ChatGPT API 接入实战：从 curl 命令到 Python、Node.js 完整调用指南

发布人：慈云数据-客服中心发布时间：21小时前阅读量：4

ChatGPT API接口调用教程｜附完整命令

随着大语言模型应用的快速普及，越来越多开发者希望把 ChatGPT 的能力接入到自己的系统中，例如智能客服、知识库问答、内容生成、代码助手、数据分析、办公自动化等场景。相比直接在网页端使用 ChatGPT，通过 API 调用可以让模型能力嵌入到网站、App、企业后台、自动化脚本或业务流程中，从而实现更灵活、更可控的智能应用。

本文将以实战为主，系统介绍 ChatGPT API 的调用方式，包括环境准备、API Key 获取、curl 命令调用、Python 调用、Node.js 调用、流式输出、常见参数说明、错误排查以及实际开发建议。文章中会附带完整命令，方便你直接复制测试。

一、ChatGPT API 是什么？

ChatGPT API 是 OpenAI 提供的模型调用接口。开发者可以通过 HTTP 请求向模型发送文本、图片或其他结构化输入，然后获得模型生成的回复。

简单来说，网页端 ChatGPT 是一个成品应用，而 API 是提供给开发者的“能力接口”。你可以通过 API 把模型能力集成进自己的产品中。

常见使用场景包括：

智能客服机器人
企业知识库问答
自动生成文章、标题、摘要
代码解释、代码生成、代码审查
多轮对话助手
数据分析助手
邮件、合同、报告草拟
工作流自动化
教育辅导与答疑系统

二、调用 API 前需要准备什么？

在正式调用 ChatGPT API 之前，需要准备以下几项内容。

1. OpenAI 账号

你需要拥有一个 OpenAI 账号，并开通 API 使用权限。登录 OpenAI 平台后，可以在开发者后台创建和管理 API Key。

2. API Key

API Key 是调用接口时的身份凭证。请求 API 时需要在请求头中携带它。

一般格式类似：

sk-xxxxxxxxxxxxxxxxxxxxxxxx

注意：API Key 必须妥善保管，不要直接写在前端代码中，也不要上传到 GitHub 等公开仓库。

3. 命令行环境

如果你使用 curl 测试接口，需要确保本机已安装 curl。

在 macOS 或 Linux 中通常默认自带 curl，可以执行：

curl --version

Windows 用户可以使用 PowerShell、Git Bash、WSL，或者新版 Windows 自带的 curl。

4. 编程语言环境

如果你希望用代码调用 API，可以准备以下环境之一：

Python 3.8+
Node.js 18+
Java、Go、PHP、C# 等其他后端语言

本文主要演示 curl、Python 和 Node.js 三种最常见方式。

三、设置 API Key 环境变量

为了安全起见，建议不要把 API Key 明文写入代码。推荐使用环境变量。

macOS / Linux 设置方式

export OPENAI_API_KEY="你的API_KEY"

例如：

export OPENAI_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxxxxx"

设置完成后，可以验证一下：

echo $OPENAI_API_KEY

Windows PowerShell 设置方式

$env:OPENAI_API_KEY="你的API_KEY"

验证：

echo $env:OPENAI_API_KEY

Windows CMD 设置方式

set OPENAI_API_KEY=你的API_KEY

验证：

echo %OPENAI_API_KEY%

如果你希望永久保存环境变量，可以通过系统环境变量设置界面配置，或者使用 .env 文件配合项目读取。

四、使用 curl 调用 ChatGPT API

curl 是最直接的接口测试方式，不需要写程序，非常适合初学者快速验证 API 是否可用。

下面是一个完整的 API 调用命令：

curl https://api.openai.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-4.1-mini",
    "input": "请用三句话介绍什么是人工智能。"
  }'

