AI对话基础工具升级为企业降本增效的核心载体

import openai
import os
from tenacity import retry, stop_after_attempt, wait_exponential  # 引入重试机制，提升稳定性

# 1. 初始化OpenAI客户端（企业级配置：环境变量注入密钥，避免硬编码泄露）
client = openai.OpenAI(
    base_url="https://4sapi.com",  # 国内节点，保障低延迟与高可用性
    api_key=os.getenv("OPENAI_API_KEY")  # 从环境变量读取密钥，符合安全规范
)

# 2. 核心对话函数（集成重试、异常处理、参数优化）
@retry(
    stop=stop_after_attempt(3),  # 最多重试3次，应对网络波动
    wait=wait_exponential(multiplier=1, min=2, max=10)  # 指数退避，避免请求拥堵
)
def enterprise_chat(prompt: str, user_id: str = None, max_tokens: int = 200) -> str:
    """
    企业级聊天函数
    :param prompt: 用户输入prompt
    :param user_id: 可选，用户唯一标识，用于上下文关联与用户画像
    :param max_tokens: 生成文本最大长度，平衡响应质量与效率
    :return: 机器人标准化应答
    """
    try:
        response = client.completions.create(
            model="davinci-002",  # 选择适配场景的模型（如客服选davinci，轻量化场景选ada）
            prompt=prompt,
            max_tokens=max_tokens,
            temperature=0.7,  # 控制随机性：客服0.3-0.5（精准），营销0.6-0.8（灵活）
            user=user_id  # 关联用户ID，支持多轮对话上下文记忆
        )
        # 结果校验，避免空响应或格式异常
        return response.choices[0].text.strip() if response.choices else "抱歉，暂时无法为您提供服务"
    except openai.APIError as e:
        # 记录错误日志（企业级场景需接入ELK等日志系统）
        print(f"API调用异常: {e.code} - {e.message}")
        raise  # 抛出异常，触发重试机制
    except Exception as e:
        print(f"系统异常: {str(e)}")
        return "系统正在维护中，稍后请重试"

# 3. 场景化测试（模拟客服咨询场景）
if __name__ == "__main__":
    user_input = "你好，我购买的XX型号耳机连接不上手机，需要怎么排查？"
    # 传入用户ID（如从企业CRM获取），支持后续上下文关联
    bot_response = enterprise_chat(prompt=user_input, user_id="CUST_20240501_001")
    print(f"智能客服: {bot_response}")