从0到1构建企业级AI聊天机器人：选型、代码与工程化落地

import openai
from dotenv import load_dotenv  # 推荐用环境变量管理敏感信息
import os
import time

# 【优化1】安全实践：从.env文件加载api_key，杜绝硬编码泄露
load_dotenv()
client = openai.OpenAI(
    base_url='4sapi.com',  # 国内稳定接入点
    api_key=os.getenv("OPENAI_API_KEY"),  # 从环境变量读取
    timeout=10.0  # 全局超时设置
)

# 【优化2】稳定性实践：装饰器实现指数级退避重试
def retry_on_failure(max_retries=3, delay=1):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for attempt in range(max_retries):
                try:
                    return func(*args, **kwargs)
                except Exception as e:
                    if attempt == max_retries - 1:
                        raise e
                    time.sleep(delay * (attempt + 1))  # 退避策略
            return None
        return wrapper
    return decorator

@retry_on_failure(max_retries=2)
def chat_with_gpt(prompt):
    response = client.completions.create(  # 注意：v1版本接口对应写法略有不同，此处保持与官方最新SDK一致
        model="gpt-3.5-turbo-instruct",  # 或 davinci
        prompt=prompt,
        max_tokens=150,
        temperature=0.7
    )
    return response.choices[0].text.strip()

# 【优化3】多轮对话扩展：通过拼接历史上下文实现短期记忆
def multi_turn_chat(history, new_prompt):
    # 构建包含上下文的Prompt
    context = "\n".join([f"用户：{h[0]}\n机器人：{h[1]}" for h in history])
    full_prompt = f"{context}\n用户：{new_prompt}\n机器人："
    return chat_with_gpt(full_prompt)

# 测试多轮对话
if __name__ == "__main__":
    history = []
    user_input = "你好，今天的天气怎么样？"
    response = multi_turn_chat(history, user_input)
    history.append((user_input, response))
    print("Chatbot:", response)