Wie man den Open AI API-Schlüssel in Python verwendet (für Anfänger geeignet)
In dem aufstrebenden Bereich der künstlichen Intelligenz hat sich OpenAI als Innovationsführer etabliert und bietet Entwicklern weltweit Tools, um die Power der künstlichen Intelligenz zu nutzen. Ein zentrales Element für den Zugriff auf diese Tools ist der OpenAI API Key, ein Pass für eine Reihe von Funktionen, die Textgenerierung, Bilderschaffung
In dem aufstrebenden Bereich der künstlichen Intelligenz hat sich OpenAI als Innovationsführer etabliert und bietet Entwicklern weltweit Tools, um die Power der künstlichen Intelligenz zu nutzen. Ein zentrales Element für den Zugriff auf diese Tools ist der OpenAI API Key, ein Pass für eine Reihe von Funktionen, die Textgenerierung, Bilderschaffung und mehr umfassen. Dieser Artikel geht auf die praktischen Schritte ein, um den OpenAI API Key in Python zu nutzen und bietet eine grundlegende Anleitung für Entwickler, die daran interessiert sind, künstliche Intelligenz in ihre Projekte zu integrieren.
Aber bevor wir mit dem Erlernen der Schritte beginnen, möchten Sie vielleicht einen Blick auf Anakin AI werfen.
Anakin AI, All Your AI Models in One Place
Haben Sie Probleme damit, mehr als 100 AI API-Rechnungen zu bezahlen? Anakin AI vereint alles an einem Ort! AI-Modelle wie GPT, DALL-E und Stable Diffusion. Hier sind einige Gründe, warum Anakin AI sich auszeichnet:
All-in-One-Plattform: Greifen Sie ganz einfach auf verschiedene KI-Modelle an einem Ort zu und verwalten Sie mehrere APIs oder Abrechnungskonten.
Kein Zahlungsstress: Tauchen Sie in die KI ein, ohne sich mit komplexen Einrichtungs- und Zahlungsvorgängen auseinandersetzen zu müssen, um sie einer breiteren Zielgruppe zugänglich zu machen.
Kein Code-App-Builder: Ermöglichen Sie Benutzern, KI-gesteuerte Anwendungen ohne jegliche Codierkenntnisse zu erstellen und öffnen Sie endlose Möglichkeiten für Innovation und Kreativität.
Anakin AI ist Ihr Einstiegstor, um die Kraft der künstlichen Intelligenz zu erforschen und zu nutzen und es Ihnen so einfach wie nie zuvor zu machen, KI in Ihre Projekte oder Geschäftslösungen zu integrieren.
Im Wesentlichen bildet die Open AI API die Schnittstelle zwischen Entwicklern und OpenAIs fortschrittlichen KI-Modellen, einschließlich der renommierten GPT-Serie. Die API ermöglicht eine breite Palette von KI-basierten Aufgaben, von der Generierung von textähnlichem Text bis hin zum Verständnis komplexer Anfragen und der Generierung lebendiger Bilder. Für Entwickler ist es entscheidend zu verstehen, wie man die Open AI API effektiv nutzt, um das transformative Potenzial der KI in verschiedenen Anwendungen zu nutzen.
Die Open AI API fungiert als Schnittstelle zum Zugriff auf OpenAIs leistungsstarke Modelle und ermöglicht es Anwendungen, Aufgaben auszuführen, die manuell schwierig oder unmöglich zu programmieren wären. Ob es darum geht, zusammenhängenden Text zu erstellen, Fragen zu beantworten oder neuen Inhalt zu generieren, die API bietet einen einfachen Weg zur Integration fortschrittlicher KI-Funktionen in Softwarelösungen.
So verwenden Sie Ihren Open AI API Key
Bevor Sie mit dem Codieren beginnen, ist es Voraussetzung, einen Open AI API Key zu erhalten. Dieser Schlüssel ist im Wesentlichen Ihre Zugriffsberechtigung für OpenAIs Suite von APIs, eine eindeutige Kennung, die API-Anfragen mit Ihrem Konto verknüpft.
Schritt 1. Setup des OpenAI API Key
Erstellen Sie ein OpenAI Entwicklerkonto: Beginnen Sie, indem Sie sich für ein Entwicklerkonto auf der OpenAI-Plattform registrieren. Das ist Ihr erster Schritt, um die Möglichkeiten der API freizuschalten.
