引言

随着大语言模型的火爆，越来越多的开发者希望将AI能力集成到自己的应用中。OpenAI 提供的 GPT 系列模型（如 GPT-3.5-turbo、GPT-4）是目前最流行的选择之一，通过简单的 API 调用，我们就可以让程序拥有智能对话的能力。

本文将带你从零开始，使用 Python 和 OpenAI API 构建一个命令行交互的聊天机器人。不需要任何前置的机器学习知识，只需基本的 Python 编程经验即可上手。我们将逐步完成环境配置、代码编写和运行测试，并讨论一些实用技巧和安全注意事项。

准备工作

1. 注册 OpenAI 账号并获取 API Key

• 访问 OpenAI 官网，注册账号（可能需要科学上网和国外手机号验证）。

• 登录后，进入 API Keys 页面，点击 Create new secret key，生成一个 API Key。请立即复制并保存好，因为关闭窗口后无法再次查看。

2. 安装 Python 环境

确保你的电脑上安装了 Python 3.7 或更高版本。可以在终端执行 python --version 检查。

3. 安装必要的 Python 库

我们将使用 OpenAI 官方提供的 Python 库 openai，以及用于管理环境变量的 python-dotenv（方便保存 API Key，避免硬编码在代码中）。

在终端执行以下命令：

bash

pip install openai python-dotenv

编写代码

1. 项目结构

创建一个新文件夹，例如 chatbot_demo，在其中创建两个文件：

• .env：存放 API Key 等敏感信息（不会被上传到 Git）

• chatbot.py：主程序代码

2. 设置环境变量

在 .env 文件中写入：

text

OPENAI_API_KEY=你的API密钥

将 你的API密钥 替换为你在 OpenAI 官网复制的密钥。

3. 编写聊天机器人代码

打开 chatbot.py，逐步输入以下代码。我会在代码块后详细解释每一部分的作用。

python

import os
from openai import OpenAI
from dotenv import load_dotenv

# 加载 .env 文件中的环境变量
load_dotenv()

# 从环境变量中读取 API Key
api_key = os.getenv("OPENAI_API_KEY")
if not api_key:
    raise ValueError("未找到 OPENAI_API_KEY，请检查 .env 文件")

# 初始化 OpenAI 客户端
client = OpenAI(api_key=api_key)

def chat_with_gpt(prompt, history=None):
    """
    向 GPT 发送消息，并返回回复内容
    :param prompt: 用户输入的当前消息
    :param history: 之前的对话历史（用于保持上下文）
    :return: GPT 的回复内容
    """
    if history is None:
        history = []

    # 构建消息列表
    messages = history.copy()
    messages.append({"role": "user", "content": prompt})

    try:
        # 调用 Chat Completion 接口
        response = client.chat.completions.create(
            model="gpt-3.5-turbo",   # 使用模型，也可以换成 gpt-4
            messages=messages,
            temperature=0.7,         # 控制回复的随机性，0~2之间
            max_tokens=500,          # 限制回复长度
            top_p=1,
            frequency_penalty=0,
            presence_penalty=0
        )

        # 提取回复内容
        reply = response.choices[0].message.content
        return reply, messages + [{"role": "assistant", "content": reply}]

    except Exception as e:
        print(f"API 调用出错: {e}")
        return None, history

def main():
    print("🤖 欢迎使用 AI 聊天机器人！输入 'quit' 或 'exit' 退出。")
    history = []   # 用于存储对话历史

    while True:
        user_input = input("\n👤 你: ").strip()
        if user_input.lower() in ["quit", "exit"]:
            print("👋 再见！")
            break
        if not user_input:
            continue

        reply, history = chat_with_gpt(user_input, history)
        if reply:
            print(f"🤖 助手: {reply}")

if __name__ == "__main__":
    main()

4. 代码详解

• 导入模块：os 用于读取环境变量，OpenAI 是官方客户端，load_dotenv 加载 .env 文件。

• 加载 API Key：使用 load_dotenv() 读取 .env 中的变量，然后通过 os.getenv 获取。如果未找到，抛出错误提示。

• 初始化客户端：OpenAI(api_key=api_key) 创建一个客户端实例，后续所有 API 调用都通过它进行。

• 核心对话函数 chat_with_gpt：

  • 参数 prompt 是用户当前输入，history 是之前的对话历史（由 {"role": "user", "content": "..."} 和 {"role": "assistant", "content": "..."} 组成的列表）。

