> ## Documentation Index > Fetch the complete documentation index at: https://docs.xhuoapi.ai/llms.txt > Use this file to discover all available pages before exploring further. # Wniosek i użycie OpenAI Chat Completion API > OpenAI generation 集成指南 - XHuoAPI OpenAI ChatGPT to bardzo potężny system AI do rozmów, który potrafi w ciągu kilku sekund wygenerować płynne i naturalne odpowiedzi na wprowadzone zapytania. ChatGPT wyróżnia się w branży dzięki swoim doskonałym zdolnościom rozumienia i generowania języka, a obecnie jest szeroko stosowany w różnych branżach i dziedzinach, a jego wpływ staje się coraz bardziej znaczący. Niezależnie od tego, czy chodzi o codzienne rozmowy, kreatywne pisanie, czy profesjonalne doradztwo i programowanie, ChatGPT może zapewnić zdumiewające wsparcie inteligentne, znacznie zwiększając wydajność i kreatywność ludzi. Dokument ten głównie opisuje proces korzystania z OpenAI Chat Completion API, dzięki któremu możemy łatwo korzystać z funkcji rozmowy oficjalnego OpenAI ChatGPT. ## Proces aplikacji Aby korzystać z OpenAI Chat Completion API, najpierw można przejść na stronę [OpenAI Chat Completion API](https://api.xhuoapi.ai/documents/1bcf3bba-102b-495d-9bba-47cd96717e45) i kliknąć przycisk „Acquire”, aby uzyskać potrzebne poświadczenia do żądania: ![](https://cdn.xhuoapi.ai/nyq0xz.png) Jeśli nie jesteś zalogowany lub zarejestrowany, automatycznie zostaniesz przekierowany na stronę logowania, aby zarejestrować się i zalogować, a po zalogowaniu lub rejestracji automatycznie wrócisz na bieżącą stronę. Podczas pierwszej aplikacji otrzymasz darmowy limit, który pozwala na bezpłatne korzystanie z tego API. ## Podstawowe użycie Następnie możesz wypełnić odpowiednie treści na interfejsie, jak pokazano na obrazku:

Podczas pierwszego korzystania z tego interfejsu musimy wypełnić co najmniej trzy pola: jedno to `authorization`, które można wybrać bezpośrednio z rozwijanej listy. Kolejnym parametrem jest `model`, który oznacza wybór modelu OpenAI ChatGPT z oficjalnej strony, mamy tutaj głównie 20 modeli, szczegóły można zobaczyć w dostarczonych modelach. Ostatnim parametrem jest `messages`, który jest tablicą naszych zapytań, oznaczającą możliwość przesyłania wielu zapytań jednocześnie, gdzie każde zapytanie zawiera `role` i `content`, przy czym `role` oznacza rolę pytającego, a my oferujemy trzy tożsamości: `user`, `assistant`, `system`. Drugim `content` jest konkretna treść naszego zapytania. Możesz również zauważyć, że po prawej stronie znajduje się odpowiedni kod do wywołania, który możesz skopiować i uruchomić, lub możesz bezpośrednio kliknąć przycisk „Try”, aby przetestować. Często używane opcjonalne parametry: * `max_tokens`: ogranicza maksymalną liczbę tokenów w pojedynczej odpowiedzi. * `temperature`: generuje losowość, w zakresie od 0 do 2, im wyższa wartość, tym bardziej rozproszone odpowiedzi. * `n`: ile kandydatów odpowiedzi generować jednocześnie. * `response_format`: ustawienia formatu odpowiedzi.

