Azure OpenAI API快速入门教程

在人工智能技术快速发展的今天，企业级AI服务正在重塑各行各业的创新范式。Azure OpenAI作为微软推出的企业级AI服务平台，将OpenAI领先的生成式AI能力与Azure云的安全合规特性完美结合，为开发者提供了开箱即用的大模型服务。本教程将带您从零开始，逐步掌握Azure OpenAI API的核心使用方法。

第一章 环境准备与资源创建

1.1 Azure账号注册与订阅

1. 访问 Azure 门户
2. 使用Microsoft账号登录或注册新账号
3. 开通订阅（新用户可享受$200信用额度）

注意：部分区域需要单独申请OpenAI服务访问权限，可在Azure门户提交申请表单

1.2 创建OpenAI资源

# 使用Azure CLI快速创建资源

az cognitiveservices account create \

    --name my-openai-resource \

    --resource-group my-resource-group \

    --kind OpenAI \

    --sku S0 \

    --location eastus2 \

    --yes

1.3 获取API密钥与终结点

在Azure门户导航至创建的OpenAI资源

1. 在”密钥和终结点”页面获取：

• API密钥（两个可轮换密钥）
• 服务终结点URL

第二章 API基础调用实践

2.1 环境配置

pip install python-dotenv openai

创建.env文件：

AZURE_OPENAI_ENDPOINT=https://your-resource.openai.azure.com

AZURE_OPENAI_KEY=your-api-key

AZURE_OPENAI_DEPLOYMENT=your-deployment-name

2.2 文本补全示例

import os

from dotenv import load_dotenv

from openai import AzureOpenAI



load_dotenv()



client = AzureOpenAI(

    api_key=os.getenv("AZURE_OPENAI_KEY"),

    api_version="2024-02-01",

    azure_endpoint=os.getenv("AZURE_OPENAI_ENDPOINT")

)



response = client.completions.create(

    model=os.getenv("AZURE_OPENAI_DEPLOYMENT"),

    prompt="人工智能将改变",

    temperature=0.7,

    max_tokens=100

)



print(response.choices[0].text)

参数说明表：

第三章 高级功能实战

3.1 聊天补全API

response = client.chat.completions.create(

    model=os.getenv("AZURE_OPENAI_DEPLOYMENT"),

    messages=[

        {"role": "system", "content": "你是一位资深技术专家"},

        {"role": "user", "content": "请用通俗语言解释量子计算"}

    ],

    temperature=0.5

)



print(response.choices[0].message.content)

消息角色说明：

• system：设定AI的行为特征
• user：用户输入内容
• assistant：AI的回复历史

3.2 流式响应处理

response = client.chat.completions.create(

    model=os.getenv("AZURE_OPENAI_DEPLOYMENT"),

    messages=[{"role": "user", "content": "讲述一个科技创业故事"}],

    stream=True

)



for chunk in response:

    if chunk.choices[0].delta.content:

        print(chunk.choices[0].delta.content, end="")

3.3 函数调用能力

tools = [

    {

        "type": "function",

        "function": {

            "name": "get_current_weather",

            "description": "获取当前天气",

            "parameters": {

                "type": "object",

                "properties": {

                    "location": {"type": "string"}

                }

            }

        }

    }

]



response = client.chat.completions.create(

    model=os.getenv("AZURE_OPENAI_DEPLOYMENT"),

    messages=[{"role": "user", "content": "北京现在天气如何？"}],

    tools=tools

)



print(response.choices[0].message.tool_calls)

第四章 企业级最佳实践

4.1 安全与合规配置

1. 启用私有网络端点
2. 配置数据驻留策略
3. 设置内容过滤规则

# 启用内容过滤

response = client.chat.completions.create(

    model=os.getenv("AZURE_OPENAI_DEPLOYMENT"),

    messages=[...],

    filter_params={

        "hate": "block",

        "self_harm": "alert"

    }

)

4.2 性能优化技巧

• 批量处理请求
• 合理设置max_tokens
• 使用异步API
• 实施请求缓存

4.3 成本控制策略

1. 监控使用指标

az monitor metrics list \

    --resource my-openai-resource \

    --metric "TotalTokens"

2. 设置用量预警
3. 选择合适模型层级（如gpt-35-turbo vs gpt-4）

第五章 典型应用场景

5.1 智能客服系统

def generate_response(query):

    history = load_chat_history()

    messages = [

        {"role": "system", "content": "你是一个专业的客服助理"},

        *history,

        {"role": "user", "content": query}

    ]



    response = client.chat.completions.create(

        model=os.getenv("AZURE_OPENAI_DEPLOYMENT"),

        messages=messages,

        temperature=0.3

    )



    return response.choices[0].message.content

5.2 文档智能处理

def summarize_document(text):

    response = client.chat.completions.create(

        model=os.getenv("AZURE_OPENAI_DEPLOYMENT"),

        messages=[{

            "role": "user",

            "content": f"请用三点总结以下文档内容：\n{text}"

        }],

        temperature=0.1

    )

    return response.choices[0].message.content

5.3 代码生成助手

def generate_python_code(requirement):

    messages = [

        {"role": "system", "content": "你是一个专业的Python开发助手"},

        {"role": "user", "content": f"请生成满足以下需求的Python代码：{requirement}"}

    ]



    response = client.chat.completions.create(

        model=os.getenv("AZURE_OPENAI_DEPLOYMENT"),

        messages=messages,

        temperature=0.2

    )



    return extract_code(response.choices[0].message.content)

第六章 常见问题排查

6.1 认证失败问题

• 检查API终结点格式
• 验证密钥有效性
• 确认Azure区域可用性

6.2 速率限制处理

from tenacity import retry, wait_exponential



@retry(wait=wait_exponential(multiplier=1, max=10))

def safe_api_call():

    return client.chat.completions.create(...)

6.3 输出质量优化

1. 改进prompt工程
2. 调整temperature参数
3. 使用few-shot learning
4. 添加输出格式约束

结语：开启AI创新之旅

通过本教程，您已经掌握了Azure OpenAI API的核心使用方法和最佳实践。建议从以下方向深入探索：

1. 集成到现有业务系统
2. 构建定制化微调模型
3. 开发创新型AI应用
4. 参与Microsoft AI开发者社区

Azure OpenAI正在持续更新模型版本和功能特性，建议定期查阅官方文档获取最新信息。期待您利用这项强大的技术创造出改变世界的应用！