AIGC: 关于ChatGPT中的核心API调用示例

Open AI 的 api 调用示例

API的调用的文档：https://platform.openai.com/docs/api-reference/introduction
ChatGPT官方提供了 Python版的包和 Nodejs版的包
- $pip install openai
- $npm install openai
我们使用 python3.8版本来安装: $sudo python3.8 -m pip install openai
大家可以在自己的python环境里面呢进行一下安装
官方python版的 OpenAI 模块，除了最基础的对于Chat的API的调用，还封装了很多其他模型，其他场景的一些使用方法
我们直接通过python版的 OpenAI 去调用是比较简单的，是比较容易看到效果的
- 因为python版它有很多比较成熟的一些库和第三方的一些模块
- java版的client和其他第三方组件的集成是比较困难的
- 在机器学习领域，python，它整体的生态还是比较好的
对于 Open AI, 它的API是需要API Key去进行认证的

1 ）通过 curl 命令来访问

最简单的一个 api 调用示例
- 通过去访问models这个接口去列出 open ai 目前所支持的所有的模型
  shell 复制代码
```
curl -x http://127.0.0.1:7890 https://api.openai.com/v1/models \
  -H "Authorization: Bearer $OPENAI_API_KEY$"
```
- 上面 -x http://127.0.0.1:7890 是配置的代理(替换使用自己配置的代理即可)，国内没法直接访问 open ai 的接口
- $OPENAI_API_KEY$ 替换成自己的 API_KEY
回车执行 curl 命令，即可正确响应

2 ）通过 python 程序处理

python 复制代码

import os
import openai

openai.proxy = "http://127.0.0.1:7890"
openai.api_key = "此处填入您的 api_key"
openai.Model.list()

此处我们在控制台可看到，返回的结果获取到了openi所提供的相关的这些模型
- 如果没有成功的去获取到返回的结果
- 那么，可能就需要看一下是否是 api_key 有问题还是你的网络有问题

Open AI 聊天接口的调用

文档第三项: Making requests 菜单

https://platform.openai.com/docs/api-reference/making-requests

shell 复制代码

curl https://api.openai.com/v1/chat/completions \
  -H "Content-Type: application/json"
  -H "Authorization: Bearer $OPENAI_API_KEY$" \
  -d '{
    "model": "gpt-3.5-turbo",
    "messages": [{"role": "user", "content": "Say this is a test!"}],
    "temperature": 0.7
  }'

json 复制代码

 {
    "id": "chatcmpl-abc123",
    "object": "chat.completion",
    "created": 1677858242,
    "model": "gpt-3.5-turbo-0301",
    ... // 此处省略后续
  }
 ```

核心的 chat 接口，菜单第五项, Chat
- https://platform.openai.com/docs/api-reference/chat/create
- 我们看一下这个接口: https://api.openai.com/v1/chat/completions
- body
  - model [Required]
  - messages [Required]
    - role [Required]
    - content [Required]
    - name [Optional]
    - function_call [Optional]
  - functions [Optional]
    - name [Required]
    - description [Optional]
    - parameters [Required]
  - temperature [Optional] 较高的温度值让输出更加随机，较低的温度值会使输出更稳定
  - top_p [Optional] 控制输出的随机性
  - n [Optional] 返回几个结果，默认是1个结果
  - stream [Optional] 交互是否是流式的，默认是 false
  - stop [Optional] 停用词
  - max_tokens 所允许的最大的token的数量, 这里是设置的是模型生成的最大的输入长度，可以控制模型生成文本的长度
  - presence_penalty 存在惩罚，决定模型是否偏好新词语的参数，设置较高值会让模型倾向于生成新出现的词而不是重复已有的词
  - frequency_penalty 频率惩罚，决定模型是否偏好常见词语的参数，设置较高值会让模型倾向于生成不常见的词语
  - ...

json 复制代码

{
  "id": "chatcmpl-123",
  "object": "chat.completion",
  "created": 1677652288,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "\n\nHello there, how many I ..."
      },
      "finish_reason": "stop"
    }
  ],
  // 用于计算本次会话 tokens 的数量
  "usage": {
    "prompt_tokens": 9,
    "completion_tokens": 12,
    "total_tokens": 21
  }
}

可以通过open ai所提供的方法去对我们的 Prompt 去进行拆分，拆分成tokens
可以通过官方提供的方法去计算tokens的数量

使用python程序测试下

py 复制代码

import os
import openai

openai.proxy="http://127.0.0.1:7890"
openai.api_key = '您的api_key'

pcomletion = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Hello!"},
  ]
)

print(completion.choices[0].message)

输出

py 复制代码

"role": "assistant",
"content": "Hello! How can I assist you today?"