一、ChatGPT官方文档介绍：

在这里插入图片描述

ChatGPT API—0.002美元，1000个token。
比之前的GPT-3.0，成本直接降低了90%。
Whisper API—0.001美元，10秒语音转录
基于gpt-3.5-turbo模型，在微软Azure上运行
大客户（每天超过4.5亿个token）选择专用实例更实惠
默认情况下，提交的数据不再用于AI训练

messages中的centent就是我们要提问的问题，可以看到chatgpt已经支持基于上一个问题进行提问了

二、Python调用具体方法：

1.升级openai模块

在这里插入图片描述

2.导入openai模块

在这里插入图片描述

3.Python调用gpt-3.5模型代码

在这里插入图片描述

4.完整代码：让chatgpt基于上下文回答

import openai
openai.api_key = "填写你的openai key"
 
conversation=[{"role": "system", "content": "You are a helpful assistant."}]
while True:
    prompt = (input("请输入您的内容："))
    conversation.append({"role": "user","content": prompt})
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages = conversation,
        temperature=1,
        max_tokens=2048,
        top_p=0.9
    )
    conversation.append({"role": "assistant", "content": response['choices'][0]['message']['content']}) #将上一次会话信息返回给chatgpt
    print("\n" + response['choices'][0]['message']['content'] + "\n") #打印答案

5.拓展：让chatgpt记忆第一句话，并基于上下文回答（推荐）

import openai
openai.api_key = "填写你的openai key"
 
 
conversation=[{"role": "system", "content": "You are a helpful assistant."}]
max_history_len = 5 #保存5个会话给chatgpt
first_message = None
while True:
    prompt = (input("请输入您的内容："))
    if first_message is None:
        first_message = prompt # 存储第一句话
        
    conversation.append({"role": "user","content": prompt})
    prompt_history = "\n".join([f"{i['role']}: {i['content']}" for i in conversation])
    prompt = f"Conversation history:\n{first_message}\n{prompt_history}"
 
    
    if len(conversation) > max_history_len:
        conversation = conversation[-max_history_len:]
 
       # 将第一句话添加到生成的 prompt 中
    conversation.insert(0, {"role": "user", "content": first_message})
        
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages = conversation,
        temperature=1,
        max_tokens=1024,
        n=1,
        timeout=15,
        stop=None,
        top_p=0.9
        
    )
    conversation.append({"role": "assistant", "content": response['choices'][0]['message']['content']})
    print("\n" + response['choices'][0]['message']['content'] + "\n")

三、GPT-3.5跟ChatGPT网页版用的都是同一个模型

1、GPT-3.5模型比GPT3更便宜

2、GPT-3.5模型比GPT3响应速度快了接近一倍多

3、GPT-3.5可以基于上一个问题来提问

4、GPT-3.5模型的答案更完美

总结

最后的最后
由本人水平所限，难免有错误以及不足之处，屏幕前的靓仔靓女们如有发现，恳请指出！

最后，谢谢你看到这里，谢谢你认真对待我的努力，希望这篇博客对你有所帮助！

你轻轻地点了个赞，那将在我的心里世界增添一颗明亮而耀眼的星！

💬 往期优质文章分享

C++ QT结合FFmpeg实战开发视频播放器-01环境的安装和项目部署
解决QT问题：运行qmake：Project ERROR: Cannot run compiler ‘cl‘. Output:
解决安装QT后MSVC2015 64bit配置无编译器和调试器问题
Qt中的套件提示no complier set in kit和no debugger，出现黄色感叹号问题解决（MSVC2017）
Python+selenium 自动化 - 实现自动导入、上传外部文件（不弹出windows窗口）

🚀 优质教程分享 🚀

🎄如果感觉文章看完了不过瘾，可以来我的其他专栏看一下哦~
🎄比如以下几个专栏：Python实战微信订餐小程序、Python量化交易实战、C++ QT实战类项目和算法学习专栏
🎄可以学习更多的关于C++/Python的相关内容哦！直接点击下面颜色字体就可以跳转啦！

学习路线指引（点击解锁）	知识定位	人群定位
🧡 Python实战微信订餐小程序 🧡	进阶级	本课程是python flask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。
💛Python量化交易实战 💛	入门级	手把手带你打造一个易扩展、更安全、效率更高的量化交易系统
❤️ C++ QT结合FFmpeg实战开发视频播放器❤️	难度偏高	分享学习QT成品的视频播放器源码，需要有扎实的C++知识！
💚 游戏爱好者九万人社区💚	互助/吹水	九万人游戏爱好者社区，聊天互助，白嫖奖品
💙 Python零基础到入门 💙	Python初学者	针对没有经过系统学习的小伙伴，核心目的就是让我们能够快速学习Python的知识以达到入门