手把手教你使用 Python 调用 ChatGPT-3.5-API

原创

老表

发布于 2023-03-04 14:43:30

11.6K0

发布于 2023-03-04 14:43:30

文章被收录于专栏：用户2910674的专栏用户2910674的专栏

大家好，我是老表

前天 OpenAI 开放了两个新模型的api接口，专门为聊天而生的 gpt-3.5-turbo 和 gpt-3.5-turbo-0301。

ChatGPT is powered by gpt-3.5-turbo, OpenAI’s most advanced language model.

从上面这句话，我们可以知道现在 chat.openai.com 官网就是由 gpt-3.5-turbo 模型提供的服务，现在官方公开了这一模型的调用接口，这使得我们这些普通开发者也能直接在自己的应用/服务中使用这个狂揽亿万用户的模型。

接下来将和大家介绍如何利用 Python 快速玩转 gpt-3.5-turbo。

本文所有代码已开源，持续更新中：XksA-me/ChatGPT-3.5-AP

先跑起来，再理解

**首先**你需要有一个 openai 账号，如何注册我就不多说了，网上教程很多，而且很详细，如果有问题可以加我微信：pythonbrief，**添加通过后请直接描述你的问题+问题截图**。

访问下面页面，登录 openai 账号后，创建一个 api keys。

# api keys 创建页面

https://platform.openai.com/account/api-keys

**接下来**很简单了，安装 openai 官方的 Python SDK，这里需要注意的是得安装最新版本 openai，官方推荐的是 0.27.0 版本。

pip install openai==0.27.0

**直接上**请求代码：

import openai

import json



# 目前需要设置代理才可以访问 api

os.environ["HTTP\_PROXY"] = "自己的代理地址"

os.environ["HTTPS\_PROXY"] = "自己的代理地址"





def get\_api\_key():

    # 可以自己根据自己实际情况实现

    # 以我为例子，我是存在一个 openai\_key 文件里，json 格式

    '''

    {"api": "你的 api keys"}

    '''

    openai\_key\_file = '../envs/openai\_key'

    with open(openai\_key\_file, 'r', encoding='utf-8') as f:

        openai\_key = json.loads(f.read())

    return openai\_key['api']



openai.api\_key = get\_api\_key()



q = "用python实现：提示手动输入3个不同的3位数区间，输入结束后计算这3个区间的交集，并输出结果区间"

rsp = openai.ChatCompletion.create(

  model="gpt-3.5-turbo",

  messages=[

        {"role": "system", "content": "一个有10年Python开发经验的资深算法工程师"},

        {"role": "user", "content": q}

    ]

)

**代码解析：**

get_api_key() 函数是我自己写的一个从文件读取 api keys 的方法，我是存在一个 openai_key 文件里，json 格式，你可以改成你自己的获取方法，甚至可以直接写到代码里（虽然不推荐，但确实最简单）。
q 是请求的问题
rsp 是发送请求后返回结果
openai.ChatCompletion.create 中参数
- model 是使用的模型名称，是一个字符串，用最新模型直接设置成gpt-3.5-turbo 即可
- messages 是请求的文本内容，是一个列表，列表里每个元素类型是字典，具体含义如下表：

程序运行返回内容，从响应回复内容我们可以看到，回复内容是一个 json 字符串，

我们可以通过以下方法直接获取相关信息：

- 返回消息内容

rsp.get("choices")[0]["message"]["content"]

- 角色

rsp.get("choices")[0]["message"]["role"]

- 问题+回答总长度

rsp.get("usage")["total\_tokens"]

其他信息也可以通过类似方法获取。

测试 ChatGPT 回答代码运行情况，可以看出代码逻辑和运行都没啥问题，注释也到位。

实现多轮对话

如何实现多轮对话？

gpt-3.5-turbo 模型调用方法 openai.ChatCompletion.create 里传入的 message 是一个列表，列表里每个元素是字典，包含了角色和内容，我们只需将每轮对话都存储起来，然后每次提问都带上之前的问题和回答即可。

