网页设计实训报告设计思路_ip形象设计都包含什么_指数函数运算法则_杭州正规引流推广公司

前言

Flask作为一个轻量级的Python Web框架，凭借其简洁易用的特点，成为构建Web应用的理想选择。本文将通过一个具体的项目实例，全面讲解如何利用Flask与OpenAI API构建一个智能AI对话接口，适用于各种应用场景。

环境准备

以下是本教程中所需的基本环境和依赖：

• 操作系统：Windows、macOS或Linux均可
• 编程语言：Python 3.7及以上版本
• 开发工具：推荐使用VS Code、PyCharm等现代化IDE
• 依赖库：
  • Flask
  • Flask-CORS
  • openai

安装必要的库

在激活的虚拟环境中，安装项目所需的库：

pip install Flask 
pip install Flask-CORS 
pip install openai

生成OpenAI API

要使用OpenAI的GPT模型，首先需要获取API。

目前我了解到的OpenAI API KEY获取有两种方法。这个我们之前写过，有兴趣的可以看看：【OpenAI】获取OpenAI API Key的两种方式全攻略：从入门到精通，再到详解教程-CSDN

• OpenAI官网生成API Key

• CodeMoss生成API Key

代码实现详解

下面我们将逐步解析如何在app.py中实现智能对话接口。

导入必要的模块

首先，导入构建应用所需的库：

from flask import Flask, Response, request
from flask_cors import CORS
import openai

• Flask：核心框架，用于创建Web应用
• Flask-CORS：处理跨域资源共享，允许前端进行跨域请求
• openai：OpenAI的官方Python库，用于与GPT模型进行交互

创建Flask应用实例

接下来，创建Flask应用实例，并配置跨域请求：

app = Flask(__name__)
CORS(app, resources=r'/*')  # 允许所有来源的请求

• Flask(__name__)：创建一个Flask应用实例，__name__用于资源路径的定位
• CORS(app, resources=r'/*')：配置CORS，允许所有路径的跨域请求，确保前端应用能够正常访问API

配置OpenAI API

为了调用OpenAI API，建议使用环境变量来存储API KEY（目前为了演示demo所以我都放在一起了）

如果你是从OpenAI获取的API，那么只需要用下面的方式添加KEY就可以：

openai.api_key = os.getenv("OPENAI_API_KEY")

如果不是从OpenAI官方获取的，是从其他地方获取的，那么就需要注意baseURL的配置。因为不同的框架baseURL都是不一样。所以你要确认路径的拼接。

例如：
在python的源码里面，baseURL是自动拼接了v1。

所以我们在拼接的时候，也要注意咱们的baseURL是否自带v1，完整拼接如下：

api_key="",  # 替换为你的api_key
base_url="https://api.aihao123.cn/luomacode-api/open-api/v1"  # 替换为你获取的base_url，注意这里后面拼接了1个v1

完整代码如下（demo源码）

from flask import Flask, Response, request  # 导入Flask框架的相关模块
from flask_cors import CORS  # 导入CORS模块以处理跨域请求
from openai import OpenAI  # 导入OpenAI的API客户端app = Flask(__name__)  # 创建Flask应用实例
CORS(app, resources=r'/*')  # 启用CORS，允许所有来源的请求@app.route('/', methods=['GET', 'POST'])  # 定义根路由，支持GET和POST请求
def run():# 从请求中获取 JSON 数据中的 'content' 字段gpt_content = request.form.get('content')# 创建OpenAI客户端实例，使用API密钥和基础URLclient = OpenAI(api_key="",  # 替换为你的API密钥base_url="https://api.aihao123.cn/luomacode-api/open-api/v1"  # 替换为你的base_url。注意：我这里是用CodeMoss生成的base_url，所以api_key也要用CodeMoss的)# 调用OpenAI的聊天补全接口，传入用户消息response = client.chat.completions.create(messages=[{'role': 'user', 'content': gpt_content},  # 用户发送的消息],model='gpt-3.5-turbo',  # 使用的模型stream=True  # 启用流式响应)# 定义生成器函数，用于逐块返回响应内容def generate():for chunk in response:  # 遍历响应中的每个块yield chunk.choices[0].delta.content  # 逐块返回内容# 返回一个流式响应，内容类型为 'text/event-stream'return Response(generate(), content_type='text/event-stream')# 主程序入口
if __name__ == '__main__':app.run(host='0.0.0.0', port=8080, debug=False, threaded=True)  # 启动Flask应用

代码解析

1. 请求方法判断：根据请求的方法（GET或POST）执行不同的逻辑。
2. 获取请求数据：对于POST请求，从JSON数据中提取content字段，作为用户输入的对话内容。
3. 参数校验：确保用户提供了必要的content，否则返回400错误。

运行后我们会生成一个接口连接。默认情况下，运行后会是你的本地/局域网接口，你可以通过浏览器或Postman等工具进行测试。

利用Postman调用接口

教程到这里，就完整的结束了。快去试试吧！

了解更多AI内容

【OpenAI】（一）获取OpenAI API Key的多种方式全攻略：从入门到精通，再到详解教程！！

【VScode】（二）VSCode中的智能AI-GPT编程利器，全面揭秘CodeMoss & ChatGPT中文版

【CodeMoss】（三）集成13个种AI模型（GPT4、o1等）、支持Open API调用、自定义助手、文件上传等强大功能，助您提升工作效率！ >>> - CodeMoss & ChatGPT-AI中文版

结尾

希望本文对您有所帮助，祝您在技术探索的道路上不断前行，取得更多成就！