当前位置： 首页 > news >正文

新手如何用Python调用中转API搭建ChatGPT聊天应用？

news 2026/5/12 7:24:23
新手如何用Python调用中转API搭建ChatGPT聊天应用？

你是否遇到过这样的场景？
想把 ChatGPT 接入自己的应用，却被模型限制、价格波动、接口差异搞得一头雾水；
刚写好的代码，换一个模型就要重构一遍；
好不容易跑通了，又发现前端、后端、流式输出全都要重新适配。

现在，这些问题可以用一个“中转 API”一次性解决。

本教程将手把手带你使用神马中转API兼容 OpenAI Chat Completions 的中转 API，通过 Python 快速部署一个可切换多模型的 ChatGPT 应用。无论你使用的是 OpenAI、Claude、Gemini、DeepSeek，还是其他对话模型，只需要 一个统一接口、一套请求格式，就能完成调用。

中转API部署ChatGPT应用Python开发调用请求代码示例

这套中转API是什么

这套神马中转API接口兼容 OpenAI 的 Chat Completions 格式：你只需要在请求体里改 model，就可以切换 OpenAI / Claude / Gemini / DeepSeek / Grok / Qwen 等模型。 

你给的接口是 Chat(聊天)：

  • 方法：POST

  • 路径：/v1/chat/completions 

准备工作：Base URL 与 API Key

文档说明：

  • BaseURL：通常是神马中转API域名，也可以在工作台页面查看

  • API key：在令牌页面获取 

你可以把它们放到环境变量里（推荐）：

export GPT_BEST_BASE_URL="你的BaseURL（例如：https://api.whatai.cc）"
export GPT_BEST_API_KEY="你的API_KEY"

按文档拼请求：Header + Body

 Header

文档示例里用的是：

  • Accept: application/json

  • Authorization: Bearer {{YOUR_API_KEY}}

  • Content-Type: application/json 

Body

请求体（application/json）文档示例包含这些字段：model、messages、temperature、top_p、n、stream、stop、max_tokens、presence_penalty、frequency_penalty、logit_bias、user、response_format、seen、tools、tool_choice。 

最小可用通常是 model + messages，其他按需加。

Python同步请求示例（requests）

import os
import requestsBASE_URL = os.getenv("GPT_BEST_BASE_URL")  # 你的 BaseURL，https://api.whatai.cc)
API_KEY = os.getenv("GPT_BEST_API_KEY")if not BASE_URL or not API_KEY:raise RuntimeError("请先设置 GPT_BEST_BASE_URL 和 GPT_BEST_API_KEY 环境变量")url = f"{BASE_URL.rstrip('/')}/v1/chat/completions"  # 接口路径  headers = {"Accept": "application/json","Authorization": f"Bearer {API_KEY}",  # Bearer 方式  "Content-Type": "application/json",
}payload = {"model": "gpt-4o-mini",  # 按需替换成你要用的模型名"messages": [{"role": "system", "content": "你是一个严谨的编程助手。"},{"role": "user", "content": "用Python写一个快速排序，并解释时间复杂度。"},],"temperature": 0.7,"top_p": 1,"n": 1,"stream": False,  # 非流式"max_tokens": 800,
}resp = requests.post(url, headers=headers, json=payload, timeout=60)
resp.raise_for_status()data = resp.json()
# 返回格式示例：choices[0].message.content 
print(data["choices"][0]["message"]["content"])
print("usage:", data.get("usage"))

Python流式输出示例（stream=true）

文档请求体里有 stream: true 字段示例。 

流式一般是服务端不断返回分片（常见是 SSE：data: ...）。

import os
import json
import requestsBASE_URL = os.getenv("GPT_BEST_BASE_URL")
API_KEY = os.getenv("GPT_BEST_API_KEY")url = f"{BASE_URL.rstrip('/')}/v1/chat/completions"headers = {"Accept": "application/json","Authorization": f"Bearer {API_KEY}","Content-Type": "application/json",
}payload = {"model": "gpt-4o-mini","messages": [{"role": "user", "content": "请用三句话解释什么是递归，并给一个Python例子。"}],"stream": True,  # 流式 "temperature": 0.6,
}with requests.post(url, headers=headers, json=payload, stream=True, timeout=60) as r:r.raise_for_status()for line in r.iter_lines(decode_unicode=True):if not line:continue# 常见 SSE 行：data: {...} 或 data: [DONE]if line.startswith("data:"):line = line[len("data:"):].strip()if line == "[DONE]":breaktry:chunk = json.loads(line)except json.JSONDecodeError:# 如果服务端不是 SSE 格式而是纯JSON片段，可在这里按需兼容continue# OpenAI 风格流式：choices[0].delta.contentdelta = chunk.get("choices", [{}])[0].get("delta", {})content = delta.get("content")if content:print(content, end="", flush=True)print()  # 换行

“部署一个 ChatGPT 应用”的最小后端：FastAPI转发（可选）

这个小服务做两件事：

  1. 接收你自己的前端请求

  2. 转发到中转 API 的 /v1/chat/completions（仍然保持文档要求的 Header/Body 结构）  

import os
import requests
from fastapi import FastAPI, HTTPException
from pydantic import BaseModelBASE_URL = os.getenv("GPT_BEST_BASE_URL")
API_KEY = os.getenv("GPT_BEST_API_KEY")app = FastAPI()class ChatReq(BaseModel):model: strmessages: listtemperature: float | None = Nonetop_p: float | None = Nonen: int | None = Nonestream: bool | None = Nonestop: str | None = Nonemax_tokens: int | None = Nonepresence_penalty: float | None = Nonefrequency_penalty: float | None = Nonelogit_bias: dict | None = Noneuser: str | None = Noneresponse_format: dict | None = Noneseen: int | None = Nonetools: list | None = Nonetool_choice: dict | None = None@app.post("/chat")
def chat(req: ChatReq):if not BASE_URL or not API_KEY:raise HTTPException(status_code=500, detail="Missing GPT_BEST_BASE_URL / GPT_BEST_API_KEY")url = f"{BASE_URL.rstrip('/')}/v1/chat/completions"  #headers = {"Accept": "application/json","Authorization": f"Bearer {API_KEY}",  # "Content-Type": "application/json",}resp = requests.post(url, headers=headers, json=req.model_dump(exclude_none=True), timeout=60)if resp.status_code != 200:raise HTTPException(status_code=resp.status_code, detail=resp.text)return resp.json()

启动（示例）：

uvicorn your_file_name:app --host 0.0.0.0 --port 8000

返回结果怎么看

文档给的返回示例结构是：

  • choices: 数组

  • choices[0].message.role/content

  • usage.prompt_tokens / completion_tokens / total_tokens 

你在 Python 里通常取：

data["choices"][0]["message"]["content"]