手把手教你使用 Python 调用 ChatGPT |
您所在的位置：网站首页 › 怎么使用接口引用 › 手把手教你使用 Python 调用 ChatGPT |
手把手教你使用 Python 调用 ChatGPT
|
大家好，我是老表 前天 OpenAI 开放了两个新模型的api接口，专门为聊天而生的 gpt-3.5-turbo 和 gpt-3.5-turbo-0301。  ChatGPT is powered by gpt-3.5-turbo, OpenAI’s most advanced language model. 从上面这句话，我们可以知道现在 chat.openai.com 官网就是由 gpt-3.5-turbo 模型提供的服务，现在官方公开了这一模型的调用接口，这使得我们这些普通开发者也能直接在自己的应用/服务中使用这个狂揽亿万用户的模型。 接下来将和大家介绍如何利用 Python 快速玩转 gpt-3.5-turbo。 本文所有代码已开源，持续更新中：XksA-me/ChatGPT-3.5-AP 先跑起来，再理解**首先**你需要有一个 openai 账号，如何注册我就不多说了，网上教程很多，而且很详细，如果有问题可以加我微信：pythonbrief，**添加通过后请直接描述你的问题+问题截图**。 访问下面页面，登录 openai 账号后，创建一个 api keys。 代码语言：shell复制# api keys 创建页面 https://platform.openai.com/account/api-keys**接下来**很简单了，安装 openai 官方的 Python SDK，这里需要注意的是得安装最新版本 openai，官方推荐的是 0.27.0 版本。 代码语言：shell复制pip install openai==0.27.0**直接上**请求代码： 代码语言：python复制import openai import json # 目前需要设置代理才可以访问 api os.environ["HTTP\_PROXY"] = "自己的代理地址" os.environ["HTTPS\_PROXY"] = "自己的代理地址" def get\_api\_key(): # 可以自己根据自己实际情况实现 # 以我为例子，我是存在一个 openai\_key 文件里，json 格式 ''' {"api": "你的 api keys"} ''' openai\_key\_file = '../envs/openai\_key' with open(openai\_key\_file, 'r', encoding='utf-8') as f: openai\_key = json.loads(f.read()) return openai\_key['api'] openai.api\_key = get\_api\_key() q = "用python实现：提示手动输入3个不同的3位数区间，输入结束后计算这3个区间的交集，并输出结果区间" rsp = openai.ChatCompletion.create( model="gpt-3.5-turbo", messages=[ {"role": "system", "content": "一个有10年Python开发经验的资深算法工程师"}, {"role": "user", "content": q} ] )**代码解析：** get_api_key() 函数是我自己写的一个从文件读取 api keys 的方法，我是存在一个 openai_key 文件里，json 格式，你可以改成你自己的获取方法，甚至可以直接写到代码里（虽然不推荐，但确实最简单）。q 是请求的问题rsp 是发送请求后返回结果openai.ChatCompletion.create 中参数model 是使用的模型名称，是一个字符串，用最新模型直接设置成gpt-3.5-turbo 即可messages 是请求的文本内容，是一个列表，列表里每个元素类型是字典，具体含义如下表： 程序运行返回内容，从响应回复内容我们可以看到，回复内容是一个 json 字符串， 我们可以通过以下方法直接获取相关信息：  返回消息内容代码语言：shell复制rsp.get("choices")[0]["message"]["content"]角色代码语言：shell复制rsp.get("choices")[0]["message"]["role"]问题+回答总长度代码语言：shell复制rsp.get("usage")["total\_tokens"]其他信息也可以通过类似方法获取。 测试 ChatGPT 回答代码运行情况，可以看出代码逻辑和运行都没啥问题，注释也到位。 实现多轮对话如何实现多轮对话？ gpt-3.5-turbo 模型调用方法 openai.ChatCompletion.create 里传入的 message 是一个列表，列表里每个元素是字典，包含了角色和内容，我们只需将每轮对话都存储起来，然后每次提问都带上之前的问题和回答即可。 效果图 可以看到，我首先问了“1+1=几”，然后问“为什么是这样”，ChatGPT 会根据前面的提问将新问题识别为“为什么1+1=2”。后面继续问水仙花数有哪些，再问“如何写个python程序来识别这些数”，ChatGPT 同样会根据前面的提问将新问题识别为“如何写个python程序来识别这些水仙花数”，并给出对应解答。实现代码代码语言：shell复制import openai
import json
import os
os.environ["HTTP\_PROXY"] = "http://127.0.0.1:7890"
os.environ["HTTPS\_PROXY"] = "http://127.0.0.1:7890"
# 获取 api
def get\_api\_key():
# 可以自己根据自己实际情况实现
# 以我为例子，我是存在一个 openai\_key 文件里，json 格式
'''
{"api": "你的 api keys"}
'''
