ChatCompletion是OpenAI中最核心的一个接口，顾名思义，你可以利用该接口构建自己的应用，用在与AI有交互的场景，例如聊天机器人、智能客服等，该接口具有连续对话的能力，因为它可以携带上下文信息。
接口
https://api.openai.com/v1/chat/completions
请求参数
| 参数名 | 必选 | 类型 | 说明 |
|---|---|---|---|
| model | 是 | string | 支持的模型为：gpt-4, gpt-3.5-turbo, gpt-3.5-turbo-0301 |
| messages | 是 | array | 字典组成的列表对象 |
| temperature | 否 | float | 采样温度，随机因子，控制输出结果的随机性，介于0到2之间，值越大随机性越高，默认为1 |
| max_tokens | 否 | integer | 指定返回结果的token最大长度，默认是最大值，不同模型的最大token数不一样，例如gpt-3.5的最大长度支持4096 |
messages 是一个数组，数组中的元素是一个字典对象，包含两个必选字段，分别是role和content
| 参数名 | 必选 | 类型 | 说明 |
|---|---|---|---|
| role | 是 | string | 该条消息由哪个角色生成，可选值：system, user, assistant |
| content | 是 | string | 该条消息对应的内容 |
为什么messages要作为一个数组参数传递呢？
因为我们实现多轮对话时，必须把上一轮的对话内容传递给模型，模型才知道如何联系上下文来生成更精确的内容。
角色
message中每个元素必须指定一个角色，用来告诉该消息是谁生成的，目前该接口预设了3个值，分别是：
- system:系统角色 ，用来设置机器人的行为
- user：用户角色，和AI对话的用户
- assistant：助理角色，AI机器人
通常每次对话以一条系统消息作为开始（系统消息也可以不指定），然后用户消息和助理消息交替
Python代码：
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[
{"role": "system", "content": "你是一个上知天文下知地理的百晓生"},
{"role": "user", "content": "中国首都在哪里"},
{"role": "assistant", "content": " 中国的首都是北京。"},
{"role": "user", "content": "人口是多少？"}
],
temperature=0.6
)
助理消息是上一轮对话AI生成的内容，提取出来后作为下一轮的消息内容发送给AI，这样就可以实现多轮对话联系上下文语境生成内容。
响应内容
{
"choices": [
{
"finish_reason": "stop",
"index": 0,
"message": {
"content": "根据2020年的统计数据，北京市的常住人口为2171.6万人。",
"role": "assistant"
}
}
],
"created": 1683639817,
"id": "chatcmpl-7EHuru5wKKpZ2CsEfjVa2z11DzqhJ",
"model": "gpt-3.5-turbo-0301",
"object": "chat.completion",
"usage": {
"completion_tokens": 27,
"prompt_tokens": 486,
"total_tokens": 513
}
}
助理回复的内容可以从response['choices'][0]['message']['content']提取。
完整文档：https://platform.openai.com/docs/guides/chat/introduction
关注公众号「Python之禅」，回复「1024」免费获取Python资源
