手把手教你使用 Python 调用 ChatGPT-3.5-API-六虎

咱们好，我是老表

【最新文章-ChatAPI：一个基于ChatGPT的 paas 层运用（白话文：api）】

前天 OpenAI 开放了两个新模型的api接口，专门为谈天而生的 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，咱们能够知道现在 chat.openai.com 官网便是由 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，这使得咱们这些普通开发者也能直接在自己的运用/服务中运用这个狂揽亿万用户的模型。

接下来将和咱们介绍怎么运用 Python 快速玩转 gpt-3.5-turbo。

本文一切代码已开源，持续更新中：XksA-me/ChatGPT-3.5-AP

先跑起来，再了解

首要你需求有一个 openai 账号，怎么注册我就不多说了，网上教程许多，并且很详细，假如有问题能够加我微信：pythonbrief，增加通往后请直接描绘你的问题+问题截图。

拜访下面页面，登录 openai 账号后，创立一个 api keys。

# api keys 创立页面
https://platform.openai.com/account/api-keys

接下来很简略了，安装 openai 官方的 Python SDK，这里需求留意的是得安装最新版别 openai，官方引荐的是 0.27.0 版别。

pip install openai==0.27.0

直接上恳求代码：

import openai
import json
# 现在需求设置署理才能够拜访 api
os.environ["HTTP_PROXY"] = "自己的署理地址"
os.environ["HTTPS_PROXY"] = "自己的署理地址"
def get_api_key():
    # 能够自己依据自己实际状况完成
    # 以我为比如，我是存在一个 openai_key 文件里，json 格局
    '''
    {"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完成：提示手动输入3个不同的3位数区间，输入完毕后核算这3个区间的交集，并输出成果区间"
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 的办法，我是存在一个 openai_key 文件里，json 格局，你能够改成你自己的获取办法，乃至能够直接写到代码里（虽然不引荐，但的确最简略）。
q 是恳求的问题
rsp 是发送恳求后回来成果
openai.ChatCompletion.create 中参数
- model 是运用的模型称号，是一个字符串，用最新模型直接设置成gpt-3.5-turbo 即可
- messages 是恳求的文本内容，是一个列表，列表里每个元素类型是字典，详细含义如下表：
程序运转回来内容，从呼应回复内容咱们能够看到，回复内容是一个 json 字符串，
咱们能够经过以下办法直接获取相关信息：

- 回来音讯内容

rsp.get("choices")[0]["message"]["content"]

- 角色

rsp.get("choices")[0]["message"]["role"]

- 问题+答复总长度

rsp.get("usage")["total_tokens"]

其他信息也能够经过相似办法获取。

测试 ChatGPT 答复代码运转状况，能够看出代码逻辑和运转都没啥问题，注释也到位。

完成多轮对话

怎么完成多轮对话？

gpt-3.5-turbo 模型调用办法 openai.ChatCompletion.create 里传入的 message 是一个列表，列表里每个元素是字典，包括了角色和内容，咱们只需将每轮对话都存储起来，然后每次发问都带上之前的问题和答复即可。

效果图
- 能够看到，我首要问了“1+1=几”，然后问“为什么是这样”，ChatGPT 会依据前面的发问将新问题辨认为“为什么1+1=2”。
- 后面持续问水仙花数有哪些，再问“怎么写个python程序来辨认这些数”，ChatGPT 同样会依据前面的发问将新问题辨认为“怎么写个python程序来辨认这些水仙花数”，并给出对应解答。
完成代码

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():
    # 能够自己依据自己实际状况完成
    # 以我为比如，我是存在一个 openai_key 文件里，json 格局
    '''
    {"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完成：提示手动输入3个不同的3位数区间，输入完毕后核算这3个区间的交集，并输出成果区间"
        rsp = openai.ChatCompletion.create(
          model="gpt-3.5-turbo",
          messages=self.messages
        )
        return rsp.get("choices")[0]["message"]["content"]
    def writeTojson(self):
        try:
            # 判别文件是否存在
            if not os.path.exists(self.filename):
                with open(self.filename, "w") as f:
                    # 创立文件
                    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("请输入用户称号: ")
    chat = ChatGPT(user)
    # 循环
    while 1:
        # 约束对话次数
        if len(chat.messages) >= 11:
            print("******************************")
            print("*********强制重置对话**********")
            print("******************************")
            # 写入之前信息
            chat.writeTojson()
            user = input("请输入用户称号: ")
            chat = ChatGPT(user)
        # 发问
        q = input(f"【{chat.user}】")
        # 逻辑判别
        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("请输入用户称号: ")
            chat = ChatGPT(user)
            continue
        # 发问-答复-记载
        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，包括三个函数：
- __init__初始化函数，初始化了三个个实例变量，user、messages、filename（当时用户、音讯列表、存储记载的文件途径）。
- ask_gpt函数，将当时用户一切历史音讯+最新发问发送给 gpt-3.5-turbo ，并回来呼应成果。
- writeTojson函数，完毕/重置用户时记载当时用户之前的拜访数据。
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时用户之前拜访数据记载搭配 json 文件中。
因为 gpt-3.5-turbo 单次恳求最大 token 数为：4096，所以代码里约束了下对话次数。

手把手教你使用 Python 调用 ChatGPT-3.5-API

先跑起来，再了解

完成多轮对话

更多拓展

作者信息

推广

手把手教你使用 Python 调用 ChatGPT-3.5-API

先跑起来，再了解

完成多轮对话

更多拓展

相关文章

【FlutterUnit周边】历时两年 FlutterUnit 2.0 版本到来

Unity技术手册-InputFiled（TMP）属性详解和各种监听

我的GPT-4 API 接入之旅

pnpm + vite + vue3 + ESLint + Stylelint + TypeScript搭建monorepe项目

作者信息

推广