openai\_key\_file = '../envs/openai\_key'
with open(openai\_key\_file, 'r', encoding='utf-8') as f:
openai\_key = json.loads(f.read())
return openai\_key['api']
openai.api\_key = get\_api\_key()
class ChatGPT:
def \_\_init\_\_(self, user):
self.user = user
self.messages = [{"role": "system", "content": "一个有10年Python开发经验的资深算法工程师"}]
self.filename="./user\_messages.json"
def ask\_gpt(self):
# q = "用python实现：提示手动输入3个不同的3位数区间，输入结束后计算这3个区间的交集，并输出结果区间"
rsp = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=self.messages
)
return rsp.get("choices")[0]["message"]["content"]
def writeTojson(self):
try:
# 判断文件是否存在
if not os.path.exists(self.filename):
with open(self.filename, "w") as f:
# 创建文件
pass
# 读取
with open(self.filename, 'r', encoding='utf-8') as f:
content = f.read()
msgs = json.loads(content) if len(content) > 0 else {}
# 追加
msgs.update({self.user : self.messages})
# 写入
with open(self.filename, 'w', encoding='utf-8') as f:
json.dump(msgs, f)
except Exception as e:
print(f"错误代码：{e}")
def main():
user = input("请输入用户名称: ")
chat = ChatGPT(user)
# 循环
while 1:
# 限制对话次数
if len(chassages) >= 11:
print("\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*")
print("\*\*\*\*\*\*\*\*\*强制重置对话\*\*\*\*\*\*\*\*\*\*")
print("\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*")
# 写入之前信息
chat.writeTojson()
user = input("请输入用户名称: ")
chat = ChatGPT(user)
# 提问
q = input(f"【{chat.user}】")
# 逻辑判断
if q == "0":
print("\*\*\*\*\*\*\*\*\*退出程序\*\*\*\*\*\*\*\*\*\*")
# 写入之前信息
chat.writeTojson()
break
elif q == "1":
print("\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*")
print("\*\*\*\*\*\*\*\*\*重置对话\*\*\*\*\*\*\*\*\*\*")
print("\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*")
# 写入之前信息
chat.writeTojson()
user = input("请输入用户名称: ")
chat = ChatGPT(user)
continue
# 提问-回答-记录
chassages.append({"role": "user", "content": q})
answer = chat.ask\_gpt()
print(f"【ChatGPT】{answer}")
chassages.append({"role": "assistant", "content": answer})
if \_\_name\_\_ == '\_\_main\_\_':
main()**代码解析：** ChatGPT 类，包含三个函数：\_\_init\_\_初始化函数，初始化了三个个实例变量，user、messages、filename（当前用户、消息列表、存储记录的文件路径）。ask\_gpt函数，将当前用户所有历史消息+最新提问发送给 gpt-3.5-turbo ，并返回响应结果。writeTojson函数，结束/重置用户时记录当前用户之前的访问数据。main函数，程序入口函数，用户输入用户名后进入与 ChatGPT 的循环对话中，输入 0 退出程序，输入 1 重置用户，退出和重置都会将当前用户之前访问数据记录搭配 json 文件中。由于 gpt-3.5-turbo 单次请求最大 token 数为：4096，所以代码里限制了下对话次数。更多拓展你可以写个函数，从 json 文件读取历史用户访问记录，然后每次访问可以选用户。你可以写个 web 服务，使用 session 或者数据库支持多用户同时登录，同时访问。你可以基于之前分享的钉钉机器人项目，将 gpt-3.5-turbo 接入钉钉机器人。你还可以上 Github 搜索更多 ChatGPT 相关项目，或者其他有意思的项目学习练手，欢迎学习交流。 我创建了个 ChatGPT 应用交流群，如果你感兴趣可以扫下方二维码添加我微信申请加入。 项目已开源，持续更新中：XksA-me/ChatGPT-3.5-AP |
【本文地址】
今日新闻 |
推荐新闻 |