如果请求成功，你会收到一个 JSON 响应，里面包含模型生成的内容。

Windows PowerShell 版本

PowerShell 对引号的处理方式与 Linux/macOS 略有不同，可以使用下面的命令：

curl https://api.openai.com/v1/responses `
  -H "Content-Type: application/json" `
  -H "Authorization: Bearer $env:OPENAI_API_KEY" `
  -d '{
    "model": "gpt-4.1-mini",
    "input": "请用三句话介绍什么是人工智能。"
  }'

Windows CMD 版本

curl https://api.openai.com/v1/responses ^
  -H "Content-Type: application/json" ^
  -H "Authorization: Bearer %OPENAI_API_KEY%" ^
  -d "{\"model\":\"gpt-4.1-mini\",\"input\":\"请用三句话介绍什么是人工智能。\"}"

五、理解请求结构

以上请求中有几个关键部分：

https://api.openai.com/v1/responses

这是 API 请求地址，也就是接口 Endpoint。

-H "Content-Type: application/json"

表示请求体是 JSON 格式。

-H "Authorization: Bearer $OPENAI_API_KEY"

表示使用 Bearer Token 方式进行身份认证。

{
  "model": "gpt-4.1-mini",
  "input": "请用三句话介绍什么是人工智能。"
}

这是请求体，主要包含模型名称和输入内容。

其中：

model：指定要调用的模型。
input：传给模型的用户输入，可以是字符串，也可以是更复杂的结构化消息。

六、使用 Python 调用 ChatGPT API

如果你要把 ChatGPT 接入自己的后端系统、脚本工具或自动化流程，Python 是非常常见的选择。

1. 安装 OpenAI SDK

pip install openai

如果你使用的是 Python 3，并且系统中同时存在 Python 2，可以使用：

pip3 install openai

2. Python 最简调用示例

新建文件 chatgpt_demo.py：

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-4.1-mini",
    input="请用通俗易懂的语言解释什么是API。"
)

print(response.output_text)

运行命令：

python chatgpt_demo.py

或者：

python3 chatgpt_demo.py

这里没有在代码里显式写入 API Key，是因为 SDK 会自动读取环境变量 OPENAI_API_KEY。

七、Python 多轮对话示例

在实际业务中，用户往往不是只问一个问题，而是会进行多轮对话。例如用户先问“什么是机器学习”，然后继续问“它和深度学习有什么区别”。

可以通过把上下文一起传入模型来实现多轮对话：

from openai import OpenAI

client = OpenAI()

messages = [
    {
        "role": "system",
        "content": "你是一名耐心、专业的AI课程老师，回答要清晰、简洁。"
    },
    {
        "role": "user",
        "content": "什么是机器学习？"
    },
    {
        "role": "assistant",
        "content": "机器学习是一种让计算机从数据中学习规律，并利用这些规律进行预测或决策的人工智能技术。"
    },
    {
        "role": "user",
        "content": "它和深度学习有什么区别？"
    }
]

response = client.responses.create(
    model="gpt-4.1-mini",
    input=messages
)

print(response.output_text)

在多轮对话中，常见角色包括：

system：系统指令，用于设定模型角色、风格和规则。
user：用户输入。
assistant：模型历史回复。

如果你的应用需要长期对话，需要在数据库中保存用户会话历史，并在下一次请求时带上必要上下文。不过需要注意上下文长度，不能无限制地把所有历史消息都传进去，否则会增加成本并可能超出模型上下文限制。

八、使用 Node.js 调用 ChatGPT API

Node.js 适合用来开发 Web 服务、接口中间层、前端工程化工具或服务器端应用。

1. 初始化项目

mkdir chatgpt-api-demo
cd chatgpt-api-demo
npm init -y

2. 安装 OpenAI SDK

npm install openai

3. 编写调用代码

新建文件 index.js：

import OpenAI from "openai";

const client = new OpenAI();

const response = await client.responses.create({
  model: "gpt-4.1-mini",
  input: "请写一段适合小学生理解的太阳系介绍。"
});

console.log(response.output_text);

