前言
今天突然突发奇想，就想要用java来调用chatget的接口，实现自己的聊天机器人，但是网上找文章，属实是少的可怜(可能是不让发吧)。找到了一些文章，但是基本都是通过调用别人的库来完成的，导入其他的jar还有不低的学习成本，于是就自己使用HttpClient5写了一个，在这里讲解一下思路。
导包
对于http调用，我使用的是比较流行的httpclient5，然后直接创建了一个springboot项目，方便以后对外提供接口。
spring-boot-starter-parent org.springframework.boot 2.5.3 org.springframework.boot spring-boot-starter-web org.springframework.boot spring-boot-starter-test org.projectlombok lombok org.apache.httpcomponents.client5 httpclient5 5.2.1
基本说明
在编写代码之前，这个先给出HttpClient的Api文档 api文档
我们在编写代码之前需要了解官方提供的接口如何进行访问以及返回的结果是什么
请求参数
官方文档地址为文档，请求参数必须填写的内容如下
{
"model": "gpt-3.5-turbo",
"messages": [{"role": "user", "content": "Hello!"}]
}
一个是model，一个是messages。model根据自己的情况来选择，聊天的话就是gpt-3.5-turbo，下面的messages里面包含n个对象，每个对象有role和content，role表示角色，content表示内容。
下面为官方文档中的解释
简单理解就是我们要问问题，role就是user。如果要实现连续对话，那么就将返回的返回内容设置到messages中，role设置为返回的role。
响应参数
下面直接给出响应的内容
{
'id': 'chatcmpl-6p9XYPYSTTRi0xEviKjjilqrWU2Ve',
'object': 'chat.completion',
'created': 1677649420,
'model': 'gpt-3.5-turbo',
'usage': {'prompt_tokens': 56, 'completion_tokens': 31, 'total_tokens': 87},
'choices': [
{
'message': {
'role': 'assistant',
'content': 'The 2020 World Series was played in Arlington, Texas at the Globe Life Field, which was the new home stadium for the Texas Rangers.'},
'finish_reason': 'stop',
'index': 0
}
]
}
我们问问题的答案就在choices.message下的content中，而role就代表了chatGpt扮演的角色。看到这我们就应该知道该干嘛了吧肯定是创建对应的VO类啊。
创建请求和响应的VO类
下面5个类就对应了我们发送和接收的各种信息
ChatGptMessage类
@Data
@NoArgsConstructor
@AllArgsConstructor
public class ChatGptMessage {
String role;
String content;
}
ChatGptRequestParameter 类
@Data
@NoArgsConstructor
@AllArgsConstructor
public class ChatGptRequestParameter {
String model = "gpt-3.5-turbo";
List messages = new ArrayList<>();
public void addMessages(ChatGptMessage message) {
this.messages.add(message);
}
}
ChatGptResponseParameter 类
@Data
@NoArgsConstructor
@AllArgsConstructor
public class ChatGptResponseParameter {
String id;
String object;
String created;
String model;
Usage usage;
List choices;
}
Choices 类
@Data
@NoArgsConstructor
@AllArgsConstructor
public class Choices {
ChatGptMessage message;
String finish_reason;
Integer index;
}
Usage 类
@Data
@NoArgsConstructor
@AllArgsConstructor
public class Usage {
String prompt_tokens;
String completion_tokens;
String total_tokens;
}
代码编写
不说废话，首先创建一个CustomChatGpt类
public class CustomChatGpt {
}
然后定义一些成员属性
/**
* 自己chatGpt的ApiKey
*/
private String apiKey;
/**
* 使用的模型
*/
private String model = "gpt-3.5-turbo-0301";
/**
* 对应的请求接口
*/
private String url = "https://api.openai.com/v1/chat/completions";
/**
* 默认编码
*/
private Charset charset = StandardCharsets.UTF_8;
/**
* 创建一个ChatGptRequestParameter，用于携带请求参数
*/
private ChatGptRequestParameter chatGptRequestParameter = new ChatGptRequestParameter();
提供一个ApiKey的构造器，创建该对象必须要传入ApiKey
public CustomChatGpt(String apiKey) {
this.apiKey = apiKey;
}
定义一个响应超时时间
/**
* 响应超时时间，毫秒
*/
private int responseTimeout = 10000;
public void setResponseTimeout(int responseTimeout) {
this.responseTimeout = responseTimeout;
}
