引言
openai是 OpenAI 官方推出的 Python 客户端库，它封装了 OpenAI 系列模型（如 GPT、DALL-E、Whisper 等）的 RESTful API 调用，让开发者无需手动处理HTTP请求、鉴权和数据解析，就能快速将 AI 能力集成到 Python 应用中。
它的核心能力覆盖了：
- 文本生成：基于 GPT 系列模型实现对话、代码生成、内容创作与智能问答；
- 图像生成与理解：通过 DALL-E 生成图像，或结合 GPT-4V 实现视觉问答；
- 语音处理：Whisper 模型实现语音转文本，以及文本转语音；
- 向量嵌入：将文本转换为向量表示，支撑语义搜索、推荐系统等场景；
- 模型微调与助手应用：支持自定义模型训练，以及构建具备上下文记忆、工具调用能力的智能助手。
开发者只需几行代码就能调用 GPT、DeepSeek、豆包等模型完成文字对话、视觉理解、语音合成、图片生成等任务，由于接口已成为行业标准，DeepSeek、字节豆包、Moonshot、智谱等国内厂商均提供OpenAI兼容接口，只需替换base_url和model即可无缝切换：
from openai import OpenAI |
client = OpenAI(api_key="sk-...", base_url="https://api.openai.com/v1") |
resp = client.chat.completions.create( |
model="gpt-4o", |
messages=[{"role": "user", "content": "Hello!"}], |
) |
print(resp.choices[0].message.content) |
在 PC 或服务器端，openai库依赖完善的 Python 标准库、充足的内存与算力，能轻松处理同步 / 异步请求、流式响应和复杂数据解析。但当我们想把 AI 能力带到嵌入式设备时，这些优势反而成了 “负担”。
在树莓派 Pico W、ESP32 这类资源受限的嵌入式设备上，运行 MicroPython 时，直接使用 PC 端的openai库几乎不可能：
- 内存极度受限：Pico 2W 可用堆内存约 150 KB，PC 端 openai SDK 依赖 httpx、pydantic 等重型库，完全无法运行；
- 无标准 HTTPS 客户端：需要基于原生 socket + ssl 手动实现 TLS 握手、HTTP/1.1 请求构造和响应解析。
- 异步模型不同：MicroPython 的
asyncio不支持asyncio.wait_for()超时，socket必须设为非阻塞模式，所有 I/O 循环需手动插入await asyncio.sleep_ms()让出 CPU。 - 大
payload发送问题：非阻塞socket缓冲区有限，发送base64图片等大JSON body时必须分块写入，否则数据截断导致服务端解析失败。 - 无 file 对象：PC 端通过
file=open(...)上传音频文件，MicroPython不支持此模式，需改用文件路径字符串流式上传。
uopenai是专为MicroPython设计的轻量级OpenAI兼容异步客户端，依赖同样自研的aiohttps库，无任何其他外部依赖。它的设计目标是：在 Pico 2W 等嵌入式设备上，用与 PC 端 openai SDK 几乎相同的接口，调用 OpenAI 兼容的云端 LLM API：
# 与 PC 端几乎一致的写法 |
from uopenai import OpenAI |
client = OpenAI(api_key="...", base_url="https://ark.cn-beijing.volces.com/api/v3") |
resp = await client.chat.completions.create( |
model="deepseek-v3-2-251201", |
messages=[{"role": "user", "content": "你好！"}], |
) |
print(resp.choices[0].message.content) |
二、uopenai 接口说明
2.1 基本介绍
库的地址在：uopenai
uopenai是一个专为 MicroPython 设计的轻量级 OpenAI 兼容异步客户端库。它基于aiohttps实现，无其他外部依赖，支持非流式和流式（SSE）文字对话、视觉模型图片输入、base64 图片编码，特别适合内存受限的嵌入式设备（如 Pico 2W）与 OpenAI 兼容云端 API（DeepSeek、豆包、Moonshot 等）的对接。
主要功能包括：
- 文字对话（非流式）：
chat.completions.create()返回完整响应对象，含id、model、usage、choices - 文字对话（流式 SSE）：
stream=True返回aiohttps.Response，通过iter_lines()逐块读取 - 视觉模型：支持
content为列表格式，传入image_url（base64 data URI） - 图片编码：
OpenAI.encode_image(filepath)静态方法，将本地图片编码为 base64 字符串 - 请求超时：
create(timeout_ms=30000)支持自定义超时，避免服务端无响应时永久阻塞 - 接口兼容：与 PC 端
openaiSDK 保持最大接口兼容，base_url可替换为任意 OpenAI 兼容服务
内含文件包括：
uopenai/ |
├── code/ |
│ ├── uopenai.py # 驱动核心实现 |
│ ├── main.py # 使用示例 / 测试代码 |
│ └── test_4kb.jpg # 视觉测试用图（3516 字节，128x128） |
├── package.json # mip 包配置（含 aiohttps 依赖） |
├── README.md # 使用文档 |
└── LICENSE # MIT 开源协议 |
