如果你希望在TypeScript或JavaScript中方便地访问OpenAI的REST API，那么这个库为你提供了便捷的解决方案。它是基于我们的OpenAPI规范使用Stainless生成的。
要学习如何使用OpenAI API，请查看我们的API参考文档和文档。
安装
npm install --save openai
# 或者
yarn add openai使用
你可以在api.md文件中找到这个库的完整API。下面的代码演示了如何使用聊天完成API开始工作。
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '你的API密钥', // 默认为process.env["OPENAI_API_KEY"]
});
async function main() {
const completion = await openai.chat.completions.create({
messages: [{ role: 'user', content: '说这是一个测试' }],
model: 'gpt-3.5-turbo',
});
console.log(completion.choices);
}
main();流式响应
我们支持使用Server Sent Events (SSE) 进行流式响应。
import OpenAI from 'openai';
const openai = new OpenAI();
async function main() {
const stream = await openai.chat.completions.create({
model: 'gpt-4',
messages: [{ role: 'user', content: 'Say this is a test' }],
stream: true,
});
for await (const part of stream) {
process.stdout.write(part.choices[0]?.delta?.content || '');
}
}
main();如果你需要取消流，你可以从循环中break，或者调用stream.controller.abort()。
请求和响应类型
这个库包含了所有请求参数和响应字段的TypeScript定义。你可以像下面这样导入并使用它们：
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '你的API密钥', // 默认为process.env["OPENAI_API_KEY"]
});
async function main() {
const params: OpenAI.Chat.ChatCompletionCreateParams = {
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gpt-3.5-turbo',
};
const completion: OpenAI.Chat.ChatCompletion = await openai.chat.completions.create(params);
}
main();每个方法、请求参数和响应字段的文档都可在文档字符串中找到，并将在大多数现代编辑器中悬停时显示。
[!IMPORTANT]
此SDK的先前版本使用了Configuration类。请参阅v3到v4的迁移指南。
文件上传
与文件上传对应的请求参数可以以多种不同的形式传递：
File（或具有相同结构的对象）fetchResponse（或具有相同结构的对象）fs.ReadStream- 我们的
toFile助手的返回值
import fs from 'fs';
import fetch from 'node-fetch';
import OpenAI, { toFile } from 'openai';
const openai = new OpenAI();
// 如果你有Node `fs`，我们建议使用`fs.createReadStream()`：
await openai.files.create({ file: fs.createReadStream('input.jsonl'), purpose: 'fine-tune' });
// 或者，如果你有Web `File` API，你可以传递一个`File`实例：
await openai.files.create({ file: new File(['my bytes'], 'input.jsonl'), purpose: 'fine-tune' });
// 你也可以传递一个`fetch` `Response`：
await openai.files.create({ file: await fetch('https://somesite/input.jsonl'), purpose: 'fine-tune' });
// 最后，如果上述方法都不方便，你可以使用我们的`toFile`助手：
await openai.files.create({
file: await toFile(Buffer.from('my bytes'), 'input.jsonl'),
purpose: 'fine-tune',
});
await openai.files.create({
file: await toFile(new Uint8Array([0, 1, 2]), 'input.jsonl'),
purpose: 'fine-tune',
});处理错误
当库无法连接到API，或者API返回非成功状态码（即4xx或5xx响应）时，将抛出APIError的子类：
async function main() {
const fineTune = await openai.fineTunes
.create({ training_file: 'file-XGinujblHPwGLSztz8cPS8XY' })
.catch((err) => {
if (err instanceof OpenAI.APIError) {
console.log(err.status); // 400
console.log(err.name); // BadRequestError
console.log
(err.headers); // {server: 'nginx', ...}
} else {
throw err;
}
});
}
main();错误代码如下：
| 状态码 | 错误类型 |
|---|---|
| 400 | BadRequestError |
| 401 | AuthenticationError |
| 403 | PermissionDeniedError |
| 404 | NotFoundError |
| 422 | UnprocessableEntityError |
| 429 | RateLimitError |
| 大于等于500 | InternalServerError |
