Utilizzare le API di OpenAI: differenze tra le versioni

Da Wiki AI.
(Creata pagina con "= Tutorial: Come Utilizzare le API di OpenAI = == Introduzione == Questo tutorial ti guiderà attraverso i passaggi fondamentali per iniziare a utilizzare le API di OpenAI nelle tue applicazioni Python. == Prerequisiti == Python 3.7 o versione successiva installato sul tuo computer Un account OpenAI con una chiave API valida Il pacchetto OpenAI installato ('''pip install openai''') == Configurazione Iniziale == Prima di iniziare, dovrai configurare il tuo ambiente: <sy...")
 
Nessun oggetto della modifica
 
Riga 2: Riga 2:
== Introduzione ==
== Introduzione ==
Questo tutorial ti guiderà attraverso i passaggi fondamentali per iniziare a utilizzare le API di OpenAI nelle tue applicazioni Python.
Questo tutorial ti guiderà attraverso i passaggi fondamentali per iniziare a utilizzare le API di OpenAI nelle tue applicazioni Python.
== Prerequisiti ==


Python 3.7 o versione successiva installato sul tuo computer
=== Prerequisiti ===
Un account OpenAI con una chiave API valida
Il pacchetto OpenAI installato ('''pip install openai''')


== Configurazione Iniziale ==
* Python 3.10 o versione successiva installato sul tuo computer
* Un account OpenAI con una chiave API valida
* Il pacchetto OpenAI installato ('''pip install openai''')
 
=== Configurazione Iniziale ===
Prima di iniziare, dovrai configurare il tuo ambiente:
Prima di iniziare, dovrai configurare il tuo ambiente:
<syntaxhighlight lang="python">
<syntaxhighlight lang="python">
from openai import OpenAI
from openai import OpenAI
client = OpenAI() # Assicurati di avere la variabile d'ambiente OPENAI_API_KEY impostata
client = OpenAI(key="devi accedere a platform.openai.com")  
</syntaxhighlight>
</syntaxhighlight>
'''Nota:''' Per sicurezza, è consigliato impostare la chiave API come variabile d'ambiente invece di includerla direttamente nel codice.
'''Nota:''' Per sicurezza, è consigliato impostare la chiave API come variabile d'ambiente invece di includerla direttamente nel codice.
Riga 32: Riga 33:
     ],
     ],
     temperature=1,
     temperature=1,
     max_tokens=256,
     max_tokens=256
    top_p=1
)
)
print(response.choices[0].message.content)
print(response.choices[0].message.content)
Riga 53: Riga 53:
     ],
     ],
     temperature=1,
     temperature=1,
     max_tokens=256,
     max_tokens=256
    top_p=1
)
)
</syntaxhighlight>
</syntaxhighlight>
== Parametri Principali ==


'''model''': Il modello da utilizzare (es. "gpt-4", "gpt-3.5-turbo")
=== Parametri Principali ===
'''messages''': Lista di messaggi che formano la conversazione
'''temperature''': Controlla la casualità delle risposte (0 = deterministico, 1 = molto creativo)
'''max_tokens''': Numero massimo di token nella risposta
'''top_p''': Controlla la diversità delle risposte


== Gestione degli Errori ==
* '''model''': Il modello da utilizzare (es. "gpt-4", "gpt-3.5-turbo") - l'elenco completo è su https://platform.openai.com/docs/models
* '''messages''': Lista di messaggi che formano la conversazione
* '''temperature''': Controlla la casualità delle risposte (0 = deterministico, 1 = molto creativo)
* '''max_tokens''': Numero massimo di token nella risposta
 
=== Gestione degli Errori ===
È importante implementare una gestione degli errori appropriata:
È importante implementare una gestione degli errori appropriata:
<syntaxhighlight lang="python">
<syntaxhighlight lang="python">
try:
try:
     response = client.chat.completions.create(
     response = client.chat.completions.create(
         model="gpt-4",
         model="gpt-4o",
         messages=[{"role": "user", "content": "Ciao!"}]
         messages=[{"role": "user", "content": "Ciao!"}]
     )
     )
Riga 76: Riga 75:
     print(f"Si è verificato un errore: {e}")
     print(f"Si è verificato un errore: {e}")
</syntaxhighlight>
</syntaxhighlight>
== Consigli per l'Uso ==