编写一个getAnswer方法，要求传入一个CloseableHttpClient和一个问题
public String getAnswer(CloseableHttpClient client, String question) {
}
继续实现方法，下面会完成一些参数的创建和设置
// 创建一个HttpPost
HttpPost httpPost = new HttpPost(url);
// 创建一个ObjectMapper，用于解析和创建json
ObjectMapper objectMapper = new ObjectMapper();
// 设置请求参数
chatGptRequestParameter.addMessages(new ChatGptMessage("user", question));
HttpEntity httpEntity = null;
try {
// 对象转换为json字符串
httpEntity = new StringEntity(objectMapper.writeValueAsString(chatGptRequestParameter), charset);
} catch (JsonProcessingException e) {
System.out.println(question + "->json转换异常");
return null;
}
httpPost.setEntity(httpEntity);
下面会完成一些配置的设置
// 设置请求头
httpPost.setHeader(HttpHeaders.CONTENT_TYPE, "application/json");
// 设置登录凭证
httpPost.setHeader(HttpHeaders.AUTHORIZATION, "Bearer " + apiKey);
// 用于设置超时时间
RequestConfig config = RequestConfig
.custom()
.setResponseTimeout(responseTimeout, TimeUnit.MILLISECONDS)
.build();
httpPost.setConfig(config);
下面代码会提交请求，解析响应，最后返回对应问题的答案
try {
// 提交请求
return client.execute(httpPost, response -> {
// 得到返回的内容
String resStr = EntityUtils.toString(response.getEntity(), charset);
// 转换为对象
ChatGptResponseParameter responseParameter = objectMapper.readValue(resStr, ChatGptResponseParameter.class);
String ans = "";
// 遍历所有的Choices（一般都只有一个）
for (Choices choice : responseParameter.getChoices()) {
ChatGptMessage message = choice.getMessage();
chatGptRequestParameter.addMessages(new ChatGptMessage(message.getRole(), message.getContent()));
String s = message.getContent().replaceAll("\n+", "\n");
ans += s;
}
// 返回信息
return ans;
});
} catch (IOException e) {
e.printStackTrace();
}
// 发生异常，移除刚刚添加的ChatGptMessage
chatGptRequestParameter.getMessages().remove(chatGptRequestParameter.getMessages().size()-1);
return "您当前的网络无法访问";
下面给出这个类的完整代码
import com.fasterxml.jackson.core.JsonProcessingException;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.ttpfx.vo.ChatGptMessage;
import com.ttpfx.vo.ChatGptRequestParameter;
import com.ttpfx.vo.ChatGptResponseParameter;
import com.ttpfx.vo.Choices;
import org.apache.hc.client5.http.classic.methods.HttpPost;
import org.apache.hc.client5.http.config.RequestConfig;
import org.apache.hc.client5.http.impl.classic.CloseableHttpClient;
import org.apache.hc.core5.http.HttpEntity;
import org.apache.hc.core5.http.HttpHeaders;
import org.apache.hc.core5.http.io.entity.EntityUtils;
import org.apache.hc.core5.http.io.entity.StringEntity;
import java.io.IOException;
import java.nio.charset.Charset;
import java.nio.charset.StandardCharsets;
import java.util.concurrent.TimeUnit;
/**
* @author ttpfx
* @date 2023/3/23
*/
public class CustomChatGpt {
/**
* 自己chatGpt的ApiKey
*/
private String apiKey;
/**
* 使用的模型
*/
private String model = "gpt-3.5-turbo-0301";
/**
* 对应的请求接口
*/
private String url = "https://api.openai.com/v1/chat/completions";
/**
* 默认编码
*/
private Charset charset = StandardCharsets.UTF_8;
/**
* 创建一个ChatGptRequestParameter，用于携带请求参数
*/
private ChatGptRequestParameter chatGptRequestParameter = new ChatGptRequestParameter();
/**