由于这里使用了 ES Module 语法，需要在 package.json 中加入：

{
  "type": "module"
}

完整 package.json 可以类似这样：

{
  "name": "chatgpt-api-demo",
  "version": "1.0.0",
  "type": "module",
  "main": "index.js",
  "scripts": {
    "start": "node index.js"
  },
  "dependencies": {
    "openai": "^4.0.0"
  }
}

运行：

npm start

或者：

node index.js

九、Node.js Express 接口封装示例

如果你想把 ChatGPT API 封装成自己的后端接口，可以使用 Express。

1. 安装 Express

npm install express openai

2. 创建服务端文件

新建 server.js：

import express from "express";
import OpenAI from "openai";

const app = express();
const client = new OpenAI();

app.use(express.json());

app.post("/api/chat", async (req, res) => {
  try {
    const { message } = req.body;

    if (!message) {
      return res.status(400).json({
        error: "message不能为空"
      });
    }

    const response = await client.responses.create({
      model: "gpt-4.1-mini",
      input: message
    });

    res.json({
      reply: response.output_text
    });
  } catch (error) {
    console.error(error);
    res.status(500).json({
      error: "服务器内部错误"
    });
  }
});

app.listen(3000, () => {
  console.log("Server is running on http://localhost:3000");
});

3. 启动服务

node server.js

4. 测试接口

curl http://localhost:3000/api/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"请给我三个提高工作效率的方法。"}'

这样，你就拥有了一个自己的 ChatGPT 后端接口。前端页面、移动端 App 或企业内部系统都可以请求这个接口，而不是直接暴露 OpenAI API Key。

十、流式输出调用教程

普通调用方式会等模型完整生成后一次性返回结果。如果回复很长，用户需要等待较久。流式输出可以边生成边返回，体验更接近网页端 ChatGPT。

Python 流式输出示例

from openai import OpenAI

client = OpenAI()

stream = client.responses.create(
    model="gpt-4.1-mini",
    input="请写一篇关于时间管理的短文，分为三点。",
    stream=True
)

for event in stream:
    if event.type == "response.output_text.delta":
        print(event.delta, end="", flush=True)

运行：

python stream_demo.py

Node.js 流式输出示例

import OpenAI from "openai";

const client = new OpenAI();

const stream = await client.responses.create({
  model: "gpt-4.1-mini",
  input: "请用五个要点说明如何学习编程。",
  stream: true
});

for await (const event of stream) {
  if (event.type === "response.output_text.delta") {
    process.stdout.write(event.delta);
  }
}

流式输出适用于：

聊天机器人
长文生成
代码生成
在线客服
实时写作助手

十一、常用参数说明

调用 ChatGPT API 时，除了 model 和 input，还可以根据需要配置其他参数。

1. model

指定使用的模型，例如：

{
  "model": "gpt-4.1-mini"
}

一般来说，能力越强的模型效果越好，但成本和响应时间可能也更高。实际项目中可以根据场景选择模型：

简单分类、摘要、改写：可选择轻量模型
复杂推理、代码生成、长文分析：选择能力更强的模型
高频业务接口：需要综合考虑成本、延迟和效果

2. input

用户输入内容，可以是简单字符串：

{
  "input": "帮我写一个产品介绍。"
}

也可以是结构化消息：

{
  "input": [
    {
      "role": "system",
      "content": "你是一个专业的营销文案专家。"
    },
    {
      "role": "user",
      "content": "请为一款智能手表写一段卖点文案。"
    }
  ]
}

