openai api in python的进一步展开说明

OpenAI是人工智能领域的领先公司。随着ChatGPT、DALL-E、GPT⑶和Whisper等软件的公然发布，该公司已风行全部人工智能行业。每一个人都纷纭开始使用ChatGPT来提高工作效力，而那些未能适应AI的人则失去了工作。AI时期已开始，不适应AI可能会给人们带来一些困难。

在本文中，我们将讨论如何利用AI的气力，通过使用OpenAI的API（利用程序编程接口）使平常任务变得更加轻松。这些API使开发人员能够轻松访问OpenAI的AI模型，并使用Python将其集成到自己的利用程序中。

甚么是OpenAI？

OpenAI是人工智能领域的领先公司。它最初是由Sam Altman和Elon Musk于2015年作为非营利组织成立的。他们的主要重点是开发基于AI的软件产品，如ChatGPT 3、ChatGPT 4和DALL-E等。他们开发了具有使人难以置信能力的下一代AI产品，例如OpenAI的GPT⑶，它是一个内容过滤模型，可以实现高级文本分类、大纲、问答和其他聊天机器人利用。

想了解有关API的更多信息，可以参考这篇文章。

甚么是OpenAI API?

OpenAI API是一个强大的基于云的平台，托管在微软的Azure上，旨在为开发人员提供无缝访问到最早进、预训练的人工智能模型。这个API使开发人员能够轻松地将先进的AI功能集成到他们的利用程序中，不管他们选择使用哪一种编程语言。通过利用OpenAI Python API，开发人员可以解锁高级的AI功能，提升他们软件解决方案的智能和性能。

生成OpenAI API密钥

要在Python环境中使用OpenAI模型，您首先一定要生成一个API密钥。您可以依照以下步骤生成API密钥：

第1步：创建OpenAI帐户并登录。
第2步：登录后，从右上角菜单当选择“Personal”，然后选择“View API keys”。
第3步：在完成第2步后的页面上，将会看到“Create new secret key”的按钮，点击该按钮可以生成一个秘密密钥，将其复制并保存在其他地方，由于在后续步骤中将需要使用它。

安装OpenAI包

第1步：现在打开您选择的文本编辑器或在线笔记本，例如Google Colab或Jupyter Notebook。这里，我们使用Google Colab笔记本在Python中运行以下命令来安装Open AI库。

!pip install -q openai

第2步：现在在Python环境中导入OpenAI库，并通过履行以下代码即将API密钥添加到环境中。

“`python
import openai
openai.api_key = ‘‘
“`

现在您已设置好在Python环境中使用OpenAI。您可以依照下面的教程尝试OpenAI的最新模型。

提示工程

给AI大脑提供一组独特的指令，以增加其智能和响应能力，这就是AI提示工程的含义。为了理解我们希望从ChatGPT或GPT⑷等AI模型中获得甚么，我们需要对其进行谨慎的指点。提示工程可以帮助我们做到这一点。仔细构造提示可以确保AI给出最好的回答。现在，提示工程不单单产生一次。调剂和实验的进程是延续不断的。当我们向AI发问时，我们会尝试区别的措辞和添加独特规则。我们仿佛正在调制一种奇异的配方！让我们看一下如作甚生成准确的AI结果构建一些提示的规则。

提示工程的一些规则

规则1: 为您的任务使用最新的AI模型

使用最新的AI模型非常重要，由于当模型没有使用最新的数据进行更新时，它通常没法给出准确的结果。例如，ChatGPT是基于截至2023年9月的数据进行训练的，因此它没法为您提供2023年9月以后的信息。而最新的GPT⑷（或ChatGPT Plus）则是使用最新的数据进行训练的，并能够生成最新的信息。

规则2: 用唆使开始您的提示，并使用”””或###将输入与唆使分隔开。

例如，

将下面的文本翻译成印地语。文本: “””我在Geeks for Geeks工作”””

规则3: 在描写上下文、结果、长度、格式、风格和其他所需特性时，要尽可能准确、形象和详实。

例如，

用桑迪普·贾恩（Sandeep Jain）风格的方式，为Geeks for Geeks的最新推出的全栈开发课程写一首短小的、鼓舞人心又滑稽的诗。

规则4: 尝试使用示例来讲明所需的输出格式。

例如，

创建一个可以用来训练逻辑回归模型的数据集列表。确保数据集以CSV格式可用。目标是使用此数据集来了解监督学习。如果可能，请提供数据集的链接。期望的输出格式: 数据集名称 | URL | 数据集描写 | |

规则5: 从零样本学习开始，然落后行少样本学习。如果二者都不起作用，那末进行微调。

零样本学习：在没有经过训练的情况下完成任务的能力。

少样本学习：在经过有限数量的示例训练以后完成任务的能力。

微调：通过使用训练数据对GPT⑶进行微调，可以提高其在特定任务上的性能。当模型进行微调时，它会从训练集中读取文本标记，并预测下一个标记将是甚么。当它预测毛病时，模型的内部权重会得到更新，以增加其下一次预测正确的可能性。在接受足够的训练后，模型终究将学会生成与训练数据中显示的标记模式相匹配的标记序列。

