openai-quickstart-python

GitHub
1.8k 1.4k 简单 2 次阅读 3天前MIT插件
AI 解读 由 AI 自动生成,仅供参考

openai-quickstart-python 是 OpenAI 官方推出的 Python 快速入门示例集合,旨在帮助开发者高效接入大模型能力。面对初次使用 API 时环境配置复杂、代码结构陌生的痛点,这个项目提供了开箱即用的代码模板,覆盖了聊天(chat)、助手(assistants)等多种接口场景。

项目内部规范了依赖管理和环境变量设置,支持通过虚拟环境隔离运行,既包含 Flask Web 应用示例,也提供简单的 Python 脚本演示。这种设计让用户无需从零构建框架,只需安装 Python、配置 API Key 即可在本地启动服务。

它特别适合 Python 开发者、AI 技术爱好者及需要快速验证想法的科研人员。通过直接运行这些示例,用户可以直观理解 SDK 调用流程,显著降低学习成本。无论是构建聊天机器人还是探索高级功能,这里都是理想的起点,助力用户快速从理论走向实践,轻松开启 AI 应用开发之旅。

使用场景

某电商公司后端工程师小张负责为新上线的 APP 快速集成智能客服功能,但他此前从未接触过 OpenAI API 的开发流程。

没有 openai-quickstart-python 时

  • 需要手动搜索官方文档配置 Python 虚拟环境,经常因依赖版本冲突导致安装失败。
  • 从零编写 HTTP 请求代码,需反复调试认证头信息和 JSON 数据格式,耗时且易错。
  • 环境变量管理混乱,习惯将 API Key 硬编码在脚本中,存在严重的安全泄露隐患。
  • 不清楚如何正确初始化客户端对象,调试过程中频繁遇到连接超时或权限错误。

使用 openai-quickstart-python 后

  • 直接克隆仓库获取预配置的 Flask 示例项目,通过 pip install 一键解决所有依赖问题。
  • 内置标准的 Chat Completions 请求模板,只需替换 messages 列表中的提示词即可实现交互。
  • 提供 .env.example 文件指引,强制要求将 API Key 放入环境变量,符合安全最佳实践。
  • 参考官方示例的项目结构,能快速定位并修改 model 参数,迅速验证不同模型的回复质量。

openai-quickstart-python 通过提供开箱即用的代码模板和规范的环境配置,帮助开发者大幅缩短从学习到落地的周期。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

无需本地 GPU(调用云端 API)

内存

未说明

依赖
notes该工具为 OpenAI API 客户端示例,模型推理在云端进行,无需本地算力。需申请 API Key 并配置环境变量。支持通过 Flask 启动 Web 服务或运行 Python 脚本。依赖包版本详见 requirements.txt。
python未说明
openai
flask
openai-quickstart-python hero image

快速开始

OpenAI API 快速入门 - Python

此仓库托管了多个针对不同 OpenAI API 端点 (API endpoints)(如聊天、助手等)的快速入门应用。请查看 examples 文件夹以尝试不同的示例,并开始使用 OpenAI API。

基本请求

要使用 OpenAI Python SDK(软件开发工具包) 发送您的第一个 API 请求,请确保已安装正确的 依赖项 (dependencies),然后运行以下代码:

from openai import OpenAI
client = OpenAI()

completion = client.chat.completions.create(
  model="gpt-3.5-turbo",
  messages=[
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Hello!"}
  ]
)

print(completion.choices[0].message)

设置

  1. 如果您尚未安装 Python,请从 Python.org 安装它。

  2. 克隆 (Clone) 此仓库。

  3. 进入项目目录:

    $ cd openai-quickstart-python
    
  4. 创建一个新的 虚拟环境 (virtual environment)

    • macOS:

      $ python -m venv venv
      $ . venv/bin/activate
      
    • Windows:

      > python -m venv venv
      > .\venv\Scripts\activate
      
  5. 安装依赖项:

    $ pip install -r requirements.txt
    
  6. 复制示例 环境变量 (environment variables) 文件:

    $ cp .env.example .env
    
  7. 将您的 API 密钥 (API key) 添加到新创建的 .env 文件中。

  8. 运行应用程序:

此步骤取决于应用程序本身。如果代码使用了 Flask(Web 框架)(例如 chat-basic 示例),您可以运行:

$ flask run

现在您应该可以通过浏览器访问该应用程序,网址为:http://localhost:5000!

