十分钟搭建一个免费的 OpenAI 服务

最近 chatGPT 十分火，也出现了许多依据 chatGPT 写的插件，本次文章准备解说一下依据 OpenAI 如何搭建一个 gpt 服务，并完成如下两个功用：

• 完成内容对话
• 完成依据内容生成 AI 图片

源码地址：github.com/MRwangqi/ch…

作用演示：

如下是作用演示：

• 内容对话：http-nodejs-production-32b8.up.railway.app/chat?prompt…

• AI 作画：http-nodejs-production-32b8.up.railway.app/image?promp…

本次内容会涉及到一点点 Node.js 的开发，但代码量很少(只要 56 行代码)，我相信，从事 Android 开发的你，一定能看得懂。本文涉及到的知识点：

• OPEN AI 开发者文档
• Node.js 开发
• Railway 布置(每个月有 5$ 的免费额度)

前期准备

1、OpenAI API 接入文档： platform.openai.com/docs/api-re… 2、获取 OpenAI API Keys 和 Organization 安排 ID (前提是有 OpenAI 账号) 点击链接 platform.openai.com/account/api… 获取 API Keys，假如没有，可点击 Create new secret key进行创立：

点击链接 platform.openai.com/account/org… 获取安排 ID：

正式开发

OpenAI API 文档提供了三种接入方法：

• Http 恳求
• Python
• Node.js

不管用哪种方法接入，所对应的运用方法都差不多，仅仅只是技能栈不同而已，咱们来看个 Http 恳求的示例 ：

curl https://api.openai.com/v1/completions \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -d '{
  "model": "text-davinci-003",
  "prompt": "今天星期几？",
  "max_tokens": 7,
  "temperature": 0
}'

恳求参数：

1. model ：模型 Id，此处的文本生成模型为 GPT-3
2. prompt：提示语
3. max_tokens：回复成果的最大 tokens 数量，依据模型所定，有的最大2048，有的 4096，依据官网 tokenizer 描绘，关于普通英文文本，100 个 tokens 差不多等于 75 个单词，具体计算规矩可检查 platform.openai.com/tokenizer
4. temperature：采样准确度，介于 0~2 之间，值越低约准确。

以官方示例为准，咱们运用 Node.js 开端开发(需求装置 Node 环境，可自行查找装置)。 履行初始化环境指令，依据提示完成项目创立

npm init

履行装置 openai 依靠指令：

npm install openai

装置完成后，咱们在当前目录创立个 index.js 文件，为了能加载 ES 模块，咱们还需在 package.json 中添加下 "type": "module"，复制官方示例到该文件下，并替换掉 organization 安排 Id 与 apiKey 即可，装备作用如下：

假如 API KEY 和安排 Id 装备正确的话，咱们能够履行运行指令：

node index.js

假如控制台没有任何报错的话，则表示装备成功，假如控制台有打印日志，则需求检查是 API KEY 装备不正确，仍是安排 ID 装备不正确。

接下来，咱们在此基础上，运用 gpt-3 文本模型开发功用：

// ... 省掉上面代码
const res = await openai.createCompletion({
  // text 模型
  model: "text-davinci-003",
  prompt: "周杰伦有多少张专辑?",
  max_tokens: 2048,
  temperature: 0.2
})
// 打印成果
console.log(res.data.choices)

这儿咱们询问 周杰伦有多少张专辑?，并履行 node index.js，检查打印的成果：

一个简单的问答成果出来了，接下来，咱们暂时注释掉该段代码，测验下 AI 作画的才能，编辑如下代码：

// ... 省掉上面代码
const res = await openai.createImage({
    model: "image-alpha-001",
    prompt: "空山新雨后,气候晚来秋",
    size: "256x256",
    n: 1
})
// 打印图片 url
var url = res.data.data[0].url
console.log(url)

• model 为 AI 图片模型
• prompt 为描绘的内容，这儿，咱们引证古诗，来检查终究的作用
• size 为生成的图片大小
• n 为生成的张数，这儿咱们就填写一张

履行成功后，会打印图片的 url：

咱们将其复制出来到浏览器检查：

为了使这两个功用通过服务的方法拜访，咱们还需求装置两个依靠 koa 和 koa-router，履行如下指令装置：

npm install koa koa-router

重新编辑 index.js 文件，引进 koa 和 koa-router：

import Koa from "koa"
import Router from "koa-router";
// ... 省掉 openai 初始化代码
const app = new Koa()
const router = new Router();
router.get("/chat", async (ctx, next) => {
    // 获取恳求中的 prompt 参数
    const { prompt } = ctx.request.query;
    const res = await openai.createCompletion({
        model: "text-davinci-003",
        prompt: prompt,
        max_tokens: 2048,
        temperature: 0.2
    })
    // 将生成的内容回来给客户端
    ctx.body = res.data.choices
});
// 启用路由
app.use(router.routes()).use(router.allowedMethods());
// 启动服务器，端口暂时设置为 3000
app.listen(3000, () => {
    console.log("Server is started ");
});

总体过程就是启用个端口为 3000 的服务，将本来履行的代码放到了 /chat 路由途径中，拜访该途径即可履行该代码回来成果，接下来，咱们持续履行 node index.js指令，然后拜访如下链接：

http://localhost:3434/chat?prompt=周杰伦是谁

一个简单的服务拜访已经开发好了，接下来，咱们需求脱敏，将安排 ID、API KEY、端口 等设置成环境变量，并推到自己的 github 中(Railway 布置时需求挑选该库房)，能够直接挑选该项目，以避免秘钥泄漏，咱们将其改成：

• process.env.APP_ORG
• process.env.APP_KEY
• process.env.PORT

具体操作代码可直接检查源码，这儿就不贴了，避免代码太多影响阅览，接下来，咱们需求开端布置应用了。

布置应用

拜访 railway.app/dashboard 链接，主张运用 Github 方便登录 Railway ，并点击 New Project创立项目：

这儿咱们直接挑选 Depoly from Github repo，直接挑选自己库房里的项目：

找到自己刚刚 push 到 github 的库房，例如，我挑选的项目是 chatGPT-nodejs 库房，你也能够直接 fork 我这个库房，找到该库房进行布置：

咱们挑选该项目，先不着急布置，咱们先把前面的环境变量先设置上：

挑选 `New Variable`创立 APP_ORG 和 APP_KEY 环境变量，并将对应的值写入到 value 中：

完成添加之后，Railway 会自动布置项目，咱们挑选左边的 `Depolyments`检查布置成果：

布置成功之后，咱们需求生成 Domains 链接，咱们持续点击右边的 Settings 选项卡，挑选 `generate Domain`，此时会生成布置的域名链接：

咱们拿到该链接，就能够开端拜访了，复制此链接，咱们来拜访下 AI 作画(链接+路由)：

chatgpt-nodejs-production.up.railway.app/image?promp…