当前位置：首页 > news >正文

第31篇：从API到应用——调用OpenAI等接口，开发你的AI小工具（操作教程）

news 2026/4/20 8:39:12

文章目录

- 前言
- 环境准备
- 分步操作
- - 第一步：安全地管理你的API密钥
  - 第二步：编写你的第一个API调用
  - 第三步：构建文章总结小工具
  - 第四步：增加实用功能——从文件读取和保存结果
- 完整代码与使用
- 踩坑提示
- 总结

前言

在AI浪潮里滚了几年，我发现一个很有意思的现象：很多朋友对ChatGPT、Midjourney这些AI应用背后的技术既好奇又觉得高深莫测。他们觉得开发一个AI工具，得是顶尖算法工程师才能干的事。其实不然，现在各大AI厂商都提供了成熟易用的API接口，我们完全可以把它们当作“乐高积木”，快速搭建出属于自己的AI应用。今天，我就以调用OpenAI的API为例，带你从零开始，亲手开发一个能帮你总结长文章的AI小工具。这个过程，就像你学会了用一个功能强大的“瑞士军刀”，很多创意就能落地了。

环境准备

工欲善其事，必先利其器。在开始敲代码之前，我们需要准备好三样东西：

一个可用的API密钥：这是你调用AI服务的“通行证”。以OpenAI为例，你需要去其官网注册账号，并在后台生成一个API Key。切记，这个Key要像保护密码一样保护起来，绝对不能提交到公开的代码仓库（如GitHub）。我早期就犯过这个低级错误，导致密钥泄露，产生了不必要的费用。
Python环境：这是我们的主要开发语言。建议使用Python 3.7及以上版本。如果你还没安装，可以去Python官网下载。
必要的Python库：我们将主要使用openai这个官方库来调用接口，用python-dotenv来安全地管理我们的API密钥。在终端或命令行中执行以下命令安装：
```
pipinstallopenai python-dotenv
```

分步操作

第一步：安全地管理你的API密钥

在项目根目录下，创建一个名为.env的文件。这个文件用来存放你的敏感信息，并且通常会被.gitignore文件忽略，避免误上传。
在.env文件中写入：

OPENAI_API_KEY=你的真实API密钥

然后，在Python代码中，我们通过python-dotenv来安全地读取它。

第二步：编写你的第一个API调用

创建一个Python文件，比如叫ai_summarizer.py。让我们先写一个最简单的调用，测试一下连接是否通畅。

# ai_summarizer.pyimportosfromopenaiimportOpenAIfromdotenvimportload_dotenv# 1. 加载 .env 文件中的环境变量load_dotenv()# 2. 初始化OpenAI客户端，它会自动从环境变量`OPENAI_API_KEY`中读取密钥client=OpenAI(api_key=os.getenv('OPENAI_API_KEY'))# 3. 定义我们要提问的内容prompt_text="用一句话解释什么是人工智能。"# 4. 调用Chat Completions APItry:response=client.chat.completions.create(model="gpt-3.5-turbo",# 指定模型，也可以用 gpt-4 等messages=[{"role":"user","content":prompt_text}],max_tokens=100,# 限制回复的最大长度temperature=0.7,# 控制回复的随机性，0-2之间，越高越随机)# 5. 打印AI的回复answer=response.choices[0].message.contentprint("AI的回答：",answer)exceptExceptionase:print(f"调用API时出错：{e}")

运行这个脚本，如果一切顺利，你会看到AI对你问题的回答。恭喜你，你已经成功叩开了AI应用开发的大门！

第三步：构建文章总结小工具

现在，我们来升级代码，实现核心功能：输入一篇长文章，输出总结。

这里的关键在于设计一个有效的提示词（Prompt）。好的Prompt能极大地提升AI回复的质量。对于总结任务，我们可以这样设计：

# ai_summarizer.py (功能升级版)importosfromopenaiimportOpenAIfromdotenvimportload_dotenv load_dotenv()client=OpenAI(api_key=os.getenv('OPENAI_API_KEY'))defsummarize_article(article_text):""" 总结长文章的函数 :param article_text: 输入的文章文本 :return: 总结后的文本 """# 精心设计的Prompt，明确指示AI的角色和任务system_prompt="你是一个专业的文本总结助手。你的任务是将用户提供的长文章，提炼出核心观点，生成一段简洁、连贯的摘要。摘要应保留原文的关键信息和逻辑。"try:response=client.chat.completions.create(model="gpt-3.5-turbo",messages=[{"role":"system","content":system_prompt},# 系统指令，设定AI角色{"role":"user","content":f"请总结以下文章：\n\n{article_text}"}],max_tokens=300,# 总结可以稍长一些temperature=0.3,# 总结任务需要更高的确定性，温度设低一点)summary=response.choices[0].message.contentreturnsummaryexceptExceptionase:returnf"总结生成失败：{e}"# 示例：使用一篇（模拟的）长文章进行测试if__name__=="__main__":# 这里用一段模拟文本，实际应用中可以从文件、网页或数据库读取long_article=""" 人工智能（AI）是计算机科学的一个分支，旨在创造能够执行通常需要人类智能的任务的机器。 这些任务包括学习、推理、问题解决、感知和语言理解。AI的发展经历了多次浪潮，从早期的符号主义AI到现在的深度学习。 深度学习通过模拟人脑的神经网络结构，利用大量数据进行训练，在图像识别、自然语言处理等领域取得了突破性进展。 例如，GPT系列模型能够生成流畅的文本，而卷积神经网络（CNN）在图像分类上超越了人类水平。 AI技术正在深刻改变各行各业，从自动驾驶到医疗诊断，从金融风控到个性化推荐。 然而，AI也带来了伦理和社会挑战，如就业替代、算法偏见和隐私问题。未来，AI的发展需要技术创新与伦理规范并重。 """print("===== 原始文章 =====")print(long_article)print("\n===== AI 生成摘要 =====")result=summarize_article(long_article)print(result)

