ChatGPT API活用完全ガイド【2025年最新版】

import openai
import os

# APIキーの設定
openai.api_key = os.getenv("OPENAI_API_KEY")

def chat_with_gpt(prompt, model="gpt-4o-mini"):
    """
    ChatGPT APIを使用してテキストを生成する関数
    """
    try:
        response = openai.ChatCompletion.create(
            model=model,
            messages=[
                {"role": "system", "content": "あなたは親切なアシスタントです。"},
                {"role": "user", "content": prompt}
            ],
            max_tokens=1000,
            temperature=0.7
        )
        
        return response.choices[0].message.content
    
    except Exception as e:
        return f"エラーが発生しました: {str(e)}"

# 使用例
user_input = "プログラミング学習のコツを教えてください"
response = chat_with_gpt(user_input)
print(response)

const OpenAI = require('openai');

const openai = new OpenAI({
    apiKey: process.env.OPENAI_API_KEY,
});

async function chatWithGPT(prompt, model = "gpt-4o-mini") {
    try {
        const completion = await openai.chat.completions.create({
            messages: [
                { role: "system", content: "あなたは親切なアシスタントです。" },
                { role: "user", content: prompt }
            ],
            model: model,
            max_tokens: 1000,
            temperature: 0.7,
        });

        return completion.choices[0].message.content;
    } catch (error) {
        console.error('APIエラー:', error);
        return null;
    }
}

// 使用例
chatWithGPT("ビジネスメールの書き方を教えてください")
    .then(response => console.log(response));

def create_support_bot():
    system_prompt = """
    あなたは弊社ECサイトのカスタマーサポート専門AIです。
    以下のガイドラインに従って回答してください：
    
    1. 丁寧で親しみやすい日本語を使用
    2. 具体的で実行可能な解決策を提示
    3. 不明な点は適切にエスカレーション
    4. 会社のポリシーを遵守
    """
    
    return system_prompt

あなたは非常に優秀で親切なアシスタントです。私は今から質問をしますので、丁寧に回答してください。質問は以下の通りです。○○について詳しく教えてください。できるだけ詳細に、わかりやすく説明してください。

○○について説明してください。

import redis
import hashlib

# Redisクライアントの初期化
redis_client = redis.Redis(host='localhost', port=6379, db=0)

def cached_gpt_request(prompt, model="gpt-4o-mini"):
    # プロンプトのハッシュを生成
    prompt_hash = hashlib.md5(prompt.encode()).hexdigest()
    
    # キャッシュから結果を確認
    cached_result = redis_client.get(prompt_hash)
    
    if cached_result:
        return cached_result.decode()
    
    # キャッシュにない場合はAPI呼び出し
    result = chat_with_gpt(prompt, model)
    
    # 結果をキャッシュに保存（1時間有効）
    redis_client.setex(prompt_hash, 3600, result)
    
    return result

def create_batch_request(prompts):
    """
    複数のプロンプトをバッチ処理用に準備
    """
    batch_requests = []
    
    for i, prompt in enumerate(prompts):
        request = {
            "custom_id": f"request-{i}",
            "method": "POST",
            "url": "/v1/chat/completions",
            "body": {
                "model": "gpt-4o-mini",
                "messages": [{"role": "user", "content": prompt}],
                "max_tokens": 1000
            }
        }
        batch_requests.append(request)
    
    return batch_requests

import re

def sanitize_input(text):
    """
    機密情報を除去する関数
    """
    # 電話番号のマスキング
    text = re.sub(r'\d{3}-\d{4}-\d{4}', '***-****-****', text)
    
    # メールアドレスのマスキング
    text = re.sub(r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}', '***@***.***', text)
    
    return text

import time
from openai import RateLimitError, APIError

def robust_api_call(prompt, max_retries=3):
    """
    リトライ機能付きAPI呼び出し
    """
    for attempt in range(max_retries):
        try:
            return chat_with_gpt(prompt)
        
        except RateLimitError:
            # レート制限の場合は指数バックオフで待機
            wait_time = (2 ** attempt) + random.uniform(0, 1)
            time.sleep(wait_time)
            
        except APIError as e:
            if attempt == max_retries - 1:
                return f"APIエラーが発生しました: {str(e)}"
            time.sleep(1)
    
    return "リクエストが失敗しました。"

def generate_product_description(product_info):
    prompt = f"""
    以下の商品情報から魅力的な説明文を作成してください：
    
