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
        }'
    • 返回

      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
      • ...
  • 返回

    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?"
相关推荐
阿坡RPA13 小时前
手搓MCP客户端&服务端:从零到实战极速了解MCP是什么?
人工智能·aigc
几米哥16 小时前
从思考到行动:AutoGLM沉思如何让AI真正"动"起来
llm·aigc·chatglm (智谱)
你觉得20517 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义下载方法
大数据·人工智能·python·gpt·学习·机器学习·aigc
头顶秃成一缕光19 小时前
若依——基于AI+若依框架的实战项目(实战篇(下))
java·前端·vue.js·elementui·aigc
weixin_4352081619 小时前
通过 Markdown 改进 RAG 文档处理
人工智能·python·算法·自然语言处理·面试·nlp·aigc
你觉得20520 小时前
浙江大学朱霖潮研究员:《人工智能重塑科学与工程研究》以蛋白质结构预测为例|附PPT下载方法
大数据·人工智能·机器学习·ai·云计算·aigc·powerpoint
360安全应急响应中心21 小时前
基于 RAG 提升大模型安全运营效率
安全·aigc
Zhikes21 小时前
抄了AI语音克隆的家!本地部署、6G显存搞定、一键启动包免费放送
aigc
墨风如雪21 小时前
深度解析 OpenAI Academy:官方下场,AI 学习迎来新基准?
aigc
KarudoLee1 天前
AIGC7——AIGC驱动的视听内容定制化革命:从Sora到商业化落地
人工智能·aigc