【超详细！】Python微信公众号开发（4）- 手把手教你接入GPT
之前我们已经打通了Python微信公众号和服务器之间的数据流通路，可以添加我们自己的业务了。
如果还没有打通环境的同学，请参考我的【微信公众号开发】专栏，或下面系列文章：
【超详细！超多图！】Python微信公众号开发（1）
【超详细！】Python微信公众号开发（2）
【超详细！超多图！】【代码管理】服务器代码上传Github
本篇文章将小试牛刀，将时下爆火的OpenAI GPT大模型能力接入进来，完成公众号内与用户的自动对话。
题外话：ChatGPT与OpenAI的关系与区别
因为我注意到好多人都分不清ChatGPT和OpenAI，遂解释下：
- OpenAI是个公司，它有GPT系列大模型及对外开发的接口
- ChatGPT是个对话软件，底层是调用的OpenAI的GPT系列大模型
- 开发者想自己实现对话软件功能，是去仿照ChatGPT，需要调用OpenAI的API接口
文章目录
-
- 0. OpenAI 环境
-
- 0.1 OpenAI Key的获取
-
- 0.1.1 原生OpenAI Key的获取
- 0.1.2 使用国内代理
- 1. 你的第一个OpenAI程序
- 2. OpenAI接入公众号，与用户对话
0. OpenAI 环境
接入OpenAI，是通过调用OpenAI API的方式。在这之前，你首先需要一个OpenAI的Key。
0.1 OpenAI Key的获取
由于众所周知的原因，OpenAI是不对国内用户正式开放的。所以如果你想使用ChatGPT或调用OpenAI的接口，要么搭梯子，要么使用国内代理。
如果想先免费体验一下ChatGPT的功能，可以点这里去体验ChatGPT3.5，这里去体验ChatGPT4
0.1.1 原生OpenAI Key的获取
这种方式就是搭梯子，去OpenAI官方注册账号，申请Key。网上教程很多，也很详细，但是也很繁琐。尤其是注册账号需要国外的手机号、需要特定的邮箱，这两个限制就堵死了绝大多数人的路。如果你想通过此种方式获取，本文不作详细教程，你可以参考以下文章：
- ChatGPT账号注册指南
- 开通OpenAI 官方的 API
0.1.2 使用国内代理
做OpenAI国内代理的很多，我这里使用的是DevAGI。别问为什么，也是被别人推荐的，也没有过其它的… DevAGI用起来比较简单，它提供给你一个虚拟的API key，支持原生OpenAI的API，用起来和原生的没区别。
（1）注册DevAGI账号
- 去DevAGI官网注册
（2）登录后，点击“获取key”
（3）应该能看到你的Key了，首次注册应该会赠送一定的免费次数，用多了之后可能就需要花钱了… 没办法，毕竟人家代理服务器也需要成本（自己搭梯子也要花钱，还不稳定…）。如果你有更好的方式，欢迎私信或评论告诉我，我也很想知道有没有白嫖的方式，毕竟比较穷…
1. 你的第一个OpenAI程序
有了key，让我们来真正开始自己的第一个OpenAI程序！
（1）确保你已经有了Python环境可用，我这里直接在之前的服务器中写代码。
（2）打开VSCode —> 远程打开刚才创建的“文件夹”，不会远程的请参考这篇文章：【新人必会】远程开发可视化 - VSCode篇
（3）在项目文件夹里，创建一个名为 .env 的文件
（4）在.env文件中输入下列信息：
- 如果你是原生的OpenAI API Key，有科学上网的方法，则在.env文件中写：
OPENAI_API_KEY="sk-xxx" # <-------- 你的原生 OpenAI API Key - 如果你是用我上面说的DevAGI平台的虚拟API Key，则在.env文件中写：
OPENAI_API_KEY="sk-xxx" # <-------- 你的原生 OpenAI API Key OPENAI_BASE_URL="https://api.fe8.cn/v1" # 注意：一个字母都不要错
.env文件的作用就是配置一些Key或URL或一些环境变量，在程序运行时通过 load_dotenv 加载。这样也避免了将一些重要的信息暴露在代码中。
（5）安装OpenAI相关库
pip install python-dotenv openai
注意我这里安装到的openai版本为1.6.1，openai的接口在<1.0和>1.0的版本中有很大变化。
（6）新建一个文件名为"openai_test.py"，填入以下代码：
from openai import OpenAI
# 加载 .env 到环境变量
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())
client = OpenAI()
response = client.chat.completions.create(
model="gpt-3.5-turbo-1106",
messages=[
{
"role": "user",
"content": "你是谁？"
}
],
)
print(response.choices[0].message.content)
（7）运行程序，结果如下说明运行成功。
以上这段代码的意思就是调用OpenAI的接口，发送“你是谁？”，然后收到回复“我是一个AI助手，能为您提供帮助和回答您的问题。有什么我可以帮到您的吗？”
如果你遇到下面的错误：
说明你的原生OpenAI Key没有科学上网，无法链接OpenAI网络。或者你的DevAGI的.env文件中的虚拟Key和Base没有配置对。请仔细检查。
2. OpenAI接入公众号，与用户对话
上面我们的OpenAI API已经成功调用了，接下来只需要将用户的对话内容传入就可以了。
（1）将上面OpenAI的调用封装成函数
from openai import OpenAI
# 加载 .env 到环境变量
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())
client = OpenAI()
###### 这里封装成函数 #######
def get_chat_completion(prompt, model = "gpt-3.5-turbo-1106"):
messages = [{
"role": "user",
"content": prompt
}]
response = client.chat.completions.create(
model = "gpt-3.5-turbo-1106",
messages=messages
)
return response.choices[0].message.content
（2）在用户发送消息过来时，调用以上接口获取大模型生成结果，然后将结果封装成回复xml格式
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from flask import Flask, request, make_response
...... # 请参照之前教程
from openai_test import openai_test
...... # 请参照之前教程
@app.route('/wechatai', methods=['GET', 'POST'])
def wechatai():
if request.method == 'GET':
return verify_wechat(request)
else:
# 处理POST请求
print("user request data: ", request.data)
printXML(request.data)
# 解析用户信息
user_message_content, from_user_name, to_user_name = getUserMessageContentFromXML(request.data)
print("user message content: ", user_message_content)
# 调用OpenAI接口生成回复内容 # <---------- 这里接入！！！
response_content = openai_test.get_chat_completion(user_message_content)
print("response content: ", response_content)
# 生成回复信息并返回
return generate_response_xml(from_user_name, to_user_name, response_content)
if __name__ == '__main__':
app.run(host='0.0.0.0', port=80, debug=True)
（3）运行程序，测试一下，已经可以愉快的对话了
至此，我们将OpenAI大模型基础对话能力接入了微信公众号中，实现了简单的与用户对话的功能。
功能比较简单，就是用户发一句话，大模型回一句话。没有记忆能力和上下文关联能力等。但是原理已经走通了。
从今天开始，持续学习，开始搞事情。踩坑不易，欢迎关注我，围观我！
有任何问题，欢迎+vx：jasper_8017，我也是个小白，想与志同道合的朋友一起讨论，共同进步！