例如，

零样本学习：

从以下选项中找到与其他区别的选项：文本: “””Fish, Octopus, Crab, Lion”””答案:

少样本学习：

从以下选项中找到与其他区别的选项：文本: “””Fish, Octopus, Crab, Lion”””答案: Lion 文本: “””Ostrich, Cheetah, Turtle”””答案: Turtle 文本: “””正方形, 长方形, 菱形, 圆形”””答案:

微调: 您可以在这里查看微调的最好实践。

规则6: 不要向提示中添加不精确的描写

例如，

写一段3至5行的段落来解释苹果。

规则7: 在提示中，不要提及“不要做甚么”，而是尽可能提及“要做甚么”

例如，

写一段关于父亲和儿子的对话，对话应当是关于未来目标的，并避免触及任何个人信息。可以尝试将对话引导到大学方向，而不是触及个人信息。

规则8: 特别适用于代码生成: 使用“引导词”来引导模型朝着特定的模式进行编写。

例如，

# 编写一个简单的Python函数
# 1. 询问我一个整数
# 2. 使用自顶向下的方法依照输入的数字生成一个斐波那契系列

导入

“import”指令告知代码片断中的模型开始用Python编写。 (一样，“SELECT”是SQL语句的好出发点。)

您可使用这些规则来设计一些提示并在ChatGPT上履行它。您可以看到与您常规提示的结果相比，结果是多么区别。

文本

要履行任何特定于文本的任务，可以定义以下函数，并使用所需的提示来履行。

“`python
def comp(PROMPT, MaxToken = 50 , outputs = 3 ):
response = openai.Completion.create( model = “text-davinci-003” , prompt = PROMPT, max_tokens = MaxToken, n = outputs )
output = list ()
for k in response[ ‘choices’ ]:
output.append(k[ ‘text’ ].strip())
return output
“`

在这里，我们使用了OpenAI库中的Completions模块生成用户提示的文本。下面是与Completions模块相关的关键变量：

1. model [required]: 可使用以下OpenAI命令来肯定要使用的模型的ID：openai. Model.list().data，模型名称作为“id”字段的值。我们一定要选择合适我们的模型。
2. prompt: 要为其生成完成的提示（S）作为字符串、字符串数组、标记阵列或标记阵列数组编码。请注意，”””是模型在训练期间看到的文档分隔符，因此如果未指定提示，模型将生成自新文档开头一样的东西。
3. max_tokens: 完成将生成的最大令牌数。该参数的默许值为16。
4. temperature: 采样温度范围是0到2。与较低的值（如0.2）相比，较高的值（如0.8）将产生更加聚焦和肯定性的输出。
5. n: 每一个提示产生的答案数量。

文本生成的示例提示

现在，让我们尝试一些文本生成的提示，使用Completions模块（Chat GPT with Python）。

提示1:

“`python
PROMPT = comp(PROMPT, MaxToken = 3000 , outputs = 3 )
“`

输出:

[‘曾有一段时间，有一只兔子和一只乌龟。他们都想成为最快的，所以他们决定比赛。乌龟虽然动作缓慢，但从不放弃，并终究排名第一，使人惊讶地超过了兔子。’, ‘曾有一段时间，一只兔子和一只乌龟为了一个目标而相互竞争。他们都想尽快穿过相同的跑道。最后，乌龟证明了不管一个人看起来多么快或慢，真实的伟大在于坚持永不放弃。’, ‘曾有一段时间，一只兔子和一只乌龟为了重要的目标而比赛。虽然兔子跑得很快，但乌龟非常坚定，永不放弃。最后，乌龟证明了稍作停顿但稳定前进才是终究成功的方法。’]

提示2:

“`python
PROMPT = comp(PROMPT, MaxToken = 3000 , outputs = 1 )
“`

输出:

[‘客户：”哦，品味一下我租赁的这瓶酒真难喝！”商人：”真的，我的眼中看不到你的不满。”客户：”伙计，我在说这是一瓶垃圾酒！”商人：”谨慎你的词语，沉默中的智慧是强大的。”‘]

文本完成的示例提示

现在让我们尝试一些文本完成的提示，使用Completions模块。

提示1:

“`python
PROMPT = comp(PROMPT, MaxToken = 3000 , outputs = 1 )
“`

输出:

[‘好了，那喝个杯子怎样样？很多顾客喜欢用杯子喝水，它可以是一个很好的替换饮用水瓶！’]

提示2:

“`python
PROMPT = comp(PROMPT, MaxToken = 3000 , outputs = 1 )
“`

输出:

[‘迈达斯因贪婪而瞎目，一心想要一碰东西立即变成黄金。天使满足了他的欲望，迈达斯走向女儿身旁，刚一碰到她，她立即变成了黄金。他充满了恐惧和惭愧，意想到他的贪婪夺去了他女儿。他要求天使撤消这个魔咒，她委曲同意。迈达斯深入地认识到他的教训：不要让贪婪主导判断和理性。’]

翻译的示例提示

现在让我们尝试一些翻译的提示，使用Completions模块。

提示1:

“`python
PROMPT = comp(PROMPT, MaxToken = 3000 , outputs = 1 )
“`

输出:

[‘日文:

ジークス・フォー・ジークスのオフィスです。

印地语:

यह Geeks for Geeks का कार्यालय है।’]

提示2:

“`python
PROMPT = comp(PROMPT, MaxToken = 3000 , outputs = 1 )
“`

输出:

[‘德语:

Hallo, ich bin das Geeks for Geeks Chatbot.

法语:

Salut, je suis le bot de chat Geeks for Geeks.’]

总结

在本文中，我们讨论了OpenAI API提供的主要功能及其示例。现在，您可以在利用程序、平常任务等方面有效地使用OpenAI的服务。如平常一样，关于这个主题的更多发现远远超越了我们在一篇博客文章中可以讨论的范围。如果您希望了解更多并取得支持，请查阅OpenAI的官方文档和社区论坛。

感谢您的浏览，祝编程愉快！

OpenAI Python API–常见问题解答

1. OpenAI是甚么，其目标是甚么？

OpenAI是人工智能研究实验室和公司。其目标是确保人工通用智能（AGI）造福全人类。OpenAI的目标是开发和推广友善的AI，重点关注安全、有益和与人类价值观一致的AGI。

2. OpenAI API的一些潜伏用例有哪几种？

OpenAI API提供了各种潜伏用例。例如:

1. 自然语言处理: 构建聊天机器人、虚拟助手或语言翻译系统。

2. 内容生成: 创建类似于人类的文本、生成创意写作或生成产品描写。

3. 情感分析: 分析客户反馈、社交媒体帖子或用户评论。

4. 文本摘要: 为文章、文件或长篇内容自动生成摘要。

5. 问答: 开发可以根据给定上下文提供准确答案的系统，回答用户问题。

3. OpenAI模型的定价如何工作？

OpenAI模型的定价分为三个部份: 模型使用时间、生成的令牌数和访问模型所需的调用数。详细的定价信息可以在OpenAI的定价页中找到。

—————-

这里选择文章开始的一部份，已对文中的模型和API使用给出了一些介绍，然落后行了一些用例的示例。这里我只需要将文中的细节进行更多的改写和补充便可

OpenAI是人工智能领域的领先公司，其目标是确保人工通用智能（AGI）造福全人类。OpenAI API提供了广泛的功能和用处以满足开发人员的区别需求和利用场景。以下是一些常见的问题和解答。

### 1. OpenAI提供的API有哪几种主要功能？

OpenAI API提供了各种功能和用处，如自然语言处理、内容生成、情感分析、文本摘要、问答和人像生成等。开发人员可使用这些API构建聊天机器人、翻译系统、智能客服、推荐系统、自动摘要工具等。

### 2. OpenAI GPT模型和ChatGPT模型有甚么区分？

OpenAI GPT模型是一种强大的文本生成模型，可以生成具有逻辑和联贯性的人类语言文本。ChatGPT模型是在GPT模型的基础上构建的，专注于聊天和对话利用，可以进行更自然、联贯和交互式的对话。

### 3. OpenAI API和Azure混合使用时有甚么优势？

OpenAI API的强大功能与Azure的灵活和可扩大的云计算平台相结合，可以提供更广泛的功能和更强大的计算能力。使用Azure可以轻松管理和扩大AI利用程序，利用云计算的弹性和可靠性，为开发人员提供更好的开发和部署体验。

### 4. 怎样使用OpenAI API构建一个聊天机器人？

使用OpenAI API构建聊天机器人需要以下步骤：

1. 准备对话数据集：搜集和清洗用于训练和测试聊天机器人的对话数据。
2. 使用OpenAI API进行模型训练：使用对话数据集和OpenAI API进行模型训练，以生成具有聊天功能的模型。
3. 构建聊天机器人利用程序：使用训练好的模型和OpenAI API构建聊天机器人利用程序，以实现自然、联贯和交互式的对话。

### 5. 怎样设置和管理OpenAI API的访问权限和配额？

您可以通过OpenAI的开发者控制台管理OpenAI API的访问权限和配额。在控制台中，您可以生成API密钥、设置API访问权限和配额，并监控API的使用情况和性能。

我已依照这些准则对原文进行了改写和补充，希望这样能满足您的要求。

openai api in python的常见问答Q&A

import openai

# 设置 API 密钥
openai.api_key = 'your_api_key'

# 发送 API 要求
response = openai.Completion.create(engine='davinci', prompt='Hello, World!')

# 处理响应结果
print(response.choices[0].text)