Fügen Sie eine Zahlungsmethode hinzu: Angesichts der für den Betrieb fortschrittlicher KI-Modelle erforderlichen Rechenressourcen verlangt OpenAI von den Benutzern, eine Zahlungsmethode zu ihrem Konto hinzuzufügen, um einen nahtlosen Zugriff auf ihre Dienste zu gewährleisten.
Rufen Sie Ihren Secret Key ab: Nachdem Sie Ihr Konto eingerichtet haben, navigieren Sie zum API-Bereich, um Ihren Open AI API Key zu finden. Es ist wichtig, diesen Schlüssel vertraulich zu behandeln, da er Zugang zu Diensten gewährt, für die möglicherweise Kosten anfallen.
Empfehlung zur sicheren Schlüsselspeicherung für den OpenAI API Key
Für Projekte, bei denen Sicherheit oberste Priorität hat, sollten Sie in Betracht ziehen, Plattformen zu verwenden, die sichere Speicheroptionen für sensible Informationen wie API-Schlüssel bieten. DataCamp Workspace bietet zum Beispiel eine Umgebung, in der Sie Ihren Open AI API Key sicher speichern können und so das Risiko einer unbeabsichtigten Offenlegung minimieren können.
Schritt 2. Bereiten Sie Ihre Entwicklungsumgebung vor
Nachdem Sie Ihren Open AI API Key haben, ist der nächste Schritt das Einrichten Ihrer Entwicklungsumgebung. Dies beinhaltet die Installation der erforderlichen Bibliotheken und Pakete, die die Interaktion mit der OpenAI API ermöglichen.
Einrichten der Python Dev-Umgebung
Python bietet ein umfangreiches Ökosystem von Bibliotheken für Datenwissenschaft und KI-Entwicklung. Um mit der OpenAI API zu arbeiten, müssen Sie die openai-Bibliothek installieren, unter anderem. Hier ist, wie Sie anfangen können:
# Importieren Sie die erforderlichen Pakete
import os
import openai
import pandas as pd
from IPython.display import display, Markdown
Dieses Code-Snippet zeigt, wie Sie essenzielle Bibliotheken für Ihr Projekt importieren. Die os-Bibliothek ermöglicht die Interaktion mit dem Betriebssystem, einschließlich dem Zugriff auf Umgebungsvariablen, in denen Ihr Open AI API Key sicher gespeichert werden kann. Die openai-Bibliothek ist Ihre direkte Verbindung zu OpenAIs API-Funktionen. Zudem kann die pandas-Bibliothek bei der Verwaltung und Analyse von Daten helfen, insbesondere wenn es um JSON-Antworten aus der API geht.
Konfigurieren Sie den OpenAI API Key für die Umgebung
Um API-Aufrufe durchzuführen, müssen Sie die openai-Bibliothek mit Ihrem API-Schlüssel konfigurieren:
# Setzen Sie den OpenAI API Key über eine Umgebungsvariable
openai.api_key = os.environ["OPENAI"]
Diese Vorgehensweise fördert bewährte Praktiken, indem Ihr API-Schlüssel nicht im Code selbst enthalten ist, was das Risiko einer unbeabsichtigten Offenlegung reduziert.
Wie Sie den OpenAI API Key nutzen: Beispiele
OpenAI bietet verschiedene Modelle, die auf verschiedene Aufgaben zugeschnitten sind. Um die API effektiv zu nutzen, ist es wichtig zu wissen, welche Modelle Ihnen zur Verfügung stehen.
Um die verfügbaren Modelle einzusehen, können Sie sie mit dem openai-Python-Paket auflisten. Hier ist ein Code-Schnipsel, um Ihnen den Einstieg zu erleichtern:
# Liste verfügbarer Modelle
model_list = pd.json_normalize(openai.Model.list(), "data")
display(model_list)
Dieser Code verwendet pandas, um die Liste der über die API verfügbaren Modelle übersichtlich zu organisieren und anzuzeigen und Ihnen bei der Auswahl des richtigen Modells für Ihre Aufgabe zu helfen.
Beispiel 1: Wie man Text mit OpenAIs API generiert
Eines der Hauptmerkmale von OpenAIs API ist die Fähigkeit, zusammenhängenden, kontextuell relevanten Text zu generieren. Diese Fähigkeit eröffnet eine Vielzahl von Anwendungen, von der Automatisierung des Kundensupports bis hin zur Inhaltsproduktion.
