AI大模型API实战指南：OpenAI、Claude、Gemini最新对接教程

本文将通过具体案例，详细介绍如何接入和使用主流大模型的API，包含完整代码示例和最佳实践。

一、OpenAI API使用指南

1. 基础配置

安装依赖

pip install openai

初始化配置

from openai import OpenAI

client = OpenAI(
  api_key='your_api_key',
  base_url='https://api.openai.com/v1'  # 可选，默认即为此值
)

2. 常用API示例

聊天对话

def chat_with_gpt(prompt, model="gpt-4-turbo-preview"):
  try:
    response = client.chat.completions.create(
      model=model,
      messages=[
        {"role": "user", "content": prompt}
      ],
      temperature=0.7,
      max_tokens=2000
    )
    return response.choices[0].message.content
  except Exception as e:
    print(f"Error: {str(e)}")
    return None

# 使用示例
result = chat_with_gpt("请帮我写一个Python函数来计算斐波那契数列")
print(result)

流式输出

def stream_chat(prompt):
  try:
    stream = client.chat.completions.create(
      model="gpt-4-turbo-preview",
      messages=[{"role": "user", "content": prompt}],
      stream=True
    )
    
    for chunk in stream:
      if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")
  except Exception as e:
    print(f"Error: {str(e)}")

# 使用示例
stream_chat("讲一个关于AI的故事")

二、Claude API使用指南

1. 基础配置

安装依赖

pip install anthropic

初始化配置

from anthropic import Anthropic

anthropic = Anthropic(
  api_key="your_api_key"
)

2. 常用API示例

基础对话

def chat_with_claude(prompt, model="claude-3-opus-20240229"):
  try:
    message = anthropic.messages.create(
      model=model,
      max_tokens=2000,
      temperature=0.7,
      messages=[
        {"role": "user", "content": prompt}
      ]
    )
    return message.content[0].text
  except Exception as e:
    print(f"Error: {str(e)}")
    return None

# 使用示例
result = chat_with_claude("帮我分析一下Python和JavaScript的异同")
print(result)

系统提示使用

def chat_with_system_prompt(user_prompt, system_prompt):
  try:
    message = anthropic.messages.create(
      model="claude-3-opus-20240229",
      system=system_prompt,
      messages=[
        {"role": "user", "content": user_prompt}
      ]
    )
    return message.content[0].text
  except Exception as e:
    print(f"Error: {str(e)}")
    return None

# 使用示例
system = "你是一个专业的技术文档翻译专家"
user_message = "请翻译以下技术文档..."
result = chat_with_system_prompt(user_message, system)

三、Gemini API使用指南

1. 基础配置

安装依赖

pip install google-generativeai

初始化配置

import google.generativeai as genai

genai.configure(api_key='your_api_key')

2. 常用API示例

文本生成

def chat_with_gemini(prompt, model="gemini-pro"):
  try:
    model = genai.GenerativeModel(model)
    response = model.generate_content(prompt)
    return response.text
  except Exception as e:
    print(f"Error: {str(e)}")
    return None

# 使用示例
result = chat_with_gemini("解释什么是量子计算")
print(result)

多轮对话

def chat_session():
  try:
    model = genai.GenerativeModel('gemini-pro')
    chat = model.start_chat(history=[])
    
    while True:
      user_input = input("You: ")
      if user_input.lower() == 'exit':
        break
          
      response = chat.send_message(user_input)
      print(f"Gemini: {response.text}\n")
          
  except Exception as e:
    print(f"Error: {str(e)}")

# 使用示例
chat_session()

四、实用工具封装

1. 统一接口封装

class AIModelAPI:
  def __init__(self):
    self.openai_client = OpenAI(api_key='your_openai_key')
    self.anthropic = Anthropic(api_key='your_anthropic_key')
    genai.configure(api_key='your_gemini_key')
    self.gemini = genai.GenerativeModel('gemini-pro')

  def get_completion(self, prompt, model_type="gpt"):
    try:
      if model_type == "gpt":
        response = self.openai_client.chat.completions.create(
          model="gpt-4-turbo-preview",
          messages=[{"role": "user", "content": prompt}]
        )
        return response.choices[0].message.content
          
      elif model_type == "claude":
        message = self.anthropic.messages.create(
          model="claude-3-opus-20240229",
          messages=[{"role": "user", "content": prompt}]
        )
        return message.content[0].text
          
      elif model_type == "gemini":
        response = self.gemini.generate_content(prompt)
        return response.text
            
    except Exception as e:
      print(f"Error with {model_type}: {str(e)}")
      return None

# 使用示例
ai = AIModelAPI()
prompt = "解释什么是机器学习"
for model in ["gpt", "claude", "gemini"]:
  print(f"\n{model.upper()} 回答:")
  print(ai.get_completion(prompt, model))

2. 错误重试装饰器

import time
from functools import wraps

def retry_on_error(max_retries=3, delay=1):
  def decorator(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
      retries = 0
      while retries < max_retries:
        try:
          return func(*args, **kwargs)
        except Exception as e:
          retries += 1
          if retries == max_retries:
            raise e
          print(f"Error occurred: {str(e)}, retrying... ({retries}/{max_retries})")
          time.sleep(delay)
      return None
    return wrapper
  return decorator

# 使用示例
@retry_on_error(max_retries=3)
def safe_chat_with_gpt(prompt):
  return ai.get_completion(prompt, "gpt")

五、最佳实践建议

1. API调用优化

• 使用异步调用提高并发性能

• 实现请求队列管理

• 做好错误处理和重试

• 控制请求频率

2. 成本控制

• 合理设置max_tokens

• 使用模型的较小版本

• 实现token计数

• 缓存常用结果

3. 安全考虑

• API密钥管理

• 内容过滤

• 请求限流

• 日志记录

4. 性能优化

# Token计数示例
from transformers import GPT2Tokenizer

def count_tokens(text):
  tokenizer = GPT2Tokenizer.from_pretrained("gpt2")
  return len(tokenizer.encode(text))

# 缓存示例
import functools

@functools.lru_cache(maxsize=1000)
def cached_completion(prompt, model_type):
  return ai.get_completion(prompt, model_type)

六、常见问题处理

1. API错误处理

• 网络超时

• 额度限制

• 参数错误

• 服务限制

2. 响应解析

• JSON解析

• 编码处理

• 格式转换

• 内容提取

3. 并发控制

• 请求队列

• 限流策略

• 超时处理

• 资源管理

写在最后

选择合适的API接入方式，需要考虑以下因素：

• 业务需求特点

• 性能要求

• 成本预算

• 维护难度

建议先用小规模测试验证，然后再逐步扩大使用范围。同时要注意保持代码的可维护性和可扩展性。

文章转自微信公众号@前端道萌