ChatGPT使用学习（二）：ChatPaper安装到测试详细教程（一文包会）

sockstack / 181 / 2023-11-09 01:01:35

ChatGPT 可用网址，仅供交流学习使用，如对您有所帮助，请收藏并推荐给需要的朋友。 <a href="https://ckai.xyz/?sockstack&section=detail" target="__blank">https://ckai.xyz</a> <article class="baidu_pl"><div id="article_content" class="article_content clearfix">
<link rel="stylesheet" href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/editerView/kdoc_html_views-1a98987dfd.css">
<link rel="stylesheet" href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/editerView/ck_htmledit_views-25cebea3f9.css">
<div id="content_views" class="markdown_views prism-tomorrow-night-eighties">
<svg xmlns="http://www.w3.org/2000/svg" style="display: none;"><path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path></svg>
<div class="toc">
<h3>ChatPaper</h3>
<ul>
<li>1.简介及功能</li>
<li>2.前置准备</li>
<li>3.开始使用-命令行</li>
<li>4.开始使用-网页</li>
</ul>
</div>
 
<h1>
<a id="1_2"></a>1.简介及功能</h1> 
       ChatPaper是一种基于文本生成技术的研究论文，可以根据用户的输入进行智能回复和互动，具有类似于ChatGPT的功能。它可以根据关键字来获取相应的论文，并通过分析论文的标题、作者、单位、链接、研究背景、其它工作的问题、本文方法、本文方法具体步骤、总结本文的优缺点等内容，实现一分钟下载一篇最新arxiv论文，一个分钟速读主要信息。用户可以根据以上内容来判断是否需要更深入地了解该论文。 
<h1>
<a id="2_4"></a>2.前置准备</h1> 
**第一步：**下载项目代码：https://github.com/kaixindelele/ChatPaper 
<pre><code class="prism language-python">git clone https://github.com/kaixindelele/ChatPaper.git
</code></pre> 
第二步：配置环境 由于我已经安装了Anaconda和Pycharm，具体细节可以看这篇博客：点击 
<pre><code class="prism language-python">conda create -n chatgpt_pa python=3.9
# 进入到项目目录
python -m pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
</code></pre> 
第三步：修改代码文件内容 你需要修改的地方如下 <img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/b1b58a83bd604487b39d7cfa458211e3.png" alt="在这里插入图片描述"> 填入和这篇博客一样的Key即可（需要自己去官网获取）：点击 
<h1>
<a id="3_20"></a>3.开始使用-命令行</h1> 
       由于这里面太多功能，就不一一演示结果，可以根据自己的需求进行处理。        注意：key_word不重要，但是filter_keys非常重要！ 一定要修改成你的关键词。 
第一种： 
<pre><code class="prism language-python">python chat_paper.py --query "chatgpt robot" --filter_keys "chatgpt robot" --max_results 3
</code></pre> 
结果： 
第二种： 
<pre><code class="prism language-python">python chat_arxiv.py --query "chatgpt robot" --page_num 2 --max_results 3 --days 10
</code></pre> 
其中query是读者输入的搜索查询，filter_keys是用于在摘要中筛选的关键词，page_num是搜索的页面，每页和官网一样，最大是50篇，max_results是最终总结前N篇的文章，days是选最近几天的论文，严格筛选！ 结果： <img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/72e3650ccfc74a019146794fbbe8e61a.png" alt="在这里插入图片描述"> 第三种： Arxiv在线批量搜索+下载+总结+高级搜索： 运行chat_paper.py， 比如： 
<pre><code class="prism language-python">python chat_paper.py --query "all: reinforcement learning robot 2023" --filter_keys "reinforcement robot" --max_results 3
</code></pre> 
第四种： Arxiv在线批量搜索+下载+总结+高级搜索+指定作者： 运行chat_paper.py， 比如： 
<pre><code class="prism language-python">python chat_paper.py --query "ti: Sergey Levine" --filter_keys "reinforcement robot" --max_results 3
</code></pre> 
第五种： 本地pdf总结： 运行chat_paper.py， 比如： 
<pre><code class="prism language-python">python chat_paper.py --pdf_path "demo.pdf"
</code></pre> 
第六种： 本地文件夹批量总结： 运行chat_paper.py， 比如： 
<pre><code class="prism language-python">python chat_paper.py --pdf_path "your_absolute_path"
</code></pre> 
第七种： 谷歌学术论文整理： 运行google_scholar_spider.py， 比如： 
<pre><code class="prism language-python">python google_scholar_spider.py --kw "deep learning" --nresults 30 --csvpath "./data" --sortby "cit/year" --plotresults 1
</code></pre> 
此命令在Google Scholar上搜索与“deep learning”相关的文章，检索30个结果，将结果保存到“./data”文件夹中的CSV文件中，按每年引用次数排序数据，并绘制结果。 
最后会在export下生成对应的报告，默认为md文档。 
<h1>
<a id="4_68"></a>4.开始使用-网页</h1> 
感觉没有命令行好用 <img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/c2c71f8cfc4249f08c4f7ac4a40594c1.png" alt="在这里插入图片描述"> 
       除了用命令行的方式，还可以用网页的形式来操作。启动服务 
<pre><code class="prism language-python">python3 app.py
</code></pre> 
       启动 Flask 服务。运行此命令后，Flask 服务将在本地的 5000 端口上启动并等待用户请求。在浏览器中访问以下地址之一以访问 Flask 服务的主页： 
<pre><code class="prism language-python">http://127.0.0.1:5000/
或
http://127.0.0.1:5000/index
</code></pre> 
       访问 http://127.0.0.1:5000/ 后，您将看到主页。在主页上，您可以点击不同的链接来调用各种服务。您可以通过修改链接中的参数值来实现不同的效果。有关参数详细信息，请参阅上一步骤中的详细介绍主界面： 
       特别的，这四个接口实际是封装了根目录下四个脚本的 web 界面。参数可以通过链接来修改。例如要运行“arxiv?query=GPT-4&amp;key_word=GPT+robot&amp;page_num=1&amp;max_results=1&amp;days=1&amp;sort=web&amp;save_image=False&amp;file_format=md&amp;language=zh”的话，相当于在根目录下调用 chat_arxiv.py 并返回结果。这个显示的结果和在命令行中调用的结果是一样的（即：python chat_arxiv.py --query “GPT-4” --key_word “GPT robot” --page_num 1 --max_results 1 --days 1 --sort “web” --save_image False --file_format “md” --language “zh”）。您可以通过修改参数来获得其他搜索结果。 
       如果以这种方式部署的话，结果会保存在同级目录下新生成的export、pdf_files 和response_file三个文件夹里
</div>
<link href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/editerView/markdown_views-0407448025.css" rel="stylesheet">
<link href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/style-c216769e99.css" rel="stylesheet">
</div>
<div id="treeSkill"></div>
</article>

作者

sockstack

许可协议

CC BY 4.0

发布于

2023-11-09

修改于

2024-09-15

上一篇：软件：常用 Linux 软件汇总，值得收藏下一篇：全网最详细中英文ChatGPT接口文档（五）30分钟快速入门ChatGPT——手把手示例教程：如何建立一个人工智能回答关于您的网站问题，小白也可学