全文共3000余字，预计阅读时间约15分钟 | 满满干货，建议收藏！
大模型开发(五)：实现Jupyter本地调用OpenAI API
OpenAI作为本轮大语言模型技术进步的先驱，其系列大型模型在效果上一直保持着领先。其推出的各类模型如文本模型、对话模型、嵌入模型、编码模型、图文模型及语音模型，构建了全面而丰富的模型生态圈。
另外，OpenAI的大语言模型能够在线进行推理和微调的模型，与那些需要在本地部署的开源模型相比，其在硬件需求、操作难度以及维护成本上都有明显优势。在许多实际开发情景中，OpenAI的在线大模型成为了首选方案。
本文先从如何实现本地调用OpneAI API流程开始！
一、 官网结构组成
OpenAI官网一定是最权威的帮助文档。给出了各类模型详细的参数解释、应用范例，而且还提供了在线调用和测试模型参数的页面。
同时由于需要根据实际调用API情况进行计费，因此查阅调用API计费规则、查阅账户余额以及及时充值，也是很有必要的！
OpenAI API官网地址
1.1 Documentation
其中要重点关注：
对于大模型来说多轮对话的累积输入文本的最大数量是有限的，超出这个限制就会导致之前的文本被逐渐遗忘。在Documentation页面，需要清楚了解每个模型的MAX TOKENS，表示输入的最大文本限制。
绝大多数模型的MAX TOKENS都是4096tokens，这类模型被称为4k模型，部分模型的MAX TOKENS都是16384tokens，这是一类最新更新的模型（6月13号更新的模型），且尾缀带有16k标志。
一个大概估算的规则是：4K个tokens约等于8000个单词，约4-5页PDF。
1.2 API reference
这个页面中详细讲解了各模型API的参数解释，是开发人员必不可少的说明手册
1.3 Playground
Playground页面相当于是网页端的大模型调用应用，可以在这里直接选择不同类型模型、选择不同的参数、输入不同的提示测试模型输出结果，并且这个页面还可以查看网页端操作对应的代码，整体操作流程非常便捷，也非常适合初学者进行零代码的大模型功能测试。
1.4 计费规则
OpenAI的在线大模型是通过个人API-Key在线验证的方式向OpenAI线上模型提交计算申请，并实时获取返回结果。因此，在实际调用OpenAI在线大模型会根据调用的不同模型、调用次数及输入输出文本数量进行计费，因此在使用时需要时刻关注费用支出情况。具体计费规则可以在Pricing页面查看
其中4K Model就表示MAX TOKENS=4096 tokens的模型，而16K模型则表示MAX TOKENS=16384 tokens的模型。
16K模型的费用是4K模型费用的两倍，其实也是因为16K模型需要有相比4K模型更大的“隐藏空间”容量，模型更加复杂，调用所需费用也更高。因此建议若非进行超大规模的多轮对话，应当尽量选择4K模型。
1.5 调用限制
在实际调用API的过程中，出于对计算资源的保护，OpenAI还限制了各模型API的每分钟请求最大次数（RPM：requests-per-minute）和每分钟Token通信量最大值（TPM：tokens-per-minute），这些限制可以在个人中心的Rate limits页面中进行查看
如果希望放宽限制，则可以填写申请表格，向官方申请提高限制上限。
申请地址
1.6 账户余额
需要时刻关注账户余额及目前使用金额。可以在个人中心的Usage页面查看当前账户余额，以及过去一段时间的账户消费情况
对于每个注册的新账户，系统会默认赠送5刀的使用额度，并保留4个月左右的使用期限。
如果是 商用开发的话，可以在Billing–>Usage limits页面设置每个月最大消费总金额，默认为120刀，若当月API使用金额超过该金额限制，则OpenAI会停止对该API Key调用的响应。该设置可以有效防止由于API滥用导致费用超支
其中soft limit指的是当API使用支出超过某个预设金额时，会发送邮件进行提醒。
1.7 账户充值
OpenAI账户充值方法和ChatGPT升级PLUS时的充值方法类似，都是先绑定银行卡然后再进行扣费。在Billing–>Payment methods页面绑定可以用于支付的银行卡即可。OpenAI会根据每个月使用消费金额进行扣费，如果不知道如何付费的，看文末内容
二、在Jupyter中本地调用OpenAI API
2.1 环境配置
先配置环境变量，前一篇文章已经讲过了，看这篇文章的前三节：
在Jupyter中调用OpenAI API方法
保存重启电脑，使环境变量生效后，即可启动Jupyter测试能否在Jupyter环境下调用OpenAI大模型API。
对于国内用户，是无法直接访问OpenAI的，需要让Jupyter在代理环境下启动，即需要令Jupyter可以通过代理来访问网络。具体设置方法如下：
Step 1：启动魔法并设置全局代理模型
以我自己用的魔法举例，代理端口如下：
大多数代理都是借助本地回环进行代理，即127.0.0.1，因此当前魔法的代理地址和端口为：127.0.0.1:15732。
Step 2： 配置Jupyter代理
让Jupyter通过代理方式访问网络，最简单的方法就是利用cmd命令行启动jupyter
然后在命令行中启动Jupyter，并且每次启动前输入代理环境设置，即按照如下命令顺序启动Jupyter：
如果报错：
解决办法：
新版Anaconda安装时并不会自动添加环境变量，打开环境变量配置页面，然后点击系统变量内的Path并点击编辑：
然后添加C:\ProgramData\anaconda3\condabin和C:\ProgramData\anaconda3\Scripts两个变量(这两个变量的地址需要是自己安装Anaconda时的安装位置)
再次测试：
2.2 调用测试
顺利启动Jupyter之后，即可测试能否顺利调用OpenAI大模型，测试代码如下：
import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")
openai.Completion.create(
model="text-davinci-003",
prompt="Say this is a test",
max_tokens=7,
temperature=0
)
结果如下：成功
好了，完成，快动手试一试吧！下一篇继续！
最后，感谢您阅读这篇文章！如果您觉得有所收获，别忘了点赞、收藏并关注我，这是我持续创作的动力。您有任何问题或建议，都可以在评论区留言，我会尽力回答并接受您的反馈。如果您希望了解某个特定主题，也欢迎告诉我，我会乐于创作与之相关的文章。谢谢您的支持，期待与您共同成长！