Mantieni le richieste concise e specifiche
=== Consigli per l'Uso ===
Usa il parametro temperature appropriato per il tuo caso d'uso
 
Implementa sempre la gestione degli errori
* Mantieni le richieste concise e specifiche
Monitora l'uso dei token per gestire i costi
* Usa il parametro temperature appropriato per il tuo caso d'uso
Salva le risposte importanti localmente
* Implementa sempre la gestione degli errori
* Monitora l'uso dei token per gestire i costi
* Salva le risposte importanti localmente


== Risorse Utili ==
== Risorse Utili ==


[https://platform.openai.com/docs Documentazione ufficiale OpenAI]
[https://platform.openai.com/docs Documentazione ufficiale OpenAI]
[https://platform.openai.com/playground OpenAI Playground]
[https://platform.openai.com/playground OpenAI Playground]
[https://platform.openai.com/tokenizer Tokenizer OpenAI]
[https://platform.openai.com/tokenizer Tokenizer OpenAI]

Versione attuale delle 21:55, 11 dic 2024

Tutorial: Come Utilizzare le API di OpenAI

Introduzione

Questo tutorial ti guiderà attraverso i passaggi fondamentali per iniziare a utilizzare le API di OpenAI nelle tue applicazioni Python.

Prerequisiti

  • Python 3.10 o versione successiva installato sul tuo computer
  • Un account OpenAI con una chiave API valida
  • Il pacchetto OpenAI installato (pip install openai)

Configurazione Iniziale

Prima di iniziare, dovrai configurare il tuo ambiente:

from openai import OpenAI
client = OpenAI(key="devi accedere a platform.openai.com")

Nota: Per sicurezza, è consigliato impostare la chiave API come variabile d'ambiente invece di includerla direttamente nel codice.

Esempi Base

Esempio 1: Analisi del Sentiment

Questo esempio mostra come analizzare il sentiment di un tweet:

response = client.chat.completions.create(
    model="gpt-4",
    messages=[
        {
            "role": "system",
            "content": "Analizza il sentiment del tweet come positivo, neutro o negativo."
        },
        {
            "role": "user",
            "content": "Ho adorato il nuovo film di Batman!"
        }
    ],
    temperature=1,
    max_tokens=256
)
print(response.choices[0].message.content)

Esempio 2: Parsing di Dati Non Strutturati

Questo esempio mostra come convertire dati non strutturati in formato CSV:

response = client.chat.completions.create(
    model="gpt-4",
    messages=[
        {
            "role": "system",
            "content": "Converti i seguenti dati non strutturati in formato CSV."
        },
        {
            "role": "user",
            "content": "I frutti del pianeta Goocrux sono: neoskizzles (viola, sapore dolce), loheckles (blu grigiastro, aspro come limone), pounits (verde brillante, più saporito che dolce), loopnovas (rosa neon, sapore zucchero filato), glowls (arancione pallido, molto acido e amaro)."
        }
    ],
    temperature=1,
    max_tokens=256
)

Parametri Principali

  • model: Il modello da utilizzare (es. "gpt-4", "gpt-3.5-turbo") - l'elenco completo è su https://platform.openai.com/docs/models
  • messages: Lista di messaggi che formano la conversazione
  • temperature: Controlla la casualità delle risposte (0 = deterministico, 1 = molto creativo)
  • max_tokens: Numero massimo di token nella risposta

Gestione degli Errori

È importante implementare una gestione degli errori appropriata:

try:
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": "Ciao!"}]
    )
except Exception as e:
    print(f"Si è verificato un errore: {e}")

Consigli per l'Uso

  • Mantieni le richieste concise e specifiche
  • Usa il parametro temperature appropriato per il tuo caso d'uso
  • Implementa sempre la gestione degli errori
  • Monitora l'uso dei token per gestire i costi
  • Salva le risposte importanti localmente

Risorse Utili

Documentazione ufficiale OpenAI

OpenAI Playground

Tokenizer OpenAI