需创建独立Python虚拟环境并安装openai 1.42.0+，通过.env和config.py安全加载API密钥，再按平台差异（SD/DALL·E/MidJourney）用子目录、配置字典或Docker隔离提示词工程。
准备ChatGPT调用环境
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在本地稳定调用chatgpt生成绘画提示词，必须先建立可复用、可切换、不污染全局的python运行环境。打开终端，执行：python -m venv chatgpt-prompt-env。这一步创建独立虚拟环境，避免与系统其他项目依赖冲突。
激活环境：Windows用户运行 chatgpt-prompt-env\Scripts\activate.bat，macOS/Linux用户运行 source chatgpt-prompt-env/bin/activate。未激活就安装包，所有依赖会装进系统Python，后续调试时极易出现版本错乱或权限报错。
执行 pip install openai python-dotenv。注意不要装 openai==0.28 旧版——它不支持 chat.completions.create 新接口，会导致脚本运行时报 AttributeError: 'OpenAI' object has no attribute 'ChatCompletion'。
安全存储并加载API密钥
在项目根目录新建文件 .env，写入一行：OPENAI_API_KEY=sk-xxx（把你的实际密钥粘贴在等号后，【不要加引号，不要空格】）。
创建 config.py 文件，内容为：
from dotenv import load_dotenv<br>import os<br>load_dotenv()<br>api_key = os.getenv("OPENAI_API_KEY")<br>if not api_key:<br> raise ValueError("OPENAI_API_KEY 未在 .env 中设置")
这一步校验密钥是否存在，能提前暴露配置疏漏。很多人跳过校验，等到调用时才报 NoneType 错误，再回头排查要多花10分钟。
按需隔离不同模型的提示词工程环境
当你同时为Stable Diffusion、DALL·E 3、MidJourney生成提示词时，各平台对语法、长度、关键词权重的要求完全不同，混用同一套环境容易导致输出失效。
方法一：用子目录分隔
在 chatgpt-prompt-env 下建三个文件夹：sd_prompts、dalle_prompts、mj_prompts。每个文件夹内放专属的 prompt_generator.py 和 .env（后者可复用主密钥，但推荐为高频率调用场景单独配Rate Limit策略）。
方法二：用Python模块动态加载参数
在主 generator.py 中定义：
PLATFORM_CONFIG = {<br> "sd15": {"max_tokens": 75, "negative_support": True, "weight_syntax": "(word:1.3)"},<br> "dalle3": {"max_tokens": 400, "negative_support": False, "weight_syntax": "very detailed::2"},<br> "mj6": {"max_tokens": 60, "negative_support": False, "weight_syntax": "--no text, deformed"}<br>}
调用时传参 generate_prompt("赛博朋克猫", platform="sd15")，函数自动按规则截断、注入负向提示、重写权重语法。
方法三：用Docker容器固化环境（适合团队协作）
写 Dockerfile 指定 Python 3.11 + openai 1.42.0 + 预载常用风格词典JSON，构建镜像后每次运行都干净如初，彻底规避“在我机器上能跑”的问题。