效果图

- 可以看到，我首先问了“1+1=几”，然后问“为什么是这样”，ChatGPT 会根据前面的提问将新问题识别为“为什么1+1=2”。
- 后面继续问水仙花数有哪些，再问“如何写个python程序来识别这些数”，ChatGPT 同样会根据前面的提问将新问题识别为“如何写个python程序来识别这些水仙花数”，并给出对应解答。
实现代码

import openai

import json

import os



os.environ["HTTP\_PROXY"] = "http://127.0.0.1:7890"

os.environ["HTTPS\_PROXY"] = "http://127.0.0.1:7890"



# 获取 api

def get\_api\_key():

    # 可以自己根据自己实际情况实现

    # 以我为例子，我是存在一个 openai\_key 文件里，json 格式

    '''

    {"api": "你的 api keys"}

    '''

    openai\_key\_file = '../envs/openai\_key'

    with open(openai\_key\_file, 'r', encoding='utf-8') as f:

        openai\_key = json.loads(f.read())

    return openai\_key['api']

openai.api\_key = get\_api\_key() 







class ChatGPT:

    def \_\_init\_\_(self, user):

        self.user = user

        self.messages = [{"role": "system", "content": "一个有10年Python开发经验的资深算法工程师"}]

        self.filename="./user\_messages.json"



    def ask\_gpt(self):

        # q = "用python实现：提示手动输入3个不同的3位数区间，输入结束后计算这3个区间的交集，并输出结果区间"

        rsp = openai.ChatCompletion.create(

          model="gpt-3.5-turbo",

          messages=self.messages

        )

        return rsp.get("choices")[0]["message"]["content"]





    def writeTojson(self):

        try:

            # 判断文件是否存在

            if not os.path.exists(self.filename):

                with open(self.filename, "w") as f:

                    # 创建文件

                    pass

            # 读取

            with open(self.filename, 'r', encoding='utf-8') as f:

                content = f.read()

                msgs = json.loads(content) if len(content) > 0 else {}

            # 追加

            msgs.update({self.user : self.messages})

            # 写入

            with open(self.filename, 'w', encoding='utf-8') as f:

                json.dump(msgs, f)

        except Exception as e:

            print(f"错误代码：{e}")

            



def main():

    user = input("请输入用户名称: ")

    chat = ChatGPT(user)

    

    # 循环

    while 1:

        # 限制对话次数

        if len(chat.messages) >= 11:

            print("\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*")

            print("\*\*\*\*\*\*\*\*\*强制重置对话\*\*\*\*\*\*\*\*\*\*")

            print("\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*")

            # 写入之前信息

            chat.writeTojson()

            user = input("请输入用户名称: ")

            chat = ChatGPT(user)

            

        # 提问

        q = input(f"【{chat.user}】")

        

        # 逻辑判断

        if q == "0":

            print("\*\*\*\*\*\*\*\*\*退出程序\*\*\*\*\*\*\*\*\*\*")

            # 写入之前信息

            chat.writeTojson()

            break

        elif q == "1":

            print("\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*")

            print("\*\*\*\*\*\*\*\*\*重置对话\*\*\*\*\*\*\*\*\*\*")

            print("\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*")

            # 写入之前信息

            chat.writeTojson()

            user = input("请输入用户名称: ")

            chat = ChatGPT(user)

            continue

            

        # 提问-回答-记录

        chat.messages.append({"role": "user", "content": q})

        answer = chat.ask\_gpt()

        print(f"【ChatGPT】{answer}")

        chat.messages.append({"role": "assistant", "content": answer})





if \_\_name\_\_ == '\_\_main\_\_':

    main()

**代码解析：**

ChatGPT 类，包含三个函数：
- \_\_init\_\_初始化函数，初始化了三个个实例变量，user、messages、filename（当前用户、消息列表、存储记录的文件路径）。
- ask\_gpt函数，将当前用户所有历史消息+最新提问发送给 gpt-3.5-turbo ，并返回响应结果。
- writeTojson函数，结束/重置用户时记录当前用户之前的访问数据。
main函数，程序入口函数，用户输入用户名后进入与 ChatGPT 的循环对话中，输入 0 退出程序，输入 1 重置用户，退出和重置都会将当前用户之前访问数据记录搭配 json 文件中。
由于 gpt-3.5-turbo 单次请求最大 token 数为：4096，所以代码里限制了下对话次数。