使用 Python 实践 ChatGPT-3.5-API 调用
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。
# 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。
pip install openai==0.27.0
**直接上**请求代码:
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
- 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
- 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
rsp.get("choices")[0]["message"]["content"]
- 角色
rsp.get("choices")[0]["message"]["role"]
- 问题+回答总长度
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
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(chat.messages) >= 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
chat.messages.append({"role": "user", "content": q})
answer = chat.ask\_gpt()
print(f"【ChatGPT】{answer}")
chat.messages.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
推荐阅读
-
使用Verilog PLI调用Python来驱动IP核
-
在Python中使用OpenCV调用摄像头出现错误的解决方法
-
如何使用Python调用鲁大师API获取电脑配置详细信息
-
使用Python的subprocess模块实现子进程调用与程序间通信
-
Python 使用国内过境密钥调用 ChatGPT API 修改接口教程
-
如何使用 pybind11 在 Python 中调用 C++
-
Pybind11 使用总结(实现 C++ 和 Python 的相互调用)
-
在 Ubuntu 上使用 Pybind11 调用 Python 接口的 C++ 示例。
-
使用 Pybind11 将 C++ 代码编译成动态库,以便支持 Python 调用。
-
使用 pybind11 在 Windows 下生成 Python 调用 C++ 模块(超级详细,一目了然)