Python 之所以能成為當今最熱門的程式語言，最大的推手就是 AI (人工智慧)。
雖然訓練一個像 GPT-4 這樣的模型需要數千張 GPU，但使用它只需要幾行 Python 程式碼！本章將教你如何使用 OpenAI API，將地表最強的 AI 整合進你的應用程式。
1. 取得 API Key
首先，你需要去 OpenAI Platform 註冊並取得 API Key。
注意：API Key 是機密資料，千萬不要直接貼在 GitHub 上！請使用環境變數或
.env檔案管理。
2. 安裝套件
OpenAI 提供了官方的 Python SDK：
pip install openai python-dotenv
3. Hello, GPT!
讓我們寫一個最簡單的聊天程式。
import os
from dotenv import load_dotenv
from openai import OpenAI
# 載入 .env 檔案中的 API KEY
load_dotenv()
client = OpenAI(
api_key=os.environ.get("OPEN_AI_KEY"),
)
def chat_with_gpt(prompt):
response = client.chat.completions.create(
model="gpt-3.5-turbo", # 或 gpt-4
messages=[
{"role": "system", "content": "你是一個專業的 Python 家教，請用繁體中文回答。"},
{"role": "user", "content": prompt}
]
)
return response.choices[0].message.content
# 測試
user_input = "請解釋一下什麼是遞迴？"
print(chat_with_gpt(user_input))
4. 實戰應用：文章自動摘要器
我們可以利用 AI 強大的語言理解能力，幫我們處理文書工作。
def summarize_text(text):
prompt = f"請將以下文章摘要成 3 個重點 (繁體中文)：\n\n{text}"
response = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=[
{"role": "user", "content": prompt}
],
temperature=0.5 # 數值越低，回答越精確穩定
)
return response.choices[0].message.content
article = """
Python 是一種廣泛使用的直譯式、高階和通用的程式語言... (略)
"""
print(summarize_text(article))
5. 未來展望：LangChain 與 Agents
這只是冰山一角。在更進階的 AI 開發中，我們會使用 LangChain 這樣的框架，讓 AI 可以：
- 連網搜尋 (Search Web)
- 讀取私有資料 (RAG - Retrieval Augmented Generation)
- 執行 Python 程式碼 (Code Interpreter)
這些框架底層其實都是透過 Python 串接 API 實現的。
6. Batch 6 (Data & AI) 總結
這一批次的課程，我們跨越了從傳統軟體工程到資料科學的鴻溝：
- Ch 26: NumPy (數值運算基石)
- Ch 27-28: Pandas (資料分析神器)
- Ch 29: Matplotlib & Seaborn (資料視覺化)
- Ch 30: OpenAI API (AI 賦能)
你現在已經具備了全端 Python 開發者的雛形：能寫後端、能處理資料、還能串接 AI。
接下來的 Batch 7 (Advanced Patterns)，我們將回歸程式設計本質，探討更深層的架構模式：SOLID 原則、TDD 測試驅動開發，與高效能優化技巧。讓我們繼續變強！
延伸閱讀：