openai chatgpt api python的进一步展开说明

怎么将ChatGPT集成到Python利用程序中

在技术领域并且在社交媒体上活跃的人都应当听说过ChatGPT，这是由OpenAI开发的一种流行的语言模型，可以进行流利的对话，常常很难与人辨别。OpenAI提供了一个交互式网站，您可以在https://chat.openai.com上与ChatGPT进行对话，但它也提供了一个API，允许开发者将其集成到他们的利用程序中。在本教程中，您将学习怎样使用Python利用程序集成ChatGPT。

教程要求
要依照本教程进行操作，您需要以下物品：
1. Python 3.7或更新版本。如果您的操作系统没有提供Python解释器，可以转到python.org下载安装程序。
2. 一个OpenAI API密钥。在这里要求访问权限。

创建Python虚拟环境
依照Python最好实践，作为创建聊天机器人的第一步，您将为项目创建一个单独的目录，并在其中创建一个虚拟环境。然后，您将安装聊天机器人所需的Python包。如果您使用的是Unix或macOS系统，请打开终端并输入以下命令履行上述任务：

mkdir python-chatgpt
cd python-chatgpt
python3 -m venv venv
source venv/bin/activate
pip install openai python-dotenv

如果您正在Windows上进行教程，请在命令提示窗口中输入以下命令：

md python-chatgpt
cd python-chatgpt
python -m venv venv
venvScriptsctivate
pip install openai python-dotenv

上述的最后一个命令使用的是pip，即Python包安装程序，用于安装本项目中要使用的两个包，即：
1. OpenAI的Python客户端库，用于向OpenAI ChatGPT引擎发送要求。
2. python-dotenv包，用于读取配置文件。

配置
如上所述，该项目需要一个来自OpenAI的API密钥。Python利用程序需要访问此密钥，因此您将创建一个.env文件并将其存储在其中。然后，利用程序将从该文件中导入它作为环境变量。在项目目录中创建一个名为.env的文件（注意前面的点），并将以下配置粘贴到其中，将your-openai-api-key-here替换为您的API密钥：

OPENAI_KEY=your-openai-api-key-here

在下一节中，您将学习怎样使用此文件。

如果您计划将项目纳入源代码控制，请确保将此文件排除在外，由于您不希望意外分享OpenAI密钥。

在Python中使用ChatGPT
在本节中，您将创建与ChatGPT引擎配合使用的支持代码。代码将存储在一个名为chatgpt.py的文件中。下面是这个文件的内容：

import os
from dotenv import load_dotenv
import openai

load_dotenv()
openai.api_key = os.environ.get(‘OPENAI_KEY’)
completion = openai.ChatCompletion()

def askgpt(question, chat_log=None):
if chat_log is None:
chat_log = [{
‘role’: ‘system’,
‘content’: ‘You are a helpful, upbeat and funny assistant.’,
}]
chat_log.append({‘role’: ‘user’, ‘content’: question})
response = completion.create(model=’gpt⑶.5-turbo’, messages=chat_log)
answer = response.choices[0][‘message’][‘content’]
chat_log.append({‘role’: ‘assistant’, ‘content’: answer})
return answer, chat_log

load_dotenv()函数将存储在.env文件中的数据导入为环境变量，这样可以读取您之前在此文件中存储的OpenAI密钥。请注意，OPENAI_KEY变量在接下来的一行中用于使用该密钥初始化OpenAI。completion变量保存与ChatGPT引擎连接的实际客户端。这是将与OpenAI服务进行交互的对象。askgpt()函数是产生所有魔法的地方。该函数以用户的问题或提示作为第一个参数，后跟一个可选的聊天记录。如果未提供聊天记录，则函数将使用一个元素进行初始化。聊天记录包括用户和ChatGPT之间的所有交换。当开始对话时，聊天记录仅初始化为一个条目，其目的是准备聊天引擎并为其设置基调。聊天记录中的每一个消息都被分配了一个角色。可用的三个角色是：
– 系统（system）：仅在第一个提示中使用，以向聊天引擎提供一些关于其个性和如何回应和与用户交互的指点。
– 用户（user）：用户输入的问题或提示。
– 助手（assistant）：ChatGPT引擎为先前问题返回的响应。
可以更改初始系统消息以创建区别风格的聊天机器人。我鼓励您尝试区别的系统提示，看看响应如何相应更改。该函数将用户的问题附加到chat_log列表中，并将其命名为用户角色，然后将该列表发送到completion.create()函数，该函数将返回聊天引擎的响应。与聊天记录一起传递的model参数用于指定要使用的语言模型。gpt⑶.5-turbo模型在我撰写本文时与ChatGPT配合使用，但确保检查ChatGPT API文档，由于此模型可能已在您浏览本文时被更高版本的模型取代。ChatGPT的响应是一个具有choices属性的对象，它是可能响应的列表。此列表始终带有单个响应。响应中的message元素具有内容部份中答案的文本。在函数结束之前，从响应对象中提取ChaptGPT返回的文本，并使用助手角色将其添加到聊天记录中。然后返回响应和更新后的聊天记录。

开始一个Python shell来测试askgpt()函数：

>>> from chatgpt import askgpt
>>> answer, log = askgpt(‘Why did the chicken cross the road?’)
>>> print(answer)
To get to the other side! Classic joke, but it still makes me chuckle every time. Do you have a favorite joke?
>>> answer, log = askgpt(‘Knock, knock.’, log)
>>> print(answer)
Who’s there?
>>> answer, log = askgpt(‘Goat.’, log)
>>> print(answer)
Goat who?
>>> answer, log = askgpt(‘Goat to the door and find out!’, log)
>>> print(answer)
Haha, that’s a good one! You got me with that punchline. Do you know any more knock-knock jokes?

太棒了，对吧？请注意，通过从第二个问题开始传递聊天记录，引擎知道了讨论的上下文，并能够在多个消息中保持对话的线索，就像人类一样。

请注意，ChatGPT有时可能很忙，您可能会收到毛病响应。在这类情况下，请等一段时间并重试。

结论
这是一个很好的小项目，不是吗？现在轮到您发挥创造力，将我上面展现的askgpt()函数整合到您的Python项目中。我很想看看您怎样使用Python和ChatGPT构建项目！Miguel Grinberg是Twilio的技术内容负责人。如果您有任何很酷的项目想在此博客上分享，可以通过[email protected]与他联系！

openai chatgpt api python的常见问答Q&A