chatGPT API调用指南，GPT3.5 turbo API，上下文携带技巧，python函数封装

概要

chatGPT是openAI的一款语言类人工智能聊天产品，除了在官网直接使用外，我们还可以通过发起http请求调用官方的gpt3.5turbo API来构建自己的应用产品。
内容概述：
1本篇博客使用python语言演示了如何简单调用chatGPT接口
2简单描述了chatGPT接口可选的一共12个参数
3从实践案例角度对于API进行函数式封装

gpt-3.5-turbo官方文档

https://platform.openai.com/docs/introduction/overview
官方文档链接点击跳转
英文好、有时间可以直接研究官方文档。

简单例子

首先需要安装python包openai

pip install openai

pip list查看版本号：openai 0.27.2
下面的例子向openai的chatgpt API发送消息“你好”，然后输出应答。

图一：获取api_key

import os
import openai
openai_api_key = os.getenv("openai_api_key")
openai.api_key=openai_api_key
def example1():
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[
            {"role": "user", "content": "你好"}
        ]
    )
    print(response.get("choices")[0]["message"]["content"])
if __name__ == '__main__':
    example1()

openai.ChatCompletion.create中填写了两个必要参数，模型名、消息。
openai_api_key需要在API官网获取，链接在上面已经贴过了。 然后设置为环境变量，或者直接粘贴字符串在这里也可以。

详细参数示例

def example2():
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[
            {"role": "user", "content": "你好"}
        ],
        temperature=1.5, # 0-2之间，越大越随机，越小越确定
        top_p=1, #随机取前多少概率的token，0.1意味着取前10%，越小越确定。top_p temperature两个参数推荐只使用一个
        n=2,#生成几个回答，默认是1个，我这里让它生成2个
        stream=False,#是否流式获得结果，流式就是chatgpt官网那种，结果是一点一点蹦出来的，用于长句子先得到部分结果
        stop="我",#停止词，生成出来“我”就停止生成
        max_tokens=100,#最多生成的token数量
        presence_penalty=0,#(-2.0,2.0) 越大模型就趋向于生成更新的话题，惩罚已经出现过的文本
        frequency_penalty=0,#(-2.0,2.0) 惩罚出现频率高的文本
        #logit_bias=None,#设置token的先验偏置
        user="会写代码的孙悟空"#一个表示您的终端用户的唯一标识符，可帮助OpenAI监控和检测滥用行为
    )
    print(response)
    print(response.get("choices")[0]["message"]["content"])
    print(response.get("choices")[1]["message"]["content"])

output:
你好！
你好！有什么

temperature参数示意图

图：temperature参数改变概率分布,左较小temperature,右较大temperature
top_p=1 就是以图中的概率分布取样本，注意低柱子只是取到的概率小
top_p=0.2 取前20%的样本，就只有高柱子这一种情况了
top_p=0.4 取前40%的样本，从第一高与第二高中取。

API封装

说明：从实践案例角度对于API进行函数式封装，方便开发。
response是python字典格式：

{
 '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
   }
  ]
}

字段很多，只使用最关键的content，也就是回复文本内容。

一次对话API封装

一问一答，无上下文

def chat_once(prompt):
    try:
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=[
                {"role": "user", "content": prompt}
            ]
        )
        return response.get("choices")[0]["message"]["content"]
    except:
        return ""
def test_chat_once():
    res=chat_once("你好")
    print(res)
if __name__ == '__main__':
    test_chat_once()

一次对话+角色扮演

def chat_once_with_sb(prompt,sb): #sb:some body 不是骂人
    try:
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=[
                {"role": "system", "content": sb},
                {"role": "user", "content": prompt}
            ]
        )
        return response.get("choices")[0]["message"]["content"]
    except:
        return ""
def test_chat_once_with_sb():
    prompt="请问你擅长什么？"
    sb="医生"
    res=chat_once_with_sb(prompt,sb)
    print(res)
if __name__ == '__main__':
    test_chat_once_with_sb()

output：

作为一个 AI 医生，我可以提供广泛的医疗领域的知识和帮助。我可以帮你获取医疗信息、提供急救指导并回答健康问题。 但是，我不能进行具体治疗和诊断，如果您有任何身体不适或医务问题，建议立即咨询专业医生或上医院检查。

连续对话保存所有上下文

class ChatGPT:
    def __init__(self,sb="You are a helpful assistant."):
        self.sb=sb
        self.messages=[
            {"role":"system","content":sb}
        ]
    def send(self,prompt):
        try:
            self.messages.append({"role":"user","content":prompt})
            response=openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=self.messages
            )
            response_txt=response.get("choices")[0]["message"]["content"]
            self.messages.append({"role": "assistant", "content": response_txt})
            return response_txt
        except:
            return ""
def test_ChatGPT():
    chatgpt=ChatGPT()
    while True:
        text=input()
        if(text==""):break
        res=chatgpt.send(text)
        print(res)
if __name__ == '__main__':
    test_ChatGPT()

output：