* 相应超时时间，毫秒
*/
private int responseTimeout = 1000;
public void setResponseTimeout(int responseTimeout) {
this.responseTimeout = responseTimeout;
}
public CustomChatGpt(String apiKey) {
this.apiKey = apiKey;
}
public String getAnswer(CloseableHttpClient client, String question) {
// 创建一个HttpPost
HttpPost httpPost = new HttpPost(url);
// 创建一个ObjectMapper，用于解析和创建json
ObjectMapper objectMapper = new ObjectMapper();
// 设置请求参数
chatGptRequestParameter.addMessages(new ChatGptMessage("user", question));
HttpEntity httpEntity = null;
try {
// 对象转换为json字符串
httpEntity = new StringEntity(objectMapper.writeValueAsString(chatGptRequestParameter), charset);
} catch (JsonProcessingException e) {
System.out.println(question + "->json转换异常");
return null;
}
httpPost.setEntity(httpEntity);
// 设置请求头
httpPost.setHeader(HttpHeaders.CONTENT_TYPE, "application/json");
// 设置登录凭证
httpPost.setHeader(HttpHeaders.AUTHORIZATION, "Bearer " + apiKey);
// 用于设置超时时间
RequestConfig config = RequestConfig
.custom()
.setResponseTimeout(responseTimeout, TimeUnit.MILLISECONDS)
.build();
httpPost.setConfig(config);
try {
// 提交请求
return client.execute(httpPost, response -> {
// 得到返回的内容
String resStr = EntityUtils.toString(response.getEntity(), charset);
// 转换为对象
ChatGptResponseParameter responseParameter = objectMapper.readValue(resStr, ChatGptResponseParameter.class);
String ans = "";
// 遍历所有的Choices（一般都只有一个）
for (Choices choice : responseParameter.getChoices()) {
ChatGptMessage message = choice.getMessage();
chatGptRequestParameter.addMessages(new ChatGptMessage(message.getRole(), message.getContent()));
String s = message.getContent().replaceAll("\n+", "\n");
ans += s;
}
// 返回信息
return ans;
});
} catch (IOException e) {
e.printStackTrace();
}
// 发生异常，移除刚刚添加的ChatGptMessage
chatGptRequestParameter.getMessages().remove(chatGptRequestParameter.getMessages().size()-1);
return "您当前的网络无法访问";
}
}
使用
下面就是测试代码，我们只需要传入一个CloseableHttpClient 和 question 即可
public class Test {
public static void main(String[] args) throws IOException {
CloseableHttpClient httpClient = HttpClients.createDefault();
String apiKey = "自己的ApiKey";
CustomChatGpt customChatGpt = new CustomChatGpt(apiKey);
// 根据自己的网络设置吧
customChatGpt.setResponseTimeout(20000);
while (true) {
System.out.print("\n请输入问题(q退出)：");
String question = new Scanner(System.in).nextLine();
if ("q".equals(question)) break;
long start = System.currentTimeMillis();
String answer = customChatGpt.getAnswer(httpClient, question);
long end = System.currentTimeMillis();
System.out.println("该回答花费时间为：" + (end - start) / 1000.0 + "秒");
System.out.println(answer);
}
httpClient.close();
}
}
最后说明
对于ApiKey，只能说难者不会，会者不难，这个没办法教。
如果代码无法运行，或者运行速度及其缓慢，请使用代理，在HttpClient里面可以很轻松的使用代理
String proxyIp = "127.0.0.1";
int proxyPort = 7890;
HttpHost httpHost = new HttpHost(proxyIp, proxyPort);
上面就是一个示例，对于代理，这里也就无法继续进行说明了。
如果我们完成了上面的功能，是不是就能够对外提供接口，然后写一个自己的网页端的ChatGpt或者弄一个聊天机器人呢？当然没问题啊
到此这篇关于ava调用chatgpt接口来实现专属于自己的人工智能助手的文章就介绍到这了,更多相关java调用chatgpt实现人工智能助手内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！