OpenAI两类端点差异及指定GPT模型文本分类方法问询

• 模型适配：/v1/completions针对GPT-3系列基础模型（如text-davinci-003）设计，逻辑是纯文本补全；/v1/chat/completions专门适配GPT-3.5-turbo、GPT-4系列对话模型，基于多轮对话的消息结构运行。
• 输入格式：/v1/completions直接传入纯文本prompt；/v1/chat/completions需要传入包含role（system/user/assistant）和content的消息数组，更适合管理对话上下文。
• 输出逻辑：/v1/completions返回补全的纯文本内容；/v1/chat/completions返回对话结构里的assistant回复，格式更规整，适配多轮交互场景。
• 成本效率：chat系列模型调用成本远低于同能力的completions模型，响应速度也更快。

以下是适配/v1/chat/completions端点的评分分类代码，支持指定的所有chat模型：

class OpenAIChatClassifier():
    def __init__(self, api_key):
        openai.api_key = api_key

    def get_rating(self, review, model="gpt-3.5-turbo"):
        # 设定对话消息：system角色明确任务规则，user角色传入待分类评论
        messages = [
            {"role": "system", "content": "你要把用户提供的评论按1-5分评分，1分最差，5分最好，只返回整数评分，不要额外说明"},
            {"role": "user", "content": review}
        ]

        try:
            response = openai.ChatCompletion.create(
                model=model,
                messages=messages,
                temperature=0.1,  # 低温度保证评分结果稳定
                max_tokens=5
            )
            # 提取并转换评分结果
            rating = int(response.choices[0].message["content"].strip())
            # 校验评分范围有效性
            return rating if 1 <= rating <=5 else None
        except (ValueError, KeyError):
            return None

# 使用示例
# classifier = OpenAIChatClassifier(api_key="你的API密钥")
# 可选model参数："gpt-4"、"gpt-4-0314"、"gpt-4-32k"、"gpt-4-32k-0314"、"gpt-3.5-turbo"、"gpt-3.5-turbo-0301"
# print(classifier.get_rating("这个产品质量很差，用一次就坏了", model="gpt-4"))

关键提示 #

• 模型切换：在ChatCompletion.create的model参数中传入对应模型名称即可，比如gpt-4-32k或gpt-3.5-turbo-0301。
• 规则约束：通过system角色明确任务要求，避免模型返回多余内容，确保输出格式符合预期。
• 结果校验：对返回内容做格式转换和范围校验，保证最终返回的是有效评分。

内容的提问来源于stack exchange，提问作者David Zayn