大模型之环境变量篇

我们在调用大模型接口的过程当中不可避免的要使用到 大模型的KEY，那么不同的系统有不同的环境变量的配置方式，下面将两种使用环境变量的方式做一个总结。

环境变量的使用方式：

1、系统环境变量

 pip install openai

import os
from openai import OpenAI

# 设置 openai相关的参数
client = OpenAI(
    api_key=os.getenv("OPENAI_API_KEY"),
    base_url=os.getenv("OPENAI_BASE_URL")
)

 def chat():
    response = client.chat.completions.create(
        model="gpt-4o",  # 接入 gpt-4o的基座
        messages=[
            {"role": "system", "content": "你是一个专
业的中英文翻译器，请将用户输入的内容进行翻译."},
            {"role": "user", "content": "我今天有很多会
议，太忙了！"}
            # {"role": "system", "content": "你是一个 
AI 助手."},
            # {"role": "user", "content": "我想学习 
OpenAI，请给出详细的 Python 调用代码"}
        ],
        temperature=0
    )

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

chat()

2、dotenv

使用独立的环境变量的配置文件

新建 .env配置文件，在配置文件中写入自己的

.env 文件

OPENAI_API_KEY=your openai api key
OPENAI_BASE_URL=https://api.openai-hk.com/v1

from openai import OpenAI
import os

# 加载环境变量
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv(), verbose=True)  # 读取本地 .env 文件，里面定义了 OPENAI_API_KEY

client = OpenAI()

def get_completion(prompt, model="gpt-4o"):
    '''封装 openai 接口'''
    messages = [{"role": "user", "content": prompt}]
    response = client.chat.completions.create(
        model=model,
        messages=messages,
        temperature=0,  # 模型输出的随机性，0 表示随机性最小
    )
    return response.choices[0].message.content