使用OpenAI Classification端点遇Invalid URL错误，求解决方案

• 成功上传用于分类训练的jsonl文件，代码及返回结果：

  res = openai.File.create(file=open("Classification.jsonl"), purpose = "classifications")
  

  返回结果：

  {
    "bytes": 1054,
    "created_at": 1672647540,
    "filename": "file",
    "id": "file-9GnLgjFKhSOXOYlSZtPwbJBf",
    "object": "file",
    "purpose": "classifications",
    "status": "uploaded",
    "status_details": null
  }
  

• 调用分类接口时触发错误，代码：

  openai.Classification.create(
      file="file-9GnLgjFKhSOXOYlSZtPwbJBf",
      query="movie is very good",
      search_model="ada", 
      model="curie", 
      max_examples=3
  )
  

• 收到错误提示：

  InvalidRequestError: Invalid URL (POST /v1/classifications)

• curl调用同样失败，严格遵循旧版官方文档操作仍出现无效URL问题。

OpenAI已经移除了Classification旧API端点，/v1/classifications路径不再存在，这是报错的核心原因。目前可以通过以下两种方案实现文本分类需求：

方案1：用Chat Completions API结合few-shot示例 #

借助gpt-3.5-turbo或gpt-4模型，将分类示例直接写入prompt，让模型完成分类任务。示例代码：

import openai

openai.api_key = "你的API密钥"

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "system", "content": "你是文本分类器，根据给定示例对输入文本分类。"},
        # 替换为你jsonl文件中的真实分类示例
        {"role": "user", "content": "movie is bad"},
        {"role": "assistant", "content": "负面"},
        {"role": "user", "content": "movie is fantastic"},
        {"role": "assistant", "content": "正面"},
        {"role": "user", "content": "movie is very good"}
    ]
)

print(response.choices[0].message['content'])

方案2：使用Fine-tuning训练自定义分类模型 #

如果数据集规模较大，适合训练专属微调模型：

1. 重新准备符合Fine-tuning格式的jsonl文件，单条数据示例（以情感分类为例）：

   {"prompt": "movie is bad ->", "completion": " 负面"}
   {"prompt": "movie is fantastic ->", "completion": " 正面"}
   

2. 上传文件时将purpose改为fine-tune：

   res = openai.File.create(file=open("fine_tune_classification.jsonl"), purpose="fine-tune")
   

3. 创建微调任务：

   openai.FineTune.create(training_file=res.id, model="curie")
   

4. 微调完成后，用生成的模型ID调用Completions API完成分类：

   response = openai.Completion.create(
       model="curie:ft-your-org-2023-01-01-00-00-00",
       prompt="movie is very good ->"
   )
   print(response.choices[0].text.strip())
   

内容的提问来源于stack exchange，提问作者Sugarplum_fairy