【Flask+OpenAI】利用Flask+OpenAI Key实现GPT4-智能AI对话接口demo

【Flask+OpenAI】利用Flask+OpenAI Key实现GPT4-智能AI对话接口demo - 从0到1手把手全教程（附源码）

文章目录

- 前言
- 环境准备
- - 安装必要的库
- 生成OpenAI API
- 代码实现详解
- - 导入必要的模块
  - 创建Flask应用实例
  - 配置OpenAI API
  - 完整代码如下（demo源码）
  - - 代码解析
  - 利用Postman调用接口
- 了解更多AI内容
- 结尾

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。
在这里插入图片描述

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。

在这里插入图片描述

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URL
    client = 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