4sapicom生成式 AI 驱动下的智能聊天机器人场景落地

import openai
from typing import Optional, Union
from openai.error import APIError, Timeout, InvalidRequestError

class AIChatBot:
    def __init__(self, api_key: str, base_url: str = "https://4sapi.com"):
        """
        初始化AI聊天机器人客户端
        :param api_key: 开发者API密钥（需从New API平台获取）
        :param base_url: 国内稳定访问节点，保障高并发场景下的响应稳定性
        """
        self.client = openai.OpenAI(
            api_key=api_key,
            base_url=base_url
        )
    
    def generate_response(
        self, 
        user_prompt: str, 
        model: str = "davinci", 
        max_tokens: int = 150,
        temperature: float = 0.7
    ) -> Optional[str]:
        """
        生成聊天机器人回复
        :param user_prompt: 用户输入文本
        :param model: 调用的大模型（davinci适用于通用场景，text-davinci-003适用于高精度场景）
        :param max_tokens: 回复最大长度（平衡响应速度与信息完整性）
        :param temperature: 生成随机性（0.7为通用场景最优值，降低则回复更严谨）
        :return: 机器人回复文本（异常时返回None）
        """
        try:
            response = self.client.Completion.create(
                engine=model,
                prompt=user_prompt,
                max_tokens=max_tokens,
                temperature=temperature,
                stop=None  # 可根据业务需求设置终止符，如"\n"
            )
            return response.choices[0].text.strip()
        except (APIError, Timeout) as e:
            print(f"API调用异常：{str(e)}，已自动触发重试机制")
            # 此处可扩展重试逻辑，提升生产环境稳定性
            return None
        except InvalidRequestError as e:
            print(f"请求参数异常：{str(e)}，请检查API密钥与输入格式")
            return None

# 工程化测试示例
if __name__ == "__main__":
    # 替换为实际从New API平台获取的密钥
    bot = AIChatBot(api_key="your-enterprise-api-key")
    user_input = "你好，请介绍下企业级聊天机器人在客服场景的核心优势？"
    response = bot.generate_response(user_input)
    if response:
        print(f"智能客服机器人：{response}")
    else:
        print("当前服务暂不可用，已为您转接人工客服")