chatGPT API调用指南，GPT3.5 turbo API，上下文携带技巧，python函数封装

sockstack / 133 / 2023-11-18 01:00:29

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-kimbie-light">
<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><h1>
<a id="_0"></a>概要</h1> 
chatGPT是openAI的一款语言类人工智能聊天产品，除了在官网直接使用外，我们还可以通过发起http请求调用官方的gpt3.5turbo API来构建自己的应用产品。 内容概述： 1本篇博客使用python语言演示了如何简单调用chatGPT接口 2简单描述了chatGPT接口可选的一共12个参数 3从实践案例角度对于API进行函数式封装 
<h1>
<a id="gpt35turbo_6"></a>gpt-3.5-turbo官方文档</h1> 
https://platform.openai.com/docs/introduction/overview 官方文档链接点击跳转 英文好、有时间可以直接研究官方文档。 
<h1>
<a id="_10"></a>简单例子</h1> 
首先需要安装python包openai 
<pre><code class="prism language-shell">pip install openai
</code></pre> 
pip list查看版本号：openai 0.27.2 下面的例子向openai的chatgpt API发送消息“你好”，然后输出应答。 
图一：获取api_key 
<pre><code class="prism language-python">import os
import openai
openai_api_key = os.getenv("openai_api_key")
openai.api_key=openai_api_key
def example1():response = openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=[{"role": "user", "content": "你好"}])print(response.get("choices")[0]["message"]["content"])
if __name__ == '__main__':example1()
</code></pre> 
openai.ChatCompletion.create中填写了两个必要参数，模型名、消息。 openai_api_key需要在API官网获取，链接在上面已经贴过了。 然后设置为环境变量，或者直接粘贴字符串在这里也可以。 
<h1>
<a id="_38"></a>详细参数示例</h1> 
<pre><code class="prism language-python">def example2():response = openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=[{"role": "user", "content": "你好"}],temperature=1.5, # 0-2之间，越大越随机，越小越确定top_p=1, #随机取前多少概率的token，0.1意味着取前10%，越小越确定。top_p temperature两个参数推荐只使用一个n=2,#生成几个回答，默认是1个，我这里让它生成2个stream=False,#是否流式获得结果，流式就是chatgpt官网那种，结果是一点一点蹦出来的，用于长句子先得到部分结果stop="我",#停止词，生成出来“我”就停止生成max_tokens=100,#最多生成的token数量presence_penalty=0,#(-2.0,2.0) 越大模型就趋向于生成更新的话题，惩罚已经出现过的文本frequency_penalty=0,#(-2.0,2.0) 惩罚出现频率高的文本#logit_bias=None,#设置token的先验偏置user="会写代码的孙悟空"#一个表示您的终端用户的唯一标识符，可帮助OpenAI监控和检测滥用行为)print(response)print(response.get("choices")[0]["message"]["content"])print(response.get("choices")[1]["message"]["content"])
</code></pre> 
<pre><code>output:
你好！
你好！有什么
</code></pre> 
temperature参数示意图 <img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/d3077657c2a34c75886bf32e5ef980ae.png" alt="在这里插入图片描述"> 图：temperature参数改变概率分布,左较小temperature,右较大temperature top_p=1 就是以图中的概率分布取样本，注意低柱子只是取到的概率小 top_p=0.2 取前20%的样本，就只有高柱子这一种情况了 top_p=0.4 取前40%的样本，从第一高与第二高中取。 
<h1>
<a id="API_73"></a>API封装</h1> 
说明：从实践案例角度对于API进行函数式封装，方便开发。 response是python字典格式： 
<pre><code class="prism language-txt">{'id': 'chatcmpl-6p9XYPYSTTRi0xEviKjjilqrWU2Ve','object': 'chat.completion','created': 1677649420,'model': 'gpt-3.5-turbo','usage': {'prompt_tokens': 56, 'completion_tokens': 31, 'total_tokens': 87},'choices': [{'message': {'role': 'assistant','content': 'The 2020 World Series was played in Arlington, Texas at the Globe Life Field, which was the new home stadium for the Texas Rangers.'},'finish_reason': 'stop','index': 0}]
}
</code></pre> 
字段很多，只使用最关键的content，也就是回复文本内容。 
<h2>
<a id="API_95"></a>一次对话API封装</h2> 
一问一答，无上下文 
<pre><code class="prism language-python">def chat_once(prompt):try:response = openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=[{"role": "user", "content": prompt}])return response.get("choices")[0]["message"]["content"]except:return ""
def test_chat_once():res=chat_once("你好")print(res)
if __name__ == '__main__':test_chat_once()
</code></pre> 
<h2>
<a id="_115"></a>一次对话+角色扮演</h2> 
<pre><code class="prism language-python">def chat_once_with_sb(prompt,sb): #sb:some body 不是骂人try:response = openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=[{"role": "system", "content": sb},{"role": "user", "content": prompt}])return response.get("choices")[0]["message"]["content"]except:return ""
def test_chat_once_with_sb():prompt="请问你擅长什么？"sb="医生"res=chat_once_with_sb(prompt,sb)print(res)
if __name__ == '__main__':test_chat_once_with_sb()
</code></pre> 
output： 
<pre><code class="prism language-text">作为一个 AI 医生，我可以提供广泛的医疗领域的知识和帮助。我可以帮你获取医疗信息、提供急救指导并回答健康问题。 但是，我不能进行具体治疗和诊断，如果您有任何身体不适或医务问题，建议立即咨询专业医生或上医院检查。
</code></pre> 
<h2>
<a id="_142"></a>连续对话保存所有上下文</h2> 
<pre><code class="prism language-python">class ChatGPT:def __init__(self,sb="You are a helpful assistant."):self.sb=sbself.messages=[{"role":"system","content":sb}]def send(self,prompt):try:self.messages.append({"role":"user","content":prompt})response=openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=self.messages)response_txt=response.get("choices")[0]["message"]["content"]self.messages.append({"role": "assistant", "content": response_txt})return response_txtexcept:return ""
def test_ChatGPT():chatgpt=ChatGPT()while True:text=input()if(text==""):breakres=chatgpt.send(text)print(res)
if __name__ == '__main__':test_ChatGPT()
</code></pre> 
output： <img referrerpolicy="no-referrer" src="https://img-blog.csdnimg.cn/1874e68fceb847ce88328c963d1e1d81.png" alt="在这里插入图片描述">
</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

2023-11-18

修改于

2024-09-16

上一篇：软件：常用 Linux 软件汇总，值得收藏下一篇：分享github上比较热门的ChatGPT项目，值得收藏