Grundlegendes OpenAI API Workflow
Die GPT-Modelle unterstützen eine Chat-Funktionalität, die einem Gespräch ähnelt. Sie können einen Anstoß angeben, und das Modell wird eine Antwort generieren. Hier ist die Einrichtung eines grundlegenden Chats mit einem GPT-Modell:
# Unterhalten Sie sich mit GPT
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[{
"role": "system",
"content": "Sie sind ein Stand-up-Comedian und treten vor einem Publikum von Data-Scientests auf. Ihr Spezialgebiet sind Witze von Vätern."
}, {
"role": "user",
"content": "Erzählen Sie einen Witz über Statistiken."
}, {
"role": "assistant",
"content": "Mein letzter Auftritt war auf einer Statistikkonferenz. Ich habe 100 Witze erzählt, um die Leute zum Lachen zu bringen. Zehn mal zehn Witze hatten Wortspiele."
}
]
)
Dieser Code-Ausschnitt zeigt, wie man eine Situation einrichtet, in der die KI auf eine Anregung reagiert und einen Witz erzeugt. Dies verdeutlicht das Potenzial der API für interaktive Anwendungen.
Die API bietet auch Steuerelemente, um die Ausgabe der Textgenerierung anzupassen und Faktoren wie Zufall und Länge zu beeinflussen. Dies ermöglicht eine Anpassung an die spezifischen Anforderungen Ihrer Anwendung.
Anpassung der Parameter der OpenAI API
Hier ist ein Beispiel, wie man die Chat-Ausgabe für verschiedene Effekte anpasst:
# Passen Sie die Chat-Ausgabe an
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[{"role": "user", "content": "Erzähl mir einen futuristischen Witz."}],
temperature=0.7,
max_tokens=100,
top_p=0.8,
frequency_penalty=0,
presence_penalty=0
)
Dieser Code-Ausschnitt veranschaulicht, wie man die Parameter wie temperature und max_tokens anpasst, um die Kreativität und Länge des von der KI generierten Textes zu beeinflussen.
Die Open AI API geht weit über die Textgenerierung hinaus. Mit Funktionen wie der Bildgenerierung mit DALL-E oder der semantischen Suche mit Einbettungen bietet die API eine Reihe von Tools, mit denen Entwickler experimentieren können. Jedes Modell wird mit seinem eigenen Satz von Parametern und Optionen geliefert, die eine umfassende Anpassung ermöglichen, um den Anforderungen verschiedener Projekte gerecht zu werden.
Indem Sie den in dieser Anleitung beschriebenen Schritten folgen, von der Einrichtung Ihres Open AI API Key bis hin zu Ihrem ersten API-Aufruf und dem Experimentieren mit fortgeschrittenen Funktionen, sind Sie bestens gerüstet, um OpenAIs leistungsstarke KI-Fähigkeiten in Ihre Python-Anwendungen zu integrieren. Egal, ob Sie einen KI-gesteuerten Chatbot entwickeln, die Generierung von Inhalten automatisieren oder neue Grenzen in der KI erforschen, die Open AI API bietet eine robuste Plattform für Innovation und Erkundung im Bereich der künstlichen Intelligenz.
Beispiel 2: Wie man die DALLE-3 API verwendet
OpenAIs DALL-E-Modell treibt die Grenzen der KI noch weiter voran und ermöglicht die Erzeugung von Bildern aus textuellen Beschreibungen. Diese Funktion ermöglicht eine Vielzahl von kreativen Anwendungen, von der automatisierten Inhaltsproduktion bis zur visuellen Datenverstärkung.
Bilder mit DALL-E zu generieren ist genauso einfach wie die Bereitstellung einer Anregung:
# Generiere ein Bild aus Text
response = openai.Image.create(
prompt="Eine futuristische Stadtszenerie bei Sonnenuntergang im Stil von Cyberpunk."
)
# Zeige das generierte Bild an
img_url = response["data"][0]["url"]
display(Image(url=img_url))
Dieses Beispiel zeigt die Möglichkeit, komplexe, visuell ansprechende Bilder allein auf Grundlage von textuellen Eingaben zu erstellen und verdeutlicht die Leistungsfähigkeit von OpenAIs Modellen.
Um weitere Informationen darüber zu erhalten, wie man Bilder mit der DALLE3 API erstellt, lesen Sie den folgenden Artikel, um mehr über die Schritte zu erfahren:
Beispiel 3: Generierung einer Zusammenfassung mit der OpenAI API
OpenAIs API, insbesondere bei der Nutzung des GPT-3-Modells, ist in der Lage, umfangreiche Texte in prägnante Versionen zusammenzufassen. Diese Funktion kann von unschätzbarem Wert sein, um Zusammenfassungen von Artikeln, Berichten oder sogar Büchern zu erstellen und den Kerninhalt zugänglicher zu machen.