| N/A | APIConnectionError |
Azure OpenAI
关于如何在Azure OpenAI中使用这个库的示例可以在这里找到。
请注意，在Azure OpenAI API和OpenAI API之间存在API形状和行为的细微差异，因此在Azure OpenAI中使用这个库可能会导致不正确的类型，可能会导致错误。
请查看@azure/openai，这是Microsoft提供的一个Azure特定的SDK。
重试
默认情况下，某些错误将被自动重试2次，使用短暂的指数退避。默认情况下，将重试连接错误（例如，由于网络连接问题），409冲突，429速率限制以及>=500内部错误。
你可以使用maxRetries选项来配置或禁用这个功能：
// 配置所有请求的默认值：
const openai = new OpenAI({
maxRetries: 0, // 默认为2
});
// 或者，按请求配置：
await openai.chat.completions.create({ messages: [{ role: 'user', content: 'How can I get the name of the current day in Node.js?' }], model: 'gpt-3.5-turbo' }, {
maxRetries: 5,
});超时
默认情况下，请求会在10分钟后超时。你可以使用timeout选项来配置它：
// 配置所有请求的默认值：
const openai = new OpenAI({
timeout: 20 * 1000, // 20秒（默认为10分钟）
});
// 重写每个请求：
await openai.chat.completions.create({ messages: [{ role: 'user', content: 'How can I list all files in a directory using Python?' }], model: 'gpt-3.5-turbo' }, {
timeout: 5 * 1000,
});在超时时，会抛出APIConnectionTimeoutError。
请注意，超时的请求将默认重试两次。
自动分页
OpenAI API中的列表方法是分页的。你可以使用for await … of语法来遍历所有页面中的项目：
async function fetchAllFineTuningJobs(params) {
const allFineTuningJobs = [];
// 自动获取更多页面。
for await (const job of openai.fineTuning.jobs.list({ limit: 20 })) {
allFineTuningJobs.push(job);
}
return allFineTuningJobs;
}或者，你可以一次只请求一页：
let page = await openai.fineTuning.jobs.list({ limit: 20 });
for (const job of page.data) {
console.log(job);
}
// 提供用于手动分页的便捷方法：
while (page.hasNextPage()) {
page = page.getNextPage();
// ...
}高级用法
访问原始响应数据（例如，标头）
通过APIPromise类型上的.asResponse()方法，你可以访问由fetch()返回的“原始”Response。
你也可以使用.withResponse()方法获取原始的Response以及解析后的数据。
const openai = new OpenAI();
const response = await openai.chat.completions
.create({ messages: [{ role: 'user', content: 'Say this is a test' }], model: 'gpt-3.5-turbo' })
.asResponse();
console.log(response.headers.get('X-My-Header'));
console.log(response.statusText); // 访问底层的Response对象
const { data: completions, response: raw } = await openai.chat.completions
.create({ messages: [{ role: 'user', content: 'Say this is a test' }], model: 'gpt-3.5-turbo' })
.withResponse();
console.log(raw.headers.get('X-My-Header'));
console.log(completions.choices);配置HTTP(S)代理（例如，用于代理）
默认情况下，这个库使用一个稳定的代理来处理所有http/https请求，以重用TCP连接，消除许多TCP和TLS握手，并从大多数请求中刮去大约100ms。
如果你想禁用或自定义此行为，例如使用代理访问API，你可以传递一个用于所有请求的httpAgent，例如：
import http from 'http';
import HttpsProxyAgent from 'https-proxy-agent';
// 配置所有请求的默认值：
const openai = new OpenAI({
httpAgent: new HttpsProxyAgent(process.env.PROXY_URL),
});
// 或者，按请求配置：
await openai.models.list({
baseURL: 'http://localhost:8080/test-api',
httpAgent: new http.Agent({ keepAlive: false }),
})语义版本
这个包通常试图遵循SemVer约定，尽管某些不向后兼容的更改可能作为次要版本发布：
- 只影响静态类型的更改，不影响运行时行为。
- 影响库内部的更改，技术上是公共的，但不是为外部使用或记录的。 (如果你依赖这些内部变更，请在GitHub上提出问题告诉我们)。
- 我们不希望在实际上影响绝大多数用户的情况下进行的更改。
我们认真对待向后兼容
性，并努力确保你可以放心升级。
我们渴望听到你的反馈，请在GitHub上打开一个问题，提出问题、错误或建议。
要求
支持TypeScript >= 4.5。
以下运行时环境受支持：
- Node.js 16 LTS或更高版本（非EOL版本）。
- Deno v1.28.0或更高版本，使用
import OpenAI from "npm:openai"。
暂时不支持Deno Deploy。 - Cloudflare Workers。
- Vercel Edge Runtime。
如果你对其他运行时环境感兴趣，请在GitHub上打开或投票提出问题。