  • 将当前用户消息追加到历史中，形成完整的 messages 列表。

  • 调用 client.chat.completions.create 方法，指定模型（这里用 gpt-3.5-turbo，成本较低且效果不错），以及其他参数（如 temperature 控制随机性，max_tokens 限制回复长度）。

  • 从返回的 response 中提取助手的回复内容，并返回新的对话历史（包含本次的问答）。

  • 如果发生异常（如网络问题、API 密钥错误等），打印错误并返回 None 和原历史。

• 主循环 main：

  • 打印欢迎信息，初始化空的历史列表。

  • 无限循环等待用户输入，输入 quit 或 exit 退出。

  • 将用户输入和当前历史传给 chat_with_gpt，得到回复和更新后的历史。

  • 打印助手的回复，然后继续下一轮对话。

运行测试

在终端中，切换到项目目录，执行：

bash

python chatbot.py

你将看到类似如下的交互界面：

text

🤖 欢迎使用 AI 聊天机器人！输入 'quit' 或 'exit' 退出。

👤 你: 你好，请问你是谁？
🤖 助手: 你好！我是基于 OpenAI GPT 模型的人工智能助手，可以回答你的问题、提供帮助或进行闲聊。有什么我可以帮你的吗？

👤 你: 请用中文介绍一下 Python 的特点
🤖 助手: Python 是一种高级编程语言，具有以下特点：
1. 简单易学：语法清晰简洁，适合初学者。
2. 解释型语言：无需编译，可直接运行。
3. 跨平台：可在 Windows、Linux、macOS 等多种系统上运行。
4. 丰富的库：拥有强大的标准库和第三方库，支持数据分析、Web 开发、人工智能等领域。
5. 动态类型：变量类型在运行时确定。
6. 面向对象：支持面向对象编程范式。
...
👤 你: quit
👋 再见！

你可以看到，机器人能够记住之前的对话上下文（比如你接着问“Python”时，它知道是延续前面的问题），这是因为我们在每次调用时都传入了 history，实现了多轮对话。

注意事项

1. API Key 安全：千万不要将 API Key 硬编码在代码中，更不要提交到公开仓库（如 GitHub）。我们使用 .env 文件并添加到 .gitignore 中是推荐做法。

2. 费用控制：OpenAI API 是按 token 计费的（输入+输出）。gpt-3.5-turbo 价格较低，但如果不加限制，长时间对话仍可能产生费用。你可以通过 max_tokens 限制每次回复长度，或者设置每月预算提醒。

3. 模型选择：gpt-3.5-turbo 适合大多数场景，gpt-4 更智能但价格更高、速度稍慢。根据需求选择。

4. 错误处理：网络波动、API 限流等都可能导致调用失败，代码中已包含基本的异常捕获，实际生产环境需要更完善的错误处理。

5. 上下文长度限制：每个模型都有最大 token 限制（如 4096 tokens）。如果对话历史过长，需要适当裁剪或总结，否则会超出限制。本示例未实现该功能，可以自行扩展。

扩展与优化

这个简单的聊天机器人已经具备了基本功能，但你可以进一步改进：

• 流式输出：使用 stream=True 参数让回复一个字一个字地显示，更像真人聊天。

• 接入 GUI：用 Tkinter、PyQt 或 Web 框架（Flask）做一个图形界面。

• 支持更多指令：例如清除历史、切换模型等。

• 长期记忆：将对话保存到数据库，以便下次启动时恢复上下文。

• 函数调用（Function Calling）：让模型可以调用外部工具，比如查询天气、计算器等。

结语

通过本文，你已经学会了如何使用 Python 和 OpenAI API 搭建一个属于自己的智能聊天机器人。整个过程简单直观，却打开了一扇通往 AI 应用开发的大门。你可以基于这个基础不断扩展，打造出更有趣、更实用的产品。

如果你在实践过程中遇到任何问题，欢迎在评论区留言交流。希望这篇文章对你有所帮助，祝你编码愉快！