Po wywołaniu zauważamy, że wynik zwrotny wygląda następująco: ```json theme={null} { "id": "chatcmpl-Cmd6uwSxN75F4PAdQSFEO8f2QPs4E", "object": "chat.completion", "created": 1765706120, "model": "gpt-5.2", "choices": [ { "index": 0, "message": { "role": "assistant", "content": "Hello! What can I help you with today?", "refusal": null, "annotations": [] }, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 7, "completion_tokens": 13, "total_tokens": 20, "prompt_tokens_details": { "cached_tokens": 0, "audio_tokens": 0 }, "completion_tokens_details": { "reasoning_tokens": 0, "audio_tokens": 0, "accepted_prediction_tokens": 0, "rejected_prediction_tokens": 0 } }, "service_tier": "default", "system_fingerprint": null } ``` Wynik zwrotny zawiera wiele pól, które są opisane poniżej: * `id`, identyfikator generowanego zadania rozmowy, używany do unikalnej identyfikacji tego zadania. * `model`, wybrany model OpenAI ChatGPT. * `choices`, informacje o odpowiedziach ChatGPT na zapytania. * `usage`: statystyki dotyczące tokenów dla tej sesji pytań i odpowiedzi. Wśród nich `choices` zawiera informacje o odpowiedziach ChatGPT, a w nim `choices` to odpowiedzi ChatGPT, co można zobaczyć na obrazku.

Można zauważyć, że pole `content` w `choices` zawiera konkretną treść odpowiedzi ChatGPT. ## Odpowiedzi strumieniowe Ten interfejs obsługuje również odpowiedzi strumieniowe, co jest bardzo przydatne w integracji z stronami internetowymi, umożliwiając wyświetlanie efektu literowego. Aby uzyskać odpowiedzi strumieniowe, można zmienić parametr `stream` w nagłówku żądania na `true`. Zmiana jak na obrazku, jednak kod wywołania musi być odpowiednio zmieniony, aby obsługiwał odpowiedzi strumieniowe.

Po zmianie `stream` na `true`, API będzie zwracać odpowiednie dane JSON w wierszach, a na poziomie kodu musimy wprowadzić odpowiednie zmiany, aby uzyskać wyniki w wierszach. Przykładowy kod wywołania w Pythonie: ```python theme={null} import requests url = "https://api.xhuoapi.ai/v1/openai/chat/completions" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "gpt-4", "messages": [{"role":"user","content":"hello"}], "stream": True } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` Efekt wyjściowy wygląda następująco: ```json theme={null} data: {"choices": [{"delta": {"role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"} data: {"choices": [{"delta": {"content": "Cześć", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"} data: {"choices": [{"delta": {"content": " tam", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"} data: {"choices": [{"delta": {"content": "!", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"} data: {"choices": [{"delta": {"content": " Jak", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"} data: {"choices": [{"delta": {"content": " mogę", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"} data: {"choices": [{"delta": {"content": " ci", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"} data: {"choices": [{"delta": {"content": " pomóc", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"} data: {"choices": [{"delta": {"content": " dzisiaj", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"} data: {"choices": [{"delta": {"content": "?", "role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"} data: {"choices": [{"delta": {"role": "assistant"}, "index": 0}], "created": 1721007348, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"} data: {"choices": [{"delta": {"role": "assistant"}, "finish_reason": "stop", "index": 0}], "created": 1721007349, "id": "chatcmpl-YzczYjVhNjhjMzMwNDQ5MDkyNGYzOGZjZGE1ZGQ5OGU", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all"} data: [DONE] ``` Można zauważyć, że odpowiedź zawiera wiele `data`, a `data` wewnątrz `choices` to najnowsza treść odpowiedzi, zgodna z wcześniej przedstawioną treścią. `choices` to nowa treść odpowiedzi, którą można zintegrować z systemem. Zakończenie strumieniowej odpowiedzi można ocenić na podstawie zawartości `data`; jeśli zawartość to `[DONE]`, oznacza to, że strumieniowa odpowiedź została zakończona. Zwracane wyniki `data` mają wiele pól, które są opisane poniżej: * `id`, identyfikator generowanego zadania rozmowy, używany do unikalnego oznaczenia tego zadania. * `model`, wybrany model OpenAI ChatGPT. * `choices`, informacje o odpowiedzi ChatGPT na zadane pytanie. JavaScript również jest obsługiwany, na przykład kod do strumieniowego wywołania w Node.js wygląda następująco: ```javascript theme={null} const options = { method: "post", headers: { accept: "application/json", authorization: "Bearer {token}", "content-type": "application/json", }, body: JSON.stringify({ model: "gpt-4", messages: [{ role: "user", content: "cześć" }], stream: true, }), }; fetch("https://api.xhuoapi.ai/v1/openai/chat/completions", options) .then((response) => response.json()) .then((response) => console.log(response)) .catch((err) => console.error(err)); ``` Przykład kodu w Javie: ```java theme={null} JSONObject jsonObject = new JSONObject(); jsonObject.put("model", "gpt-4"); jsonObject.put("messages", [{"role":"user","content":"cześć"}]); jsonObject.put("stream", true); MediaType mediaType = "application/json; charset=utf-8".toMediaType(); RequestBody body = jsonObject.toString().toRequestBody(mediaType); Request request = new Request.Builder() .url("https://api.xhuoapi.ai/v1/openai/chat/completions") .post(body) .addHeader("accept", "application/json") .addHeader("authorization", "Bearer {token}") .addHeader("content-type", "application/json") .build(); OkHttpClient client = new OkHttpClient(); Response response = client.newCall(request).execute(); System.out.print(response.body!!.string()) ``` Inne języki można dostosować samodzielnie, zasada jest taka sama. ## Wieloetapowa rozmowa Jeśli chcesz zintegrować funkcję wieloetapowej rozmowy, musisz przesłać wiele pytań w polu `messages`, konkretne przykłady wielu pytań są pokazane na poniższym obrazku:

Przykład wywołania w Pythonie: ```python theme={null} import requests url = "https://api.xhuoapi.ai/v1/openai/chat/completions" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "gpt-4", "messages": [{"role":"user","content":"Cześć"},{"role":"assistant","content":"Cześć! Jak mogę Ci dzisiaj pomóc?"},{"role":"user","content":"Co powiedziałem przed chwilą?"}] } response = requests.post(url, json=payload, headers=headers) print(response.text) ``` Przez przesłanie wielu pytań, można łatwo zrealizować wieloetapową rozmowę, co może dać następującą odpowiedź: ```json theme={null} { "choices": [ { "index": 0, "message": { "role": "assistant", "content": "Powiedziałeś: \"Cześć.\"" }, "finish_reason": "stop" } ], "created": 1721323012, "id": "chatcmpl-NWZmOTA5MDlkZjBjNDRjNGEwMzRjYzA5NmM1MzQwMWY", "model": "gpt-4", "object": "chat.completion.chunk", "recipient": "all", "usage": { "prompt_tokens": 31, "completion_tokens": 6, "total_tokens": 37 } } ``` Można zauważyć, że informacje zawarte w `choices` są zgodne z podstawowym użyciem, zawierają one konkretne odpowiedzi ChatGPT na wiele rozmów, co pozwala na odpowiadanie na odpowiednie pytania na podstawie wielu treści rozmowy. ## Integracja z OpenAI-Python Usługa OpenAI Chat Completion API jest oparta na oficjalnej usłudze OpenAI, szczegóły można znaleźć w oficjalnym [OpenAI-Python](https://github.com/openai/openai-python), w tym artykule krótko omówimy, jak korzystać z oficjalnie dostarczonej usługi. 1. Najpierw należy zbudować lokalne środowisko `Python`, ten proces można wyszukać w Google. 2. Zainstaluj i skonfiguruj środowisko deweloperskie, na przykład zainstaluj edytor VSCode. 3. Skonfiguruj zmienne środowiskowe `OpenAI`. * W folderze projektu utwórz plik o nazwie `.env` i zapisz * Zawartość pliku `.env`: ```json theme={null} OPENAI_API_KEY="sk-xxx" OPENAI_BASE_URL="https://api.xhuoapi.ai/v1/openai" # Przypominam: jeśli używasz klucza OpenAI z oficjalnej strony, nie używaj tego adresu. ``` Zastąp `sk-xxx` swoim kluczem. `OPENAI_BASE_URL` to adres do proxy API OpenAI. 4. Zainstaluj zależności projektu ```shell theme={null} pip install openai ``` W systemie Mac OS polecenie to: ```shell theme={null} pip3 install openai ``` 5. Utwórz przykładowy plik źródłowy Załóżmy, że stworzyliśmy przykładowy kod `index.py`, którego zawartość jest następująca: ```python theme={null} import os from openai import OpenAI client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY")) response = client.chat.completions.create( messages=[ { "role": "user", "content": "cześć", } ], model="gpt-4", ) print(response.text) ``` ## Model z dostępem do internetu Modele gpt-3.5-browsing i gpt-4-browsing różnią się od innych modeli, mogą one przeprowadzać wyszukiwanie w internecie na podstawie zadanych pytań i odpowiednio dostosowywać wyniki wyszukiwania, aby je zwrócić. W artykule tym zaprezentujemy funkcję dostępu do internetu na konkretnym przykładzie, a następnie można wypełnić odpowiednie treści w interfejsie OpenAI Chat Completion API, jak pokazano na obrazku:

Można również zauważyć, że po prawej stronie znajduje się odpowiedni kod do wywołania, który można skopiować i uruchomić, lub można bezpośrednio kliknąć przycisk „Wypróbuj”, aby przetestować.

