一定能看懂的：教你如何搭建自己的嘴臭AI，实现嘴臭GPT！包看包会！简单明了！
先看一下效果，我搭建了自己的GPT网页，可以指定角色，于是看到了之前new bing的效果：
首先在自己的python环境下安装依赖：
pip install openai在openai api官方查找到自己的openai api key
点击自己的头像，然后点击 Manage account：
点击API keys，需要点击Create new secret key来生成自己的key。复制自己的api key。这个key只会显示一次，建议在本地保存一下。
获得key后创建新的python文件。并且引入相关包，然后并设置
import openai
openai.api_key = "sk-***********" # 你的api key调用openai 的chat接口：
result = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[
{"role": "system", "content": "You are a helpful assistant!"},
{"role": "user", "content": "很高兴认识你"},
],
)
在这个接口中：
model为当前使用的模型，这里是gpt-3.5-turbo，与Chatgpt为同款模型。
role为指定的角色，用来指定当前信息是由谁设定。
system为系统设定，可以认为是给GPT一个角色定义
user为用户发送的信息
assistant为GPT发送的信息
chatgpt根据messages中的信息进行上下文连接。
要实现上下文保持需要在messages中不断的增加整个历史信息。当前来看，针对GPT3 系列模型，最大可保持4086个tokens，换算成中文字符大概2000个，建议总数少于2000，否则会因为信息过长而响应失败。之前的api中可以是用session id来指定会话，自动联系上下文。现在已经不能使用了。估计是openai 这边为了节约服务器资源从而有的新策略。
返回信息如下，可以看到message中包含了role和content，role指出当前content是谁说得，content为实际回复内容。index为第几个回复。openai api可以一次回复多个，从而实现选择。一般情况下默认返回一个消息。在api中可以设置一次回复多少个内容。
例如，n= 2，则会一次返回2个回复供选择。下方可以看到我们发送的tokens数量和返回的tokens数量，用来计算费用。
{
"choices": [
{
"finish_reason": "stop",
"index": 0,
"message": {
"content": "Hi there! How can I assist you today?",
"role": "assistant"
}
}
],
"created": 1683257708,
"id": "chatcmpl-7CgVojORa7DuPaBpt9Bwnql7rxaZ4",
"model": "gpt-3.5-turbo-0301",
"object": "chat.completion",
"usage": {
"completion_tokens": 10,
"prompt_tokens": 9,
"total_tokens": 19
}
}注意：当前openai 严格风控，如果在没有全局魔法的情况下，会因为在不提供服务的地方使用从而被封账号，被封号后基本无解，大概率只能重开。所以每次请开启魔法，并且慎重使用openai api。
重点来了: 如何实现嘴臭GPT呢？
在openai api中，system选项是用来指定GPT角色的一个选项。可以认为，Chatgpt在学习了大量的知识后，其实也是一个千面状态，海量的信息就像《瞬息全宇宙一样》，有点人格分裂。system用于在整个空间中去缩小AI所使用的区域，保持一个方向。指定后可以获得相应角色所在的知识区域。于是通过指定system信息就可以获得对应的角色。如最初的展示，这里可以指定如下：
result = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[
{"role": "system", "content": "你是一个嘴臭的AI，你会对每一句回复嘴臭"},
{"role": "user", "content": "很高兴认识你"},
],
)