揭开ChatGPT面纱（一）：准备工作（搭建开发环境运行OpenAI Demo）

文章目录

序言：探索人工智能的新篇章
一、搭建开发环境
二、编写并运行demo
- 1.代码
- 2.解析
- 3.执行结果

本博客的gitlab仓库：地址，本博客对应01文件夹。

序言：探索人工智能的新篇章

随着人工智能技术的飞速发展，ChatGPT作为其中的佼佼者，已经逐渐从实验室走向了公众视野。它不仅仅是一个简单的聊天机器人，而是代表了自然语言处理（NLP）领域的前沿技术。在ChatGPT的帮助下，我们能够实现更自然、更智能的人机交互，这无疑为开发者和普通用户带来了全新的体验和可能性。

然而，对于许多初学者和爱好者来说，如何开始接触和使用ChatGPT，可能是一个令人望而却步的问题。从注册账号到搭建开发环境，再到利用线上平台如Google Colab进行实践，每一步都充满了挑战。本系列博客文章的目的就是揭开ChatGPT的神秘面纱，带你一步步走进这个充满魔力的AI世界。

在《揭开ChatGPT面纱（一）：准备工作》中，我将从最基础的步骤开始，包括如何搭建一个适合的开发环境，以及如何编写一个OpenAI的Demo来快速体验ChatGPT的强大功能。

获取OpenAI的API Key：

在国内想要注册OpenAI是比较困难的，有的网站声称可以提供海外虚拟信用卡和海外手机号，这是不靠谱的，后续注册好了也可能会在使用过程中被封号，因此我找了第三方（TB）来获得API Key。总之，这个步骤请自行解决。

一、搭建开发环境

首先，确保你已经在电脑上安装了conda，以下命令均是使用的conda创建的虚拟环境。

创建虚拟环境：

conda create -n openaidemo python==3.10
# 激活
conda activate openaidemo

安装所需依赖：

pip install openai==1.6.1

二、编写并运行demo

我编写了一个可以和gpt3.5进行单词对话的demo，代码如下：

1.代码

from openai import OpenAI
import httpx
import json# 读取配置，在上传gitlab时配置文件ignore了
with open('../config/openai.json') as config_file:config = json.load(config_file)# 根据你自己的情况更改代理地址（如果你开了VPN就不用配这个）和API key
client = OpenAI(base_url=config['base_url'],api_key=config['key'],http_client=httpx.Client(base_url=config['base_url'],follow_redirects=True,),
)def get_response(input):completion = client.chat.completions.create(model="gpt-3.5-turbo",messages=[{"role": "system", "content": "You are a helpful assistant."},{"role": "user", "content": input}])message = completion.choices[0].message.contentreturn messageif __name__ == "__main__":user_input = input("我：")generated_text = get_response(user_input)print(f"AI：{generated_text}")

2.解析

这段代码使用了openai库和httpx库，目的是创建一个客户端来与一个自定义的OpenAI API服务进行交互，并使用该服务生成文本。下面是逐行解析：

from openai import OpenAI：从openai库中导入OpenAI类。
import httpx：导入httpx库，这个库用于发送HTTP请求。
client = OpenAI(...)：创建一个OpenAI类的实例，配置了自定义的API基础URL和API密钥。这个实例将用于与OpenAI API服务进行交互。
base_url="https://..."：设置API的基础URL，这个URL指向一个第三方服务（代理）。
api_key="sk-..."：设置用于认证的API密钥。
http_client=httpx.Client(...)：在创建OpenAI实例时，传递一个httpx.Client实例作为http_client参数。这个httpx.Client实例也被设置了相同的基础URL，并配置为跟随HTTP重定向。
follow_redirects=True：配置httpx.Client实例在发送请求时跟随HTTP重定向。
def get_response(input):：定义一个函数get_response，它接受一个字符串参数input，这个字符串将作为输入提示传递给模型。
completion = client.chat.completions.create(...)：调用client的chat.completions.create方法来生成文本。传递的参数包括模型名称和消息列表。
model="gpt-3.5-turbo"：指定使用的模型是gpt-3.5-turbo。
messages=[...]：定义一个消息列表，包含两个字典，分别代表系统消息和用户输入。
{"role": "system", "content": "You are a helpful assistant."}：系统消息，告诉模型扮演一个有帮助的助手角色。
{"role": "user", "content": input}：用户消息，内容是函数参数input的值。
message = completion.choices[0].message.content：从生成的完成结果中获取第一个选择的消息内容。
return message：返回获取的消息内容。
user_input = input("我：")：如果作为主程序运行，从标准输入读取用户输入。
generated_text = get_response(user_input)：使用用户输入调用get_response函数来生成文本。
print(f"AI：{generated_text}")：打印出由AI生成的文本。