第4章 第一个项目：命令行 ChatBot

目标概述

本章我们将开发一个命令行聊天机器人（ChatBot），能够在终端中读取用户输入的问题，并返回回答。对于零基础的你，这是第一个完整的小项目！通过实现这个 CLI（Command Line Interface）应用，你将学会：如何与用户交互（接收输入、打印输出）、如何调用现有AI服务获取回答，以及如何将这些部分组装成一个可以循环对话的程序。完成本章后，你可以在本地终端运行你的ChatBot，与之对话问答。

主要知识点

• CLI 程序输入输出：使用 Python 内置的 input() 函数获取用户在终端输入的字符串，并使用 print() 将结果输出到终端。我们会在循环中反复询问，实现持续对话。

• OpenAI API 调用：为了让ChatBot变得真正智能，我们将利用现成的 AI 接口（OpenAI 提供的 ChatGPT 模型）来生成回答。你将学习如何安装和使用 OpenAI 官方的 Python SDK（openai 库）[53]。包括：设置 API 密钥、调用 ChatGPT 接口并获取回复文本。

• API Key 配置：OpenAI API 调用需要验证身份，所以必须提供 API Key。我们会讨论如何安全地将 API 密钥存储在代码之外（例如通过环境变量）并在程序中读取，避免把密钥写死在代码里。

• HTTP 请求基础：作为背景知识，OpenAI API 本质是通过 HTTP 请求发送用户提示，接收 AI 回复。虽然我们用封装好的 SDK，不需手写HTTP，但理解背后有一个请求->响应过程，有助于调试和错误处理。常见问题如网络错误、密钥无效等需要排查。

• 程序结构：将上一章基础融会贯通：用循环持续对话、用函数封装 API 请求、用条件判断实现退出命令等。我们还会添加一些简单容错，比如当API没有返回正常结果时的处理。

• AI 模型选择：OpenAI 提供不同模型，如 GPT-3.5（gpt-3.5-turbo）和 GPT-4。我们将使用经济实惠且强大的 GPT-3.5。通过参数可以指定模型和回复长度、温度等[54]。理解这些参数如何影响回答风格也是拓展知识点。

完整代码

首先，你需要在 OpenAI 官网注册账户并获取一个 API Key[55]。注册后在 Dashboard 的API Keys页面生成新密钥（形如sk-...开头的字符串）。请妥善保管，不要泄露。然后在本地设置环境变量，例如在Cursor终端运行：

export OPENAI_API_KEY="你的API密钥"

这样我们的程序可以从系统环境读取密钥，而不用把它硬编码在代码里。

接下来安装 OpenAI 的 Python 包。在 Cursor 中打开终端执行：

pip install openai

（确保你的Python环境联网，成功后才能调用OpenAI接口。）[53]

现在，新建 chatbot_cli.py 文件，输入以下代码：

import os
import openai

# 从环境变量获取 API Key，并配置 OpenAI 库
openai.api_key = os.getenv("OPENAI_API_KEY")
if openai.api_key is None:
    raise Exception("未找到 OpenAI API 密钥，请设置环境变量 OPENAI_API_KEY")

# 定义一个函数，调用 OpenAI 接口获取回答
def get_answer(question):
    try:
        response = openai.Completion.create(
            engine="text-davinci-003",      # 使用GPT-3文本生成模型
            prompt=question,
            temperature=0.7,               # 回答随机性, 0~1，值越高越发散
            max_tokens=1024,               # 单次回答最多的token数
            n=1,                           # 只需返回一个回答
            stop=None                      # 不设置停止符
        )
        # 提取生成的文本答案
        answer = response.choices[0].text.strip()
        return answer
    except Exception as e:
        # 捕获API调用异常，打印并返回一个错误消息
        print("调用 OpenAI API 出错：", e)
        return "【出错了，请稍后再试】"

