Пользователь: "Ваш сервис ужасен, я очень недоволен!"
Ответ GPT-4o: sentiment=negative, эмоция=гнев, категория=жалоба

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "Извлеки данные из сообщения и верни JSON"},
        {"role": "user", "content": msg}
    ],
    response_format={"type": "json_object"}
)

import openai

def generate_image(prompt):
    response = openai.images.generate(
        model="dall-e-3",
        prompt=prompt,
        size="1024x1024",
        quality="standard",
        n=1
    )
    return response.data[0].url

# Использование
image_url = generate_image("мем про программиста с кофе")
bot.send_photo(chat_id=chat_id, photo=image_url)

import openai

def transcribe_voice(audio_file):
    with open(audio_file, 'rb') as f:
        transcript = openai.audio.transcriptions.create(
            model="whisper-1",
            file=f
        )
    return transcript.text

@bot.message(content_types=['voice'])
def handle_voice(message):
    file_id = message.voice.file_id
    file = bot.get_file(file_id)
    file_path = file.download()
    
    text = transcribe_voice(file_path)
    bot.reply_to(message, f"Вы сказали: {text}")

functions = [
    {
        "name": "get_weather",
        "description": "Получить погоду в городе",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "Название города"},
                "units": {"type": "string", "enum": ["celsius", "fahrenheit"]}
            }
        }
    }
]

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "Какая погода в Москве?"}],
    functions=functions
)

# GPT возвращает функцию для вызова
if response.choices[0].message.function_call:
    func_name = response.choices[0].message.function_call.name
    args = json.loads(response.choices[0].message.function_call.arguments)
    if func_name == "get_weather":
        weather = get_weather_api(args["city"])
        bot.send_message(chat_id, f"Погода в {args['city']}: {weather}")

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "Верни JSON с полями: sentiment, emotion, category"},
        {"role": "user", "content": "Ваш сервис отличный!"}
    ],
    response_format={"type": "json_object"}
)

data = json.loads(response.choices[0].message.content)
# {'sentiment': 'positive', 'emotion': 'радость', 'category': 'комплимент'}

import redis
import hashlib

redis_client = redis.Redis()

def cached_completion(prompt):
    key = hashlib.md5(prompt.encode()).hexdigest()
    cached = redis_client.get(f"gpt:{key}")
    
    if cached:
        return json.loads(cached)
    
    response = openai.ChatCompletion.create(model="gpt-4o-mini", ...)
    redis_client.setex(f"gpt:{key}", 3600, json.dumps(response))
    return response

# Было: 50 сообщений в истории = 10k токенов
# Стало: 5 последних = 1k токенов

recent_messages = messages[-5:]  # Экономия ~90%

# ❌ Плохо (200 токенов)
"Я хочу, чтобы ты был вежливым ассистентом..."

# ✅ Хорошо (50 токенов)
"Ассистент. Вежливый, краткий."

# В OpenAI Dashboard установите лимит расходов
# Уведомления при превышении порогов

from openai import OpenAI

client = OpenAI(api_key="sk-...")

# Простой запрос
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "Ты помощник Telegram-бота"},
        {"role": "user", "content": "Привет!"}
    ],
    temperature=0.7,
    max_tokens=500
)

print(response.choices[0].message.content)

from aiogram import Bot, Dispatcher, F
from aiogram.types import Message
from openai import OpenAI

client = OpenAI(api_key="sk-...")

async def handle_message(msg: Message):
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "user", "content": msg.text}
        ]
    )
    
    reply_text = response.choices[0].message.content
    await msg.answer(reply_text)

dp.message.register(handle_message, F.text)

async def stream_response(msg: Message):
    stream = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": msg.text}],
        stream=True
    )
    
    full_text = ""
    await bot.send_message(msg.chat.id, "Генерирую ответ...")
    
    for chunk in stream:
        if chunk.choices[0].delta.content:
            full_text += chunk.choices[0].delta.content
            await bot.edit_message_text(
                chat_id=msg.chat.id,
                message_id=sent_message.message_id,
                text=full_text
            )