OpenAI API 调用教程：Python 集成指南

这篇教程适合谁

你会 Python，想调 OpenAI 的 API 做文本生成、图片生成、语音转文字等功能。本文从申请 Key 到代码实现，重点讲实际开发中的用法和坑。

不适合：完全没写过代码的读者。 最终产物：能用 Python 调 GPT-4o 做文本生成、流式输出、DALL-E 生图、Whisper 转写语音、Function Calling 工具调用。

环境假设

• Python 3.8+
• openai Python SDK（pip install openai）
• OpenAI 账号 + API Key
• 以当前常见版本为准，具体模型名和参数以 OpenAI 官方文档为准

申请 API Key

• 访问 OpenAI Platform
• 注册或登录
• API Keys → Create new secret key
• 保存好 Key

注意：OpenAI 的 API 服务在中国大陆直接访问可能不稳定，确保网络环境能稳定连接。可参考 海外 AI 工具使用指南。

基础文本生成

from openai import OpenAI
client = OpenAI(api_key="your-api-key")
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "你是一个专业的 AI 助手。"},
        {"role": "user", "content": "什么是机器学习？"}
    ],
    temperature=0.7,
    max_tokens=1000
)
print(response.choices[0].message.content)

temperature 怎么选：0 最确定（适合分类、提取），0.7 平衡（适合对话），1.0+ 更随机（适合创意写作）。Agent/RAG 场景一般用 0。

流式输出

stream = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "user", "content": "写一个 Python 快速排序"}
    ],
    stream=True
)
for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
print()

为什么用流式：GPT-4o 完整响应可能要等 2-5 秒，流式输出让用户更早看到内容，体感快很多。Web 应用几乎必开流式。

图片生成（DALL-E）

response = client.images.generate(
    model="dall-e-3",
    prompt="一只可爱的橘猫在阳光下打盹",
    size="1024x1024",
    quality="standard",
    n=1
)
image_url = response.data[0].url
print(f"图片 URL：{image_url}")

踩坑点：DALL-E 3 的 prompt 对中文支持一般。如果生成效果不好，试试用英文 prompt。

语音转文字（Whisper）

with open("audio.mp3", "rb") as audio_file:
    transcript = client.audio.transcriptions.create(
        model="whisper-1",
        file=audio_file,
        language="zh"
    )
print(transcript.text)

Whisper 的实际体验：中文转写质量不错，但长音频（>25MB）需要分片。API 有文件大小限制。

Function Calling

import json
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定城市的天气信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "城市名称"
                    }
                },
                "required": ["city"]
            }
        }
    }
]
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "北京天气怎么样？"}],
    tools=tools,
    tool_choice="auto"
)
message = response.choices[0].message
if message.tool_calls:
    tool_call = message.tool_calls[0]
    args = json.loads(tool_call.function.arguments)
    print(f"调用工具：{tool_call.function.name}")
    print(f"参数：{args}")
    # 执行实际工具逻辑，然后把结果返回给模型

Function Calling 的核心：description 和 parameters 的质量决定模型能不能正确调用。description 写不清楚，模型就选错工具或传错参数。

错误处理

from openai import APIError, RateLimitError
try:
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": "你好"}]
    )
except RateLimitError:
    print("请求过于频繁，请稍后重试")
except APIError as e:
    print(f"API 错误：{e}")

生产环境必须做的：加重试（tenacity 库很方便），设 timeout，记录错误日志。API 偶尔超时是正常的，不要因为一次超时就报错给用户。

成本控制

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "简短介绍一下自己"}],
    max_tokens=200
)

省钱技巧：

• 日常对话用 gpt-4o-mini（便宜很多），复杂推理再用 gpt-4o
• 设 max_tokens 防止输出过长
• System prompt 里要求"简洁回答"
• 缓存高频问题的回答

常见问题

API Key 无效

检查复制是否正确，账户是否有余额。

响应速度慢

用 gpt-4o-mini，减少 max_tokens，检查网络。

Token 超限

减少上下文长度，分段处理长文档。

下一步学习

• 对比 Claude API：Claude API 使用教程
• 构建 AI Agent：AI Agent 开发教程
• 搭建 RAG 应用：RAG 教程

---

本文最后更新于 2026-07-08。代码示例基于 openai Python SDK，请根据最新版本调整。