3. temperature

temperature 用于控制生成内容的随机性。

示例：

{
  "temperature": 0.7
}

一般建议：

0 到 0.3：更稳定，更适合事实问答、代码、分类
0.5 到 0.8：平衡稳定性和创造性
0.9 以上：更发散，更适合创意写作，但不稳定性更高

4. max_output_tokens

用于限制模型最大输出长度。

示例：

{
  "max_output_tokens": 500
}

如果你只需要简短回答，可以设置较小值；如果需要生成长文、报告、代码，则需要适当增加。

十二、带参数的完整 curl 示例

下面是一个更完整的命令，包含系统角色、温度参数和输出长度限制：

curl https://api.openai.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-4.1-mini",
    "input": [
      {
        "role": "system",
        "content": "你是一名专业的中文技术写作专家，回答要结构清晰、准确、实用。"
      },
      {
        "role": "user",
        "content": "请解释RESTful API的核心概念，并举一个例子。"
      }
    ],
    "temperature": 0.4,
    "max_output_tokens": 800
  }'

这个示例适合技术问答、文档生成、教育解释等场景。

十三、常见错误与解决方法

1. 401 Unauthorized

错误原因通常是 API Key 不正确、未设置环境变量，或者请求头格式错误。

检查命令：

echo $OPENAI_API_KEY

请求头应为：

-H "Authorization: Bearer $OPENAI_API_KEY"

注意 Bearer 后面有一个空格。

2. 429 Too Many Requests

表示请求过于频繁，或者当前账号额度、速率限制不足。

解决方法：

降低请求频率
增加重试机制
检查账户额度
对高频接口做缓存
使用队列削峰

3. 400 Bad Request

通常是请求参数格式错误，例如 JSON 写错、字段名错误、模型名不存在等。

可以用 JSON 校验工具检查请求体格式，也可以先使用最简单的请求测试接口是否可用。

4. 500 或 503 服务错误

可能是服务端临时异常或网络波动。建议在生产环境中加入自动重试机制，但不要无限重试。

十四、生产环境开发建议

在真实项目中调用 ChatGPT API，不能只考虑“能不能调用成功”，还要关注安全性、稳定性、成本和体验。

1. 不要在前端暴露 API Key

错误示例：

const apiKey = "sk-xxxx";

如果把 Key 写在前端代码里，用户可以通过浏览器开发者工具看到它，导致密钥泄露和费用风险。

正确做法是：

前端请求你自己的后端接口
后端再调用 OpenAI API
API Key 只保存在服务器环境变量中

2. 增加输入校验

用户输入可能为空、过长、包含异常内容。后端应进行基本校验：

是否为空
长度是否超限
是否符合业务场景
是否需要过滤敏感内容

3. 做好异常处理

调用外部 API 时，必须考虑失败情况。建议处理：

网络超时
API Key 无效
额度不足
请求频率限制
模型返回为空
服务临时不可用

4. 控制成本

API 调用通常按输入和输出 token 计费。控制成本的方式包括：

限制用户输入长度
限制最大输出长度
对重复问题做缓存
简单任务使用更轻量模型
定期统计调用量
为不同用户设置调用额度

5. 保存必要日志

建议记录以下信息：

请求时间
用户 ID
输入长度
输出长度
调用模型
响应耗时
是否成功
错误类型

但要注意隐私保护，不要记录敏感个人信息，或者应进行脱敏处理。

十五、一个完整的 Python 封装示例

下面给出一个更接近实际项目的 Python 封装：

from openai import OpenAI

client = OpenAI()

def ask_chatgpt(prompt: str) -> str:
    if not prompt or not prompt.strip():
        raise ValueError("prompt不能为空")

    if len(prompt) > 2000:
        raise ValueError("prompt长度不能超过2000字符")

    try:
        response = client.responses.create(
            model="gpt-4.1-mini",
            input=[
                {
                    "role": "system",
                    "content": "你是一个专业、严谨、简洁的中文助手。"
                },
                {
                    "role": "user",
                    "content": prompt
                }
            ],
            temperature=0.5,
            max_output_tokens=800
        )

        return response.output_text

    except Exception as e:
        print(f"调用OpenAI API失败: {e}")
        return "抱歉，当前服务暂时不可用，请稍后再试。"


if __name__ == "__main__":
    question = input("请输入你的问题：")
    answer = ask_chatgpt(question)
    print("\n回答：")
    print(answer)

运行命令：