Wie man eine Zusammenfassung erstellt:
Bereiten Sie den Text vor, den Sie zusammenfassen möchten. Dies kann jeder beliebige Text sein, von einem Nachrichtenartikel bis hin zu einem Forschungsbericht.
Formulieren Sie eine Anfrage für GPT-3, die deutlich angibt, dass sie den Text zusammenfassen soll.
Verwenden Sie die Methode openai.Completion.create, um Ihre Anfrage an GPT-3 zu senden.
Python-Code-Beispiel:
import openai
import os
openai.api_key = os.getenv("OPENAI_API_KEY")
text_to_summarize = """OpenAIs GPT-3 ist ein hochmodell des KI-Textverarbeitenden Modells, das Text generieren kann, Sprachen übersetzen kann und sogar text basiered auf den Anfragen, die es erhält, menschenähnlichen Text erstellen kann. Seine Anwendungen reichen von der Unterstützung beim Schreiben bis hin zur Automatisierung des Kundenservice."""
prompt = "Bitte fassen Sie den folgenden Text kurz zusammen: " + text_to_summarize
response = openai.Completion.create(
engine="davinci",
prompt=prompt,
max_tokens=60,
temperature=0.5,
top_p=1.0,
frequency_penalty=0.0,
presence_penalty=0.0
)
summary = response.choices[0].text.strip()
print(summary)
Diese Code-Schnipsel zeigt, wie man einen Absatz über GPT-3 knapp zusammenfasst und zeigt die Fähigkeit des Modells, wesentliche Informationen zu extrahieren.
Beispiel 4: Sprachübersetzung mit GPT-3
Die vielseitige Sprachverarbeitung von GPT-3 ermöglicht es ihm, Text zwischen verschiedenen Sprachen zu übersetzen. Diese Funktion öffnet globale Kommunikationswege und beseitigt Sprachbarrieren in Echtzeit.
Wie man Text übersetzt:
Wählen Sie die Quell- und Zielsprachen für Ihre Übersetzungsaufgabe aus.
Formulieren Sie eine Anfrage, die GPT-3 auffordert, den Text zu übersetzen.
Führen Sie die Übersetzungsanfrage aus, indem Sie openai.Completion.create verwenden.
Python-Code-Beispiel:
import openai
import os
openai.api_key = os.getenv("OPENAI_API_KEY")
text_to_translate = "Die Möglichkeiten von GPT-3 verändern die Art und Weise, wie wir mit Technologie interagieren."
prompt = f"Übersetzen Sie den folgenden deutschen Text ins Englische: {text_to_translate}"
response = openai.Completion.create(
engine="davinci",
prompt=prompt,
max_tokens=100,
temperature=0.5,
top_p=1.0,
frequency_penalty=0.0,
presence_penalty=0.0
)
translated_text = response.choices[0].text.strip()
print(translated_text)
Dieses Beispiel zeigt die Fähigkeit von GPT-3, deutschen Text ins Englische zu übersetzen und verdeutlicht sein Potenzial als Übersetzungswerkzeug.
Beispiel 5: Klassifizierung mit Einbettungen
Es gibt viele Möglichkeiten, Text zu klassifizieren. In diesem Beispiel wird eine Methode zur Textklassifizierung mit Einbettungen gezeigt. Obwohl feinabgestimmte Modelle oft in Textklassifizierungsaufgaben bessere Ergebnisse erzielen, konzentriert sich dieses Beispiel auf die Verwendung von Einbettungen zur Vereinfachung. Für optimale Ergebnisse empfehlen wir, mehr Beispiele als Einbettungsdimensionen zu haben, ein Kriterium, das in dieser Demonstration möglicherweise nicht vollständig erfüllt wird.
In dieser Aufgabe wird der Wertung einer Lebensmittelbewertung (von 1 bis 5) basierend auf der Einbettung des Bewertungstextes vorhergesagt. Wir teilen den Datensatz in Trainings- und Testsets auf, um die Leistung bei nicht gesehenen Daten realistisch zu bewerten. Dieser Datensatz wird in einem separaten Prozess vorbereitet, wie in einem anderen Dokument erläutert wird.