Po wywołaniu odkrywamy, że zwrócone wyniki są następujące: ```json theme={null} { "choices": [ { "index": 0, "message": { "role": "assistant", "content": "Aby uzyskać najnowsze wiadomości w Chinach dzisiaj, możesz sprawdzić główne strony informacyjne, takie jak:\n\n- [BBC News China](https://www.bbc.com/news/world/asia/china)\n- [CNN China News](https://edition.cnn.com/china)\n- [Reuters China](https://www.reuters.com/news/archive/china-news)\n\nTe źródła będą miały aktualne informacje na temat bieżących wydarzeń w Chinach." }, "finish_reason": "stop" } ], "created": 1721009347, "id": "chatcmpl-YzA0M2RjZDVkYThlNDkxNTkzOThmZWQ4OGMzNzdhNzA", "model": "gpt-4-browsing", "object": "chat.completion.chunk", "recipient": "all", "usage": { "prompt_tokens": 325, "completion_tokens": 82, "total_tokens": 407 } } ``` Można zauważyć, że informacje odpowiedzi w `choices` są oparte na wynikach wyszukiwania w internecie i zawierają odpowiednie linki. Informacje odpowiedzi w `choices` powinny być renderowane za pomocą składni `markdown`, aby uzyskać najlepsze doświadczenie, co również podkreśla potężną zaletę funkcji dostępu do internetu w naszym modelu. ## Model wizualny gpt-4o to wielomodalny model językowy opracowany przez OpenAI, który na podstawie GPT-4 zyskał zdolność rozumienia wizualnego. Model ten może jednocześnie przetwarzać tekst i obrazy, osiągając zrozumienie i generowanie w różnych modalnościach. Przetwarzanie tekstu w modelu gpt-4o jest zgodne z podstawowym użyciem opisanym powyżej, poniżej krótko omówimy, jak korzystać z możliwości przetwarzania obrazów tego modelu. Wykorzystanie możliwości przetwarzania obrazów w modelu gpt-4o polega głównie na dodaniu pola `type` do istniejącej treści `content`, dzięki któremu można określić, czy przesyłany jest tekst, czy obraz, co pozwala na wykorzystanie zdolności przetwarzania obrazów modelu gpt-4o. Poniżej omówimy, jak wywołać tę funkcję za pomocą Curl i Pythona. * Metoda skryptu Curl ``` curl -X POST 'https://api.xhuoapi.ai/v1/openai/chat/completions' \ -H 'accept: application/json' \ -H 'authorization: Bearer {token}' \ -H 'content-type: application/json' \ -d '{ "model": "gpt-4o", "messages": [ { "role": "user", "content": [ { "type": "text", "text": "Co jest na tym obrazie?" }, { "type": "image_url", "image_url": { "url": "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg" } } ] } ] }' ``` * Metoda skryptu Python ```` ```python import requests url = "https://api.xhuoapi.ai/v1/openai/chat/completions" headers = { "accept": "application/json", "authorization": "Bearer {token}", "content-type": "application/json" } payload = { "model": "gpt-4o", "messages": [ { "role": "user", "content": [ { "type": "text", "text": "Co jest na tym obrazie?" }, { "type": "image_url", "image_url": { "url": "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg" } }, ], } ] } response = requests.post(url, json=payload, headers=headers) print(response.text) ```` Można zobaczyć, że odpowiedź jest oparta na obrazie, dlatego za pomocą powyższych dwóch