    商品名: {product_info['name']}
    カテゴリ: {product_info['category']}
    特徴: {product_info['features']}
    価格帯: {product_info['price_range']}
    
    SEOを考慮し、購買意欲を高める文章にしてください。
    """
    
    return chat_with_gpt(prompt)

def stream_chat_response(prompt):
    """
    ストリーミングでレスポンスを取得
    """
    try:
        stream = openai.ChatCompletion.create(
            model="gpt-4o-mini",
            messages=[{"role": "user", "content": prompt}],
            stream=True
        )
        
        for chunk in stream:
            if chunk.choices[0].delta.content is not None:
                yield chunk.choices[0].delta.content
                
    except Exception as e:
        yield f"エラー: {str(e)}"

import asyncio
import aiohttp

async def parallel_api_requests(prompts):
    """
    複数のプロンプトを並列処理
    """
    async with aiohttp.ClientSession() as session:
        tasks = []
        
        for prompt in prompts:
            task = asyncio.ensure_future(
                async_chat_request(session, prompt)
            )
            tasks.append(task)
        
        results = await asyncio.gather(*tasks)
        return results

def monitor_api_usage():
    """
    API使用量を監視する関数
    """
    try:
        usage_data = openai.Usage.list(
            start_date="2025-01-01",
            end_date="2025-01-31"
        )
        
        total_tokens = sum(item.total_tokens for item in usage_data.data)
        total_cost = sum(item.cost for item in usage_data.data)
        
        return {
            "total_tokens": total_tokens,
            "total_cost": total_cost,
            "requests": len(usage_data.data)
        }
        
    except Exception as e:
        return {"error": str(e)}

def weather_function(location):
    # 天気APIを呼び出す関数
    return f"{location}の天気：晴れ、25度"

functions = [
    {
        "name": "get_weather",
        "description": "指定した場所の天気を取得",
        "parameters": {
            "type": "object",
            "properties": {
                "location": {
                    "type": "string",
                    "description": "場所名"
                }
            }
        }
    }
]

def multimodal_analysis(image_url, text_prompt):
    """
    画像とテキストを組み合わせた分析
    """
    response = openai.ChatCompletion.create(
        model="gpt-4o",
        messages=[
            {
                "role": "user",
                "content": [
                    {"type": "text", "text": text_prompt},
                    {"type": "image_url", "image_url": {"url": image_url}}
                ]
            }
        ]
    )
    
    return response.choices[0].message.content

# 解決策：リクエスト間隔の調整
import time

def rate_limited_request(prompt):
    time.sleep(1)  # 1秒待機
    return chat_with_gpt(prompt)

# 解決策：テキストの分割処理
def split_long_text(text, max_tokens=3000):
    # テキストを適切な長さに分割
    words = text.split()
    chunks = []
    current_chunk = []
    current_length = 0
    
    for word in words:
        word_tokens = len(word) // 4  # 概算
        if current_length + word_tokens > max_tokens:
            chunks.append(' '.join(current_chunk))
            current_chunk = [word]
            current_length = word_tokens
        else:
            current_chunk.append(word)
            current_length += word_tokens
    
    if current_chunk:
        chunks.append(' '.join(current_chunk))
    
    return chunks

def improved_prompt_template(task, context=""):
    """
    回答品質を向上させるプロンプトテンプレート
    """
    prompt = f"""
    タスク: {task}
    
    {context}
    
    以下の点を考慮して回答してください：
    1. 正確性を最優先する
    2. 具体例を含める
    3. 段階的に説明する
    4. 実行可能なアドバイスを提供する
    
    回答:
    """
    
    return prompt

def improvement_cycle():
    """
    継続的改善のフレームワーク
    """
    steps = [
        "1. データ収集（使用量、満足度、エラー率）",
        "2. 分析（ボトルネック特定、改善点洗い出し）",
        "3. 仮説立案（改善施策の検討）",
        "4. 実装（小規模テスト実施）",
        "5. 検証（効果測定）",
        "6. 展開（成功施策の全体適用）"
    ]
    
    return steps