.html
到了这里，关于OpenAI 接口文档-(中文版)-（一）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