# 主循环：不断读取用户输入并输出AI回答
print("欢迎使用 CLI ChatBot！输入你的问题（或输入 exit 退出）：")
while True:
    try:
        user_input = input(">> ")  # 提示符 >> 等待用户输入
    except (EOFError, KeyboardInterrupt):
        # 捕获 Ctrl+D 或 Ctrl+C 引发的异常，退出程序
        print("\n聊天已结束。")
        break

    if user_input.strip().lower() in ("exit", "quit"):
        print("聊天已结束。")
        break

    if user_input.strip() == "":
        # 若输入空字符串，则提示重新输入
        continue

    # 获取回答并打印
    reply = get_answer(user_input)
    print("Bot:", reply)

代码说明：

• 导入 os 和 openai 模块。使用 os.getenv 获取环境变量 OPENAI_API_KEY[56]并赋值给 openai.api_key 完成配置。如果获取不到，抛异常提醒用户没有配置密钥。
• get_answer(question) 函数中，调用了 openai.Completion.create 方法[54]向 OpenAI 请求完成任务：我们传入 engine="text-davinci-003" 来指定使用 Davinci 模型（GPT-3的一个大型模型）[57]。prompt 参数就是我们的问题文本，API 将据此生成后续内容。temperature 控制随机性（0表示确定性回答，1表示高随机性），max_tokens限制回答长度。函数返回 API 返回的第一个回答文本（去除首尾空白）。如果调用过程发生异常（可能是网络问题、密钥问题等），捕获并返回一个出错提示，程序不会崩溃。
• 主程序使用 while True 无限循环，不断 input(">> ") 读取用户输入[47]。input() 在终端等待用户输入文本，按回车确认。我们对特殊输入做处理：如果用户输入 "exit" 或 "quit"（不区分大小写）则退出循环并结束程序；如果输入空行则忽略继续问。
• 对于正常问题，调用我们定义的 get_answer 获取 AI 回复，然后打印输出格式为 Bot: 回答内容。这样每轮对话就完整呈现。
• 我们还捕获了 EOFError 和 KeyboardInterrupt 异常[47]，它们分别对应用户按 Ctrl+D (Linux/macOS) 或 Ctrl+Z (Windows) 发送EOF，或者按 Ctrl+C 终止程序。这两种情况都优雅地退出循环，打印结束语。

运行程序：在 Cursor 终端中执行：

python chatbot_cli.py

看到提示“欢迎使用 CLI ChatBot！输入你的问题（或输入 exit 退出）：”。这表示机器人已启动，等待你的输入。试问它一些问题，比如：

>> 今天天气怎么样？
Bot: 很抱歉，我无法直接获取实时天气... （示例回答）

Python和Java有什么区别？

Bot: Python是动态类型的解释型语言，而Java是静态类型的编译型语言...（示例回答）

当你输入 exit 后，程序会退出。恭喜，你已经创建了一个可以和你聊天的机器人！它能回答各类问题，背后是强大的OpenAI模型在支持。

[58]上面的截图（代码中注释）展示了程序的主要逻辑，即不断读取用户输入并调用API返回答案的循环流程。可以看到，这和前面我们分析的Pseudo-code一致：Prompt -> Answer -> Loop。注意：每次调用 API 都会耗费一定时间和费用（OpenAI根据token计费）。在免费试用额度用尽或网络异常时，API可能报错，我们在代码里做了简单处理输出错误信息。实际产品中可以更细致地根据异常类型采取重试等机制。

操作截图或流程

• 启动与问答：第一张截图展示了终端运行程序并交互的过程：用户每输入一行问题，下一行Bot给出回答。这体现了 input() 和 print() 的交替工作流程。

• API 调用流程：第二张图是一个示意流程图，描述我们程序内部如何运作：用户输入被传递给 get_answer -> 通过OpenAI库发送HTTP请求到服务器[54]-> OpenAI返回JSON响应 -> openai库解析出文本答案 -> 程序获取该答案打印给用户。这个过程用户不可见，但作为开发者理解其异步交互非常重要。

• 异常示例：第三张截图示例如果用户断网或API密钥无效时，程序捕获异常打印"调用 OpenAI API 出错："及错误原因，然后Bot回答【出错了，请稍后再试】。这对应我们的 except 分支执行结果。通过这种设计，我们的聊天机器人在API故障时不会直接崩溃退出，而是给出友好的错误提示。

