官网还提供了其他参数的解释，由于我们在实际运用过程中保持默认即可，这里便不再过多介绍。

好了，接下来就是避坑指南了。。。。

当水哥信心慢慢的复制上面代码运行时，迎面而来的不是GPT的回答，而是一大推的红色错误…..

很多情况下都是这种错误，网络连接错误，或者说无法连接的OpenAI的服务器…..看着挺难受的….

经过不断尝试，最终找到了下面的解决方法，不一定通用，至少对水哥而言，问题是解决了。

step1: 降低urllib3的版本至1.25.11，urllib3主要控制python网络传输协议，水哥的版本是1.26.14，这个版本有些许问题，故而先卸载新版，然后在安装旧版：

pip uninstall urllib3
pip install urllib3==1.25.11

step2: 如果上述操作之后还不行，那就是你的代理端口的问题，因为如果你要连接到openai，你都是需要梯子的，所以系统默认的端口就不行了，必须要用梯子的端口，这里每个梯子查看的方式不一样，如果是用的水哥推荐的，可在这个位置找到端口号。

step3: 在前面代码中加入下面修改端口的代码，其中33210换为你自己的端口代码，前面的IP地址不换。

proxies = {'http': "http://127.0.0.1:33210",
'https': "http://127.0.0.1:33210"}
openai.proxy = proxies

经过上述调整后，终于能运行了，来看看效果：

问题1：ANSYS和ABAQUS哪个好学一点？

回答如下：咳咳，GPT都认为ANSYS好学一点呢，大家还不积极一点？

问题2：ansys workbench如何进行ACT开发

回答如下：

问题3： 

帮我用英文翻译下下面这段话：

沙漏(hourglass)模式是一种非物理的零能变形模式，产生零应变和应力。沙漏模式仅发生在缩减积分(单积分点)体、壳和厚壳单元上。是单元刚度矩阵中秩不足导致的，而这些是由于积分点不足导致的。沙漏模式导致一种在数学上是稳定的、但在物理上无法实现的状态。他们通常没有刚度，变形呈现锯齿形网格

回答如下：（翻译质量还不错的哦，个人感觉至少比百度翻译好吧）

当然如果你觉得每次都要在python界面去调整变量的数值比较麻烦，那么则可增加下面代码，通过读入本文里面的内容，来完成输入，我们每次只需要将文本里面的内容重新更新下即可，同时还可将数据用文本写出来，这样方便我们打开文本进行复制操作。

读入文本如下：

file=open('Input.txt',encoding='utf-8',errors='ingore')
prompt=file.read()
print(prompt)

写入结果文件如下：

output=Chat(prompt)
fileout=open('Output.txt','w',encoding='utf-8')
fileout.write(output)
fileout.close()

效果如下所示：

在Input.txt中输入

在Output.txt中查看结果

model = "gpt-3.5-turbo"
messages = [{'role': 'system', 'content': '这是一个测试'}]
# 在 messages 中加入 `用户(user)` 角色提出第 1 个问题
messages.append({'role': 'user', 'content': '用APDL写一个悬臂梁的代码'})
# 调用接口
response = openai.ChatCompletion.create(
    model='gpt-3.5-turbo',
    messages=messages,
)
# 在 messages 中加入 `助手(assistant)` 的回答
messages.append({
'role': response['choices'][0]['message']['role'],
'content': response['choices'][0]['message']['content'],
})
# 在 messages 中加入 `用户(user)` 角色提出第 2 个问题
messages.append({'role': 'user', 'content': '检查上述代码中是否错误，如果有请修改'})
# 调用接口
response = openai.ChatCompletion.create(
    model='gpt-3.5-turbo',
    messages=messages,
)
# 在 messages 中加入 `助手(assistant)` 的回答
messages.append({
'role': response['choices'][0]['message']['role'],
'content': response['choices'][0]['message']['content'],
})
# 查看整个对话
print(messages)