粉丝服务

手把手教你使用 Python 调用 ChatGPT-3.5-API

大家好,我是老表

前天 OpenAI 开放了两个新模型的api接口,专门为聊天而生的 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,我们可以知道现在 chat.openai.com 官网就是由 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,这使得我们这些普通开发者也能直接在自己的应用/服务中使用这个狂揽亿万用户的模型。

接下来将和大家介绍如何利用 Python 快速玩转 gpt-3.5-turbo。

先跑起来,再理解

首先你需要有一个 openai 账号,如何注册我就不多说了,网上教程很多,而且很详细,如果有问题可以加我微信:pythonbrief,添加通过后请直接描述你的问题+问题截图。

访问下面页面,登录 openai 账号后,创建一个 api keys。

# api keys 创建页面
https://platform.openai.com/account/api-keys

接下来很简单了,安装 openai 官方的 Python SDK,这里需要注意的是得安装最新版本 openai,官方推荐的是 0.27.0 版本。

pip install openai==0.27.0

直接上请求代码:

import openai
import json

# 目前需要设置代理才可以访问 api
os.environ[\"HTTP_PROXY\"] = \"自己的代理地址\"
os.environ[\"HTTPS_PROXY\"] = \"自己的代理地址\"


def get_api_key():
    # 可以自己根据自己实际情况实现
    # 以我为例子,我是存在一个 openai_key 文件里,json 格式
    \'\'\'
    {\"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实现:提示手动输入3个不同的3位数区间,输入结束后计算这3个区间的交集,并输出结果区间\"
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 的方法,我是存在一个 openai_key 文件里,json 格式,你可以改成你自己的获取方法,甚至可以直接写到代码里(虽然不推荐,但确实最简单)。

  • q 是请求的问题

  • rsp 是发送请求后返回结果

  • openai.ChatCompletion.create 中参数


    • model 是使用的模型名称,是一个字符串,用最新模型直接设置成gpt-3.5-turbo 即可

    • messages 是请求的文本内容,是一个列表,列表里每个元素类型是字典,具体含义如下表:
  • 程序运行返回内容,从响应回复内容我们可以看到,回复内容是一个 json 字符串,我们可以通过以下方法直接获取相关信息:

    • 返回消息内容
rsp.get(\"choices\")[0][\"message\"][\"content\"]

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

    • 问题+回答总长度
rsp.get(\"usage\")[\"total_tokens\"]

其他信息也可以通过类似方法获取。

  • 测试 ChatGPT 回答代码运行情况,可以看出代码逻辑和运行都没啥问题,注释也到位。

实现多轮对话

如何实现多轮对话?

gpt-3.5-turbo 模型调用方法 openai.ChatCompletion.create 里传入的 message 是一个列表,列表里每个元素是字典,包含了角色和内容,我们只需将每轮对话都存储起来,然后每次提问都带上之前的问题和回答即可。

  • 效果图


    • 可以看到,我首先问了“1+1=几”,然后问“为什么是这样”,ChatGPT 会根据前面的提问将新问题识别为“为什么1+1=2”。

    • 后面继续问水仙花数有哪些,再问“如何写个python程序来识别这些数”,ChatGPT 同样会根据前面的提问将新问题识别为“如何写个python程序来识别这些水仙花数”,并给出对应解答。
  • 实现代码

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():
    # 可以自己根据自己实际情况实现
    # 以我为例子,我是存在一个 openai_key 文件里,json 格式
    \'\'\'
    {\"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实现:提示手动输入3个不同的3位数区间,输入结束后计算这3个区间的交集,并输出结果区间\"
        rsp = openai.ChatCompletion.create(
          model=\"gpt-3.5-turbo\",
          messages=self.messages
        )
        return rsp.get(\"choices\")[0][\"message\"][\"content\"]


    def writeTojson(self):
        try:
            # 判断文件是否存在
            if not os.path.exists(self.filename):
                with open(self.filename, \"w\") as f:
                    # 创建文件
                    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(\"请输入用户名称: \")
    chat = ChatGPT(user)
    
    # 循环
    while 1:
        # 限制对话次数
        if len(chat.messages) >= 11:
            print(\"******************************\")
            print(\"*********强制重置对话**********\")
            print(\"******************************\")
            # 写入之前信息
            chat.writeTojson()
            user = input(\"请输入用户名称: \")
            chat = ChatGPT(user)
            
        # 提问
        q = input(f\"【{chat.user}】\")
        
        # 逻辑判断
        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(\"请输入用户名称: \")
            chat = ChatGPT(user)
            continue
            
        # 提问-回答-记录
        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,包含三个函数:


    • __init__初始化函数,初始化了三个个实例变量,user、messages、filename(当前用户、消息列表、存储记录的文件路径)。

    • ask_gpt函数,将当前用户所有历史消息+最新提问发送给 gpt-3.5-turbo ,并返回响应结果。

    • writeTojson函数,结束/重置用户时记录当前用户之前的访问数据。
  • 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前用户之前访问数据记录搭配 json 文件中。

  • 由于 gpt-3.5-turbo 单次请求最大 token 数为:4096,所以代码里限制了下对话次数。

更多拓展

  • 你可以写个函数,从 json 文件读取历史用户访问记录,然后每次访问可以选用户。
  • 你可以写个 web 服务,使用 session 或者数据库支持多用户同时登录,同时访问。
  • 你可以基于之前分享的钉钉机器人项目,将 gpt-3.5-turbo 接入钉钉机器人。

你还可以上 Github 搜索更多 ChatGPT 相关项目,或者其他有意思的项目学习练手,欢迎学习交流。

我创建了个 ChatGPT 应用交流群,如果你感兴趣可以扫下方二维码添加我微信申请加入(备注申请原因)。


扫码即可加我微信


本栏目精选

热门推荐

频道导航