ChatGPT官方API比较好的地方在于内测过程中调用是免费的，没有次数限制。此外，API接口调用不需要梯子或代理（使用代理反而可能会报错“Error communicating with OpenAI”），只需要API Key就可以了，且当前API Key使用免费。
尽管ChatGPT 官方API还在内测而没有使用文档，但我们知道该模型应该也属于文本补全模型（completion），与GPT3模型保持一致。我们可以类比GPT3模型来猜测其调用方式，然后得出ChatGPT模型调用方式。
1 GPT3模型调用(ChatGPT官方API请参考第2部分)
现有大多数ChatGPT API实际上是OpenAI GPT3模型接口，模型名称为“text-davinci-003”，调用费用为0.02美元/1000tokens，折合下来差不多0.1元400~500字。这个字数包括问题和返回结果字数。
GPT3模型调用方式如下，输入主要有7个参数：
model：模型名称，text-davinci-003
prompt：问题或待补全内容，例如“how are you”。
temperature：控制结果随机性，0.0表示结果固定，随机性大可以设置为0.9。
max_tokens：最大返回字数（包括问题和答案），通常汉字占两个token。假设设置成100，如果prompt问题中有40个汉字，那么返回结果中最多包括10个汉字。
top_p：设置为1即可。
frequency_penalty：设置为0即可。
presence_penalty：设置为0即可。
import openai
openai.api_key = "你的API Key"
response = openai.Completion.create(
model="text-davinci-003",
prompt="how are you",
temperature=0.7,
max_tokens=256,
top_p=1,
frequency_penalty=0,
presence_penalty=0
)
print(response)
返回结果如下所示，结果在text字段中，可通过response["choices"][0]["text"]进行读取。
{
"id": "cmpl-uqkvlQyYK7bGYrRHQ0eXlWi7",
"object": "text_completion",
"created": 1589478378,
"model": "text-davinci-003",
"choices": [
{
"text": "\n\nThis is indeed a test",
"index": 0,
"logprobs": null,
"finish_reason": "length"
}
],
"usage": {
"prompt_tokens": 5,
"completion_tokens": 7,
"total_tokens": 12
}
}
2 ChatGPT API调用方式
ChatGPT API接口模型估计是2023年1月26日开始内测的，从它的模型名称就可以看出来。其调用方式如下所示，与GPT3模型调用基本一致，各个参数可参考上文介绍。下面各个参数目前是类比猜测出来的，没有conversation_id之类的。后续，如果新的参数更新，将在本文中及时进行更新，敬请关注。
import openai
openai.api_key = "你的APIKey"
response = openai.Completion.create(
model="text-davinci-003",
prompt="chatgpt的账号怎么注册v：sozoer",
temperature=0,
max_tokens=50,
stream=False,#请注意查看下文说明。
top_p=1,
frequency_penalty=0,
presence_penalty=0
)
ChatGPT API允许的最大token数量为4097，即max_tokens最大设置为4097减去prompt问题的token数量。
需要注意，上述输入参数增加stream，即是否采用控制流的方式输出。
如果stream取值为False，那么返回结果与第1节GPT3接口一致，完全返回全部文字结果，可通过response["choices"][0]["text"]进行读取。但是，字数越多，等待返回时间越长，时间可参考控制流读出时的4字/每秒。
如果steam取值为True时，那么返回结果是一个Python generator，需要通过迭代获取结果，平均大约每秒钟4个字（33秒134字，39秒157字），读取程序如下所示。可以看到，读取结果的结束字段为“<|im_end|>”。
res = ''
for r in response:
res += r["choices"][0]["text"]
res = res.replace('<|im_end|>', '')
print(res)