如果代码只是一个简单的 Python 脚本,您可以使用以下方式运行它:

$ python my_file.py

常见问题

相似工具推荐

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

OpenHands

OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。

70.6k|★★★☆☆|今天
语言模型Agent开发框架

gpt4free

gpt4free 是一个由社区驱动的开源项目,旨在聚合多种可访问的大型语言模型(LLM)和媒体生成接口,让用户能更灵活、便捷地使用前沿 AI 能力。它解决了直接调用各类模型时面临的接口分散、门槛高或成本昂贵等痛点,通过统一的标准将不同提供商的资源整合在一起。 无论是希望快速集成 AI 功能的开发者、需要多模型对比测试的研究人员,还是想免费体验最新技术的普通用户,都能从中受益。gpt4free 提供了丰富的使用方式:既包含易于上手的 Python 和 JavaScript 客户端库,也支持部署本地图形界面(GUI),更提供了兼容 OpenAI 标准的 REST API,方便无缝替换现有应用后端。 其技术亮点在于强大的多提供商支持架构,能够动态调度包括 Opus、Gemini、DeepSeek 等多种主流模型资源,并支持 Docker 一键部署及本地推理。项目秉持社区优先原则,在降低使用门槛的同时,也为贡献者提供了扩展新接口的便利框架,是探索和利用多样化 AI 资源的实用工具。

66k|★★☆☆☆|2天前
插件语言模型Agent

gstack

gstack 是 Y Combinator CEO Garry Tan 亲自开源的一套 AI 工程化配置,旨在将 Claude Code 升级为你的虚拟工程团队。面对单人开发难以兼顾产品战略、架构设计、代码审查及质量测试的挑战,gstack 提供了一套标准化解决方案,帮助开发者实现堪比二十人团队的高效产出。 这套配置特别适合希望提升交付效率的创始人、技术负责人,以及初次尝试 Claude Code 的开发者。gstack 的核心亮点在于内置了 15 个具有明确职责的 AI 角色工具,涵盖 CEO、设计师、工程经理、QA 等职能。用户只需通过简单的斜杠命令(如 `/review` 进行代码审查、`/qa` 执行测试、`/plan-ceo-review` 规划功能),即可自动化处理从需求分析到部署上线的全链路任务。 所有操作基于 Markdown 和斜杠命令,无需复杂配置,完全免费且遵循 MIT 协议。gstack 不仅是一套工具集,更是一种现代化的软件工厂实践,让单人开发者也能拥有严谨的工程流程。

64.3k|★★☆☆☆|今天
Agent插件

meilisearch

Meilisearch 是一个开源的极速搜索服务,专为现代应用和网站打造,开箱即用。它能帮助开发者快速集成高质量的搜索功能,无需复杂的配置或额外的数据预处理。传统搜索方案往往需要大量调优才能实现准确结果,而 Meilisearch 内置了拼写容错、同义词识别、即时响应等实用特性,并支持 AI 驱动的混合搜索(结合关键词与语义理解),显著提升用户查找信息的体验。 Meilisearch 特别适合 Web 开发者、产品团队或初创公司使用,尤其适用于需要快速上线搜索功能的场景,如电商网站、内容平台或 SaaS 应用。它提供简洁的 RESTful API 和多种语言 SDK,部署简单,资源占用低,本地开发或生产环境均可轻松运行。对于希望在不依赖大型云服务的前提下,为用户提供流畅、智能搜索体验的团队来说,Meilisearch 是一个高效且友好的选择。

57k|★★☆☆☆|今天
图像Agent数据工具

awesome-claude-skills

awesome-claude-skills 是一个精心整理的开源资源库,旨在帮助用户挖掘和扩展 Claude AI 的潜力。它不仅仅是一份列表,更提供了实用的“技能(Skills)”模块,让 Claude 从单纯的文本生成助手,进化为能执行复杂工作流的智能代理。 许多用户在使用 AI 时,常受限于其无法直接操作外部软件或处理特定格式文件的痛点。awesome-claude-skills 通过预设的工作流解决了这一问题:它不仅能教会 Claude 专业地处理 Word、PDF 等文档,进行代码开发与数据分析,还能借助 Composio 插件连接 Slack、邮箱及数百种常用应用,实现发送邮件、创建任务等自动化操作。这使得重复性任务变得标准化且可复用,极大提升了工作效率。 无论是希望优化日常办公流程的普通用户、需要处理复杂文档的研究人员,还是寻求将 AI 深度集成到开发管线中的开发者,都能从中找到适合的解决方案。其独特的技术亮点在于“技能”的可定制性与强大的应用连接能力,让用户无需编写复杂代码,即可通过简单的配置让 Claude 具备跨平台执行真实任务的能力。如果你希望让 Claude

51.3k|★★☆☆☆|今天
Agent插件