运行这段代码，AI就会为你生成一段精炼的摘要。你可以尝试更换long_article的内容，看看效果。

第四步：增加实用功能——从文件读取和保存结果

一个真正可用的工具，应该能处理外部文件。我们来增加从.txt文件读取文章，并把总结保存到新文件的功能。

# ai_summarizer.py (完整文件版)importosfromopenaiimportOpenAIfromdotenvimportload_dotenv load_dotenv()client=OpenAI(api_key=os.getenv('OPENAI_API_KEY'))defsummarize_article(article_text):system_prompt="你是一个专业的文本总结助手。你的任务是将用户提供的长文章，提炼出核心观点，生成一段简洁、连贯的摘要。摘要应保留原文的关键信息和逻辑。"try:response=client.chat.completions.create(model="gpt-3.5-turbo",messages=[{"role":"system","content":system_prompt},{"role":"user","content":f"请总结以下文章：\n\n{article_text}"}],max_tokens=300,temperature=0.3,)returnresponse.choices[0].message.contentexceptExceptionase:returnf"总结生成失败：{e}"defsummarize_file(input_file_path,output_file_path=None):""" 总结文本文件中的内容 :param input_file_path: 输入文件路径（.txt） :param output_file_path: 输出文件路径，默认为输入文件同目录下的‘summary_原文件名.txt’ """# 1. 读取文件内容try:withopen(input_file_path,'r',encoding='utf-8')asf:article_text=f.read()exceptFileNotFoundError:print(f"错误：找不到文件{input_file_path}")returnexceptExceptionase:print(f"读取文件时出错：{e}")return# 2. 调用总结函数print("正在生成摘要，请稍候...")summary=summarize_article(article_text)# 3. 处理输出路径ifoutput_file_pathisNone:base_name=os.path.basename(input_file_path)name_without_ext=os.path.splitext(base_name)[0]output_file_path=f"summary_{name_without_ext}.txt"# 4. 保存结果到文件try:withopen(output_file_path,'w',encoding='utf-8')asf:f.write(f"# 文章摘要\n\n")f.write(f"**原文文件**：{input_file_path}\n\n")f.write(f"**生成摘要**：\n{summary}")print(f"摘要已成功保存至：{output_file_path}")print(f"\n--- 摘要内容预览 ---\n{summary[:200]}...")# 预览前200个字符exceptExceptionase:print(f"保存结果文件时出错：{e}")# 使用示例if__name__=="__main__":# 假设你的项目目录下有一个 ‘article.txt’ 的文件input_file="article.txt"# 检查文件是否存在ifos.path.exists(input_file):summarize_file(input_file)else:print(f"示例文件{input_file}不存在。")print("请创建一个 ‘article.txt’ 文件，并在其中放入你想要总结的长文本。")# 或者，直接使用一个在线文章的URL，用requests库抓取内容，这里不展开

完整代码与使用

将上述第四步的代码保存为ai_summarizer.py，在相同目录下创建.env文件存放你的API密钥，再准备一个article.txt文件放入长文章。在终端运行：

python ai_summarizer.py

稍等片刻，你就会在目录下看到一个名为summary_article.txt的新文件，里面就是AI为你生成的摘要了。

踩坑提示

费用与速率限制：OpenAI API是按使用量（Token数）收费的，并且有每分钟的调用次数限制。在开发测试阶段，注意控制调用频率，避免意外产生高额账单。可以在OpenAI后台设置使用量上限。
网络问题：由于API服务器通常在海外，国内直接调用可能会超时或失败。一个常见的解决方案是使用一个可靠的代理。这不是本文重点，但你需要知道这个可能性。
Token超长：模型有上下文长度限制（例如gpt-3.5-turbo通常是4096个token）。如果你的文章太长，需要先进行切分，再分段总结，最后再合并。这是一个进阶话题。
Prompt工程：AI的输出质量极度依赖你的Prompt。如果结果不理想，不要急着怪模型，多调整你的指令。比如，加上“用中文输出”、“分点论述”、“不超过150字”等具体约束。