ربط OpenAI API بتطبيقك: دليل عملي من الإعداد إلى الإنتاج

pip install openai
export OPENAI_API_KEY="sk-..."
export OPENAI_MODEL="<model-id-from-docs>"

import os
from openai import OpenAI

client = OpenAI()  # يقرأ OPENAI_API_KEY

response = client.responses.create(
    model=os.environ["OPENAI_MODEL"],
    instructions="أنت مساعد دعم لشركة Mit AI. أجب بالعربية وباختصار.",
    input="ما هي خدماتكم؟",
)
print(response.output_text)

completion = client.chat.completions.create(
    model=os.environ["OPENAI_MODEL"],
    messages=[
        {"role": "system", "content": "أنت مساعد Mit."},
        {"role": "user", "content": "مرحباً"},
    ],
)
print(completion.choices[0].message.content)

stream = client.chat.completions.create(
    model=os.environ["OPENAI_MODEL"],
    messages=[{"role": "user", "content": "اشرح RAG ببساطة"}],
    stream=True,
)
for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

from pydantic import BaseModel

class Lead(BaseModel):
    name: str
    email: str | None
    interest: str

completion = client.chat.completions.parse(
    model=os.environ["OPENAI_MODEL"],
    messages=[
        {"role": "system", "content": "استخرج بيانات العميل المحتمل."},
        {"role": "user", "content": "أنا سارة، مهتمة بروبوت دردشة لمتجري. sara@example.com"},
    ],
    response_format=Lead,
)
lead = completion.choices[0].message.parsed

tools = [{
    "type": "function",
    "function": {
        "name": "get_order_status",
        "description": "حالة الطلب برقمه",
        "parameters": {
            "type": "object",
            "properties": {"order_id": {"type": "string"}},
            "required": ["order_id"],
        },
    },
}]
completion = client.chat.completions.create(
    model=os.environ["OPENAI_MODEL"], messages=messages, tools=tools
)
calls = completion.choices[0].message.tool_calls or []

emb = client.embeddings.create(
    model="text-embedding-3-small",
    input=["كيف أحجز استشارة؟", "سياسة الاسترجاع"],
)
vectors = [item.embedding for item in emb.data]
# خزّنها في pgvector أو Qdrant أو Pinecone ثم ابحث بأقرب تشابه