sposobów można łatwo wykorzystać zdolności przetwarzania tekstu i obrazu modelu gpt-4-vision. Oprócz gpt-4o, istnieje również tańszy model, zwany gpt-4o-mini. gpt-4o-mini to najnowsza generacja dużego modelu językowego opracowanego przez OpenAI, który nie tylko działa szybko, ale także jest tańszy i obsługuje multimodalność. Funkcje wizji można znaleźć w treści dotyczącej użycia modelu gpt-4o. ## Model rysunkowy GPT-4o Przykład żądania: ```json theme={null} { "model": "gpt-4o-image", "messages": [ { "role": "user", "content": [ { "type": "text", "text": "Wygeneruj obraz w stylu Ghibli i dodaj kapelusz" }, { "type": "file_url", "file_url": { "url": "https://cdn.xhuoapi.ai/qzx2z1.png" } } ] } ], "stream": false } ``` Przykład wyniku: ```json theme={null} { "id": "chatcmpl-89CXTr5EHi7WgiO3qSzWxvmqwfryP", "object": "chat.completion.chunk", "model": "gpt-4o-image", "created": 1744395060, "choices": [ { "index": 0, "message": { "role": "assistant", "content": "{\n \"prompt\": \"Młoda kobieta z długimi czarnymi włosami w białej sukience stojąca w malowniczym otoczeniu na świeżym powietrzu. Obraz jest w stylu animacji Studio Ghibli, z miękkimi kolorami i delikatnymi detalami. Ma na sobie uroczy, stylowy kapelusz, z ciepłym i radosnym uśmiechem. Tło pokazuje bujną zieleń i spokojną atmosferę, z promieniami słońca filtrującymi przez drzewa.\",\n \"size\": \"1024x1024\"\n}\n\n\n![file-96TSnzJ6MipkZwCmmYEZSA](https://filesystem.site/cdn/20250412/s8EFrYVqeRWc5SfTmF1SbgBS2WFGXb.webp)\n[Ściągnij⏬](https://filesystem.site/cdn/download/20250412/s8EFrYVqeRWc5SfTmF1SbgBS2WFGXb.webp)\n\nOto obraz stworzony w stylu Studio Ghibli, przedstawiający młodą kobietę w białej sukience i stylowym kapeluszu w malowniczym otoczeniu na świeżym powietrzu. Miła, ciepła atmosfera została uchwycona z delikatnymi detalami i żywymi kolorami." }, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 70, "completion_tokens": 17, "total_tokens": 87 } } ``` ## Obsługa błędów Podczas wywoływania API, jeśli wystąpi błąd, API zwróci odpowiedni kod błędu i informacje. Na przykład: * `400 token_mismatched`: Złe żądanie, prawdopodobnie z powodu brakujących lub nieprawidłowych parametrów. * `400 api_not_implemented`: Złe żądanie, prawdopodobnie z powodu brakujących lub nieprawidłowych parametrów. * `401 invalid_token`: Nieautoryzowany, nieprawidłowy lub brakujący token autoryzacyjny. * `429 too_many_requests`: Zbyt wiele żądań, przekroczono limit szybkości. * `500 api_error`: Błąd wewnętrzny serwera, coś poszło nie tak na serwerze. ### Przykład odpowiedzi błędu ``` { "success": false, "error": { "code": "api_error", "message": "pobieranie nie powiodło się" }, "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89" } ``` ## Wnioski Dzięki tej dokumentacji zrozumiałeś, jak łatwo wykorzystać OpenAI Chat Completion API do realizacji funkcji czatu OpenAI ChatGPT. Mamy nadzieję, że ta dokumentacja pomoże Ci lepiej zintegrować i korzystać z tego API. W razie jakichkolwiek pytań, skontaktuj się z naszym zespołem wsparcia technicznego.