2.2软件设计核心思想
与 PC 端 openai SDK 保持最大接口兼容：
# PC 端 openai SDK |
from openai import OpenAI |
client = OpenAI(api_key="...", base_url="...") |
resp = client.chat.completions.create(model="...", messages=[...]) |
# uopenai（MicroPython） |
from uopenai import OpenAI |
client = OpenAI(api_key="...", base_url="...") |
resp = await client.chat.completions.create(model="...", messages=[...]) |
唯一区别：所有create()方法均为async，需在asyncio事件循环中调用。
流式 SSE 读取
stream=True时直接返回底层aiohttps.Response，调用方通过iter_lines()逐行读取 SSE 数据，内存峰值仅为单行大小：
stream_resp = await client.chat.completions.create( |
model="...", messages=[...], stream=True |
) |
async for line in stream_resp.iter_lines(): |
if line.startswith(b"data: ") and line != b"data: [DONE]": |
delta = json.loads(line[6:])["choices"][0]["delta"] |
print(delta.get("content", ""), end="") |
视觉模型与 base64 限制
encode_image()将整个图片文件读入内存后编码，适合小图片（< 6 KB 原图）。Pico 2W 可用 RAM 约 150 KB，base64 编码后体积约为原图的 1.37 倍，总 JSON payload 需控制在 12 KB 以内以确保服务端正常响应。
2.3API 速查和常用参数
2.4 使用注意
- 依赖 aiohttps：使用前必须先将
aiohttps.py（v1.1.3+）上传到设备根目录，mip 安装时会自动处理依赖。 - 所有 create() 均为 async：必须在
asyncio事件循环中调用，不支持同步调用。 - 不支持
file=open(...)传参：MicroPython 无标准file对象，改用filepath=字符串（audio.transcriptions待实现）。 - 视觉模型图片大小限制：
encode_image()将整个文件读入内存，建议原图 < 6 KB（base64 后 < 8 KB），总 JSON payload 控制在 12 KB 以内。超出可能导致服务端拒绝或响应超时。 - 超时设置：默认
timeout_ms=30000（30 秒）。视觉模型响应较慢，建议设置timeout_ms=60000。 - thinking 模型兼容：部分模型（如 doubao-seed）返回
"content": null，库已自动处理为空字符串。 - 待实现接口：
audio.transcriptions.create()、audio.speech.create()、images.generations.create()当前为 TODO，调用后返回None。嵌入式 TTS/ASR 推荐使用 WebSocket 流式连接实现，参考xfyun_tts/xfyun_asr。
三、文字聊天和图片理解测试
这里，我们首先需要在火山引擎上创建API Key，这是调用大模型的核心凭证:
登录火山方舟平台后，在左侧导航栏找到并进入「API Key 管理」页面，这里集中管理所有大模型服务的访问密钥，准备开启密钥创建流程。
在弹出的「创建 API Key」窗口中，所属项目默认选择default（默认项目），名称可自定义（也可使用自动生成的时间戳命名），权限保持「全部（可访问项目下全部资源）」，确认配置后点击「创建」。
创建完成后，API Key 会出现在列表中，点击密钥旁的复制图标即可保存完整密钥（⚠️ 密钥仅创建时可完整查看，需妥善保管，避免泄露造成安全与资金风险）。
这里，我们选择下面两个模型进行测试：
- 支持多模态理解的
Doubao-Seed-2.0-mini模型 —— 它支持文字、图片输入，能同时满足文本聊天与图片理解的需求； DeepSeek-V3.2模型，它平衡了推理能力与响应效率，适合通用问答等纯文本交互场景。
模型地址：账号登录-火山引擎
模型地址：账号登录-火山引擎
注意，我们需要记住模型的base_url和model名字：
打开Doubao-Seed-2.0-mini模型详情页，点击右侧的「API 接入」按钮，这是从 “模型体验” 到 “实际开发调用” 的关键入口，后续所有接入配置都将从此展开。
在弹出的「快捷 API 接入」窗口中，完成 API Key 选择后，点击「STEP 2 快速接入测试」，这一步将帮助我们验证 API Key 的有效性，并获取官方提供的调用示例代码。
在快速接入测试界面中，切换到「OpenAI SDK 调用示例」标签。
从示例中，提取两个必须配置的关键参数：
base_url：https://ark.cn-beijing.volces.com/api/v3（火山方舟的 OpenAI 兼容接口地址）；model：doubao-seed-2-0-mini-260215（当前选择的多模态模型 ID）。
这两个参数将直接用于 MicroPython 代码中，作为连接火山方舟 API 的核心配置。
接下来，我们在upypi上搜索uopenai：
复制安装命令，在终端执行：
mpremote mip install https://upypi.net/pkgs/uopenai/1.0.0 |