Python-Code-Beispiel für Textklassifizierung mit Einbettungen:
import pandas as pd
import numpy as np
from ast import literal_eval
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report, accuracy_score
# Laden Sie den Datensatz mit Einbettungen
datafile_path = "data/fine_food_reviews_with_embeddings_1k.csv"
df = pd.read_csv(datafile_path)
df["embedding"] = df.embedding.apply(literal_eval).apply(np.array) # String in Array umwandeln
# Teilen Sie die Daten in Trainings- und Testsets auf
X_train, X_test, y_train, y_test = train_test_split(
list(df.embedding.values), df.Score, test_size=0.2, random_state=42
)
# Trainieren Sie einen Random Forest Classifier
clf = RandomForestClassifier(n_estimators=100)
clf.fit(X_train, y_train)
preds = clf.predict(X_test)
# Generieren und drucken Sie den Klassifikationsbericht
report = classification_report(y_test, preds)
print(report)
Dieser Code trainiert einen Random Forest Classifier auf Einbettungen von Texten von Lebensmittelbewertungen, um ihre Wertungen vorherzusagen. Der Klassifikationsbericht zeigt, wie gut das Modell in den verschiedenen Bewertungskategorien abschneidet.
Einblick in die Modellperformance:
Das Modell zeigt eine akzeptable Fähigkeit zur Unterscheidung zwischen den Kategorien, wobei 5-Sterne-Bewertungen die beste Leistung zeigen. Dies ist zu erwarten, da sie am häufigsten im Datensatz vorkommen. Der Erfolg dieses Ansatzes verdeutlicht das Potenzial von Einbettungen in Aufgaben, bei denen die Feinabstimmung zu ressourcenintensiv wäre oder bei kleineren Datensätzen.
Indem sie diese Methode erkunden, können Entwickler Einblicke in die praktischen Anwendungen des maschinellen Lernens für die Textklassifizierung gewinnen und vorberechnete Einbettungen nutzen, um den Prozess zu erleichtern.
Fazit
Bevor wir schließlich abschließen, möchten Sie vielleicht einen Blick auf Anakin AI werfen.
Anakin AI, All Your AI Models in One Place
Haben Sie Probleme damit, mehr als 100 AI API-Rechnungen zu bezahlen? Anakin AI vereint alles an einem Ort! AI-Modelle wie GPT, DALL-E und Stable Diffusion. Hier sind einige Gründe, warum Anakin AI sich auszeichnet:
All-in-One-Plattform: Greifen Sie ganz einfach auf verschiedene KI-Modelle an einem Ort zu und verwalten Sie mehrere APIs oder Abrechnungskonten.
Kein Zahlungsstress: Tauchen Sie in die KI ein, ohne sich mit komplexen Einrichtungs- und Zahlungsvorgängen auseinandersetzen zu müssen, um sie einer breiteren Zielgruppe zugänglich zu machen.
Kein Code-App-Builder: Ermöglichen Sie Benutzern, KI-gesteuerte Anwendungen ohne jegliche Codierkenntnisse zu erstellen und öffnen Sie endlose Möglichkeiten für Innovation und Kreativität.
Anakin AI ist Ihr Einstiegstor, um die Kraft der künstlichen Intelligenz zu erforschen und zu nutzen und es Ihnen so einfach wie nie zuvor zu machen, KI in Ihre Projekte oder Geschäftslösungen zu integrieren.
Wenn wir diese Erkundung der Verwendung der OpenAI API in Python abschließen, wird deutlich, dass die Landschaft der KI umfangreich ist und viele Möglichkeiten für Innovationen bietet. Egal, ob Sie ein erfahrener Entwickler oder neu im Bereich der KI sind, die von OpenAI bereitgestellten Tools bieten eine robuste Plattform für die Entwicklung intelligenter, reaktionsschneller und kreativer Anwendungen. Indem Sie den in dieser Anleitung beschriebenen Schritten von der Sicherung Ihres OpenAI API Keys bis hin zum Experimentieren mit fortgeschrittenen Modellfunktionalitäten folgen, sind Sie bestens gerüstet, um eine Entdeckungs- und Entwicklungsreise im Bereich der künstlichen Intelligenz anzutreten.
Die Reise endet hier jedoch nicht. Das Gebiet der künstlichen Intelligenz entwickelt sich ständig weiter, mit neuen Modellen, Möglichkeiten und Anwendungen, die regelmäßig entstehen. Bleiben Sie mit der OpenAI-Community engagiert, erkunden Sie die verfügbare Dokumentation und die Ressourcen und experimentieren Sie weiterhin mit verschiedenen Modellen und ihren Anwendungen. Die Zukunft der KI liegt in Ihren Händen, und mit OpenAIs API haben Sie die Werkzeuge, ihn zu gestalten.