(由于需要API密钥和联网，此处不附带实际运行截图。你可以自行获取密钥运行，观察终端交互效果，并确保关闭日志避免泄露密钥。)

常见错误

• API Key 未设置或错误：如果 os.getenv("OPENAI_API_KEY") 得到 None，我们显式抛出了异常停止程序[56]。解决：正确设置环境变量。例如在 Cursor 终端运行 export OPENAI_API_KEY="sk-...你的密钥..."（Windows下使用 set 命令），或将密钥写入 .env 文件并在代码中用 dotenv 加载[59]。密钥要确保不包含多余引号或空格。

• 网络错误/超时：调用 OpenAI 时可能遇到网络不稳定，常见异常例如 openai.error.APIConnectionError 或请求超时。我们的 except Exception as e 会捕获所有异常并打印[60]。你可以根据需要对不同类型的异常分别处理，例如遇到超时可以重试一次。如果频繁超时，检查网络或OpenAI服务状态。

• 请求被拒：OpenAI可能因为各种原因拒绝请求，例如提示内容违规或用量超限，会返回 openai.error.InvalidRequestError 等。这种情况 e 会包含详细信息。我们的代码将打印错误信息并返回通用错误回复。建议在调试时关注终端打印，比如 "调用 OpenAI API 出错：Your request was rejected..." 等，然后改进。例如如果出现 "maximum context length exceeded" 说明问题太长或对话累积过多，可以考虑截断提示或降低 max_tokens。

• 模型选择错误：指定模型名称不正确会引发错误，如写成不存在的 engine="text-davinci-004"。确保模型名称正确拼写。OpenAI的ChatGPT系列新接口需要使用 openai.ChatCompletion.create 不同的调用，如果你尝试改用 gpt-3.5-turbo 就要调整用 ChatCompletion 并提供 messages 列表，而不是 Completion+prompt[57]。本示例用 text-davinci-003 完全足够满足问答。

• 编码问题：终端可能遇到 Unicode 字符无法显示，比如 Bot回答包含特殊符号，在 Windows 控制台可能乱码。这不属于代码错误，可通过设置终端编码或使用Cursor内置终端（通常UTF-8）避免。

• 退出判断：我们的退出判断使用了 user_input.strip().lower() 来标准化用户输入，如果输入 Exit 带大写或两边有空格都能识别。如果你忘了这些处理，直接比较 "exit" 可能漏掉用户输入 "Exit" 导致无法退出。这个细节体现了处理用户输入的严谨性。

延伸思考

1. 丰富 ChatBot 功能：目前Bot每次对话不“记得”之前的内容。如果你连续问：“小明是谁？” 然后再问 “他今年多大？”，Bot 未必知道第二问的“他”指小明，因为我们每次调用API只传了当前单句问题。思考如何增加对话上下文记忆？（提示：可以将之前对话拼接进 prompt，例如 "小明是谁？\nAI: ...（回答）...\n用户：他今年多大？\nAI:" 传给API）。这样模拟多轮对话，但要注意长度不能无限增长。）

2. 自定义知识：OpenAI API默认回答基于训练的大量通识。有时我们想让Bot回答特定领域或我们的自定义内容，比如公司内部文档问答。这需要在 prompt 中加入context或使用后续章节将Bot封装成服务与其它工具结合。你可以尝试让Bot回答一些你熟悉领域的问题，评估答案准确性。对于明显不正确的回答，想想如何改进prompt，比如加上 "如果不知道就回答不知道" 之类的要求。

3. 调用成本与优化：OpenAI API按 token 计费，每个请求耗费 prompt和生成的token。我们的实现较简单，未做优化。如果把Bot部署给很多人用，要考虑减少不必要的token消耗。例如，如果用户问题非常长，实际上OpenAI模型对太长输入可能反而效果变差，可以截断或总结用户意图后再提问。OpenAI还有流式输出接口，可以边生成边输出，这样可改善用户体验（后面FastAPI章节会谈及）。

完成这个CLI ChatBot，你已经初尝 AI 应用的开发！下一章，我们将继续升级，将这个聊天功能封装为一个可供其它程序/前端调用的 API 服务。