如何配置 OpenAI 环境变量

简介: 如何配置 OpenAI 环境变量
  1. 配置 OpenAI 环境变量
  2. 操作步骤
  1. 本地创建一个新文件夹(文件夹命名最好是英文、文件夹内无其他文件)
  2. 打开编辑器(VScode)→打开刚才创建的「文件夹」
  3. 在项目文件夹里,创建一个名为.env的文件
  1. 不是 .env.py
  2. 不是 xxx.env
  3. .env文件确认要保存(MacOS系统: command+s)
  4. VSCode 编辑器,看一下当前文件上面是否有小圆点,如果有代表没有保存
  1. 输入如下代码
  1. sk-xxx 使用自己的 key 替换
  2. OPENAI_BASE_URL
  1. 不是 OPENAI_API_BASE
  2. 不是 OPENAI_API_URL
  3. OPENAI_BASE_URL的值是 https://api.fe8.cn/v1/v1不要漏掉)
  4. OPENAI_BASE_URL是访问 OpenAI 的代理跳板,已解决网络通道问题
OPENAI_API_KEY="sk-xxx"
OPENAI_BASE_URL="https://api.fe8.cn/v1"
  1. 注意事项
  1. 关闭:梯子、魔法、科学上网
  2. 无需在命令行或 Windows 的全局环境配置变量
  1. 安装包 pip
  2. 安装项目依赖的包
  1. MacOS 系统
pip3 install python-dotenv openai    
  1. Windows 系统
pip install python-dotenv openai    
  1. 创建源代码文件
  2. 编辑器(VSCode)里,新建名为 index.py 的文件
  3. 复制如下代码在 index.py 文件中
import os
from openai import OpenAI
# 加载 .env 到环境变量
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())
# 配置 OpenAI 服务  
client = OpenAI()
response = client.chat.completions.create(
    messages=[
        {
            "role": "user",
            "content": "讲个笑话",
        }
    ],
    model="gpt-3.5-turbo",
)
print(response)
# print(print(response.choices[0].message.content))  # 更具体的的打印
  1. 运行代码,在index.py的文件,运行 Python 代码
  1. 保存 .env文件
  2. 确保为最新的 Python 版本
  3. 查看运行代码结果
目录
相关文章
|
Unix Linux 数据安全/隐私保护
超好用!5款完全免费、支持全平台的笔记软件
好记忆不如一个烂笔头,对于这句话,我深以为然。 我觉得养成做笔记的习惯,对于工作和学习都能够提供很大的帮助。
超好用!5款完全免费、支持全平台的笔记软件
pip镜像源大全及配置
在中国使用pip时,可以配置国内镜像源来提高安装速度和稳定性。以下是一些常见的国内镜像源:
21274 0
|
11月前
|
JSON 测试技术 API
大模型工程师基础之学会使用openai
本系列教程涵盖OpenAI API基础到高级应用,包括文本生成、图像处理、语音交互、会话管理、流式响应、文件输入、推理模型及性能评估等十大核心功能。适合新手入门与工程师实践,助您掌握大模型开发关键技术。从简单Prompt设计到复杂多模态任务,逐步深入,结合实例代码与最佳实践,提升实际开发能力。希望这些内容对您有帮助!
1429 11
|
11月前
|
JavaScript 中间件 测试技术
FastAPI全面指南:从入门到企业级应用实战
FastAPI正迅速成为Python Web开发领域的明星框架。它以高性能、高效率和现代化特性著称,性能媲美Go/Node.js,支持异步编程并内置自动化文档系统。本文全面解析FastAPI核心功能,包括类型安全路由、Pydantic数据验证、异步支持等,并通过实战案例展示其在RESTful API开发、微服务架构、实时数据处理及机器学习模型部署中的应用。同时,文章提供数据库集成、中间件配置和测试策略等最佳实践,解决常见问题并展望未来技术发展方向。掌握FastAPI,助你构建高效现代化Web应用。
1817 1
|
10月前
|
人工智能 Cloud Native Java
2025 开源之夏开启报名|AI + 云原生,10个开源项目、24个课题任您挑选
“开源之夏”是由中国科学院软件研究所发起的暑期活动,旨在鼓励高校学生参与开源软件开发与维护。活动联合各大开源社区提供项目任务,面向全球年满18周岁的高校学生开放报名。每位学生最多可申请一个项目。阿里云云原生提报了包括Apache Dubbo、RocketMQ、Seata等在内的10个开源项目共24个课题,涵盖技术优化、功能实现及AI应用等领域。活动流程包括选题、申请、开发与结项考核,具体信息可访问官网了解。
2839 32
|
人工智能
LangGraph:构建多代理动态工作流的开源框架,支持人工干预、循环、持久性等复杂工作流自动化
LangGraph 是一个基于图结构的开源框架,专为构建状态化、多代理系统设计,支持循环、持久性和人工干预,适用于复杂的工作流自动化。
2251 12
LangGraph:构建多代理动态工作流的开源框架,支持人工干预、循环、持久性等复杂工作流自动化
|
10月前
|
机器学习/深度学习 传感器 人工智能
《告别单一智能:神经符号混合系统驱动推理能力的跨界融合》
神经符号混合系统融合了神经网络与符号推理的优势,旨在赋予智能体大模型媲美人类的推理能力。神经网络擅长从数据中学习特征,但决策过程缺乏可解释性;符号推理基于规则和逻辑,具有高度可解释性,却难以应对复杂不确定性。神经符号混合系统通过结合两者,不仅提升了知识表示、推理决策和泛化能力,还在自动驾驶、金融预测、科学研究、智能教育和工业制造等领域展现出广泛应用前景。尽管当前仍面临模块融合与成本等挑战,但其发展潜力巨大,有望推动人工智能迈向更高水平,助力解决更多复杂现实问题。
477 10
《告别单一智能:神经符号混合系统驱动推理能力的跨界融合》
|
XML 人工智能 文字识别
Mobile-Agent:通过视觉感知实现自动化手机操作,支持多应用跨平台
Mobile-Agent 是一款基于多模态大语言模型的智能代理,能够通过视觉感知自主完成复杂的移动设备操作任务,支持跨应用操作和纯视觉解决方案。
5596 10
Mobile-Agent:通过视觉感知实现自动化手机操作,支持多应用跨平台

热门文章

最新文章