【GPT-3.5】通过python调用ChatGPT API与ChatGPT对话交流

本文介绍: GPT-3.5：一组改进 GPT-3 的模型，可以理解并生成自然语言或代码。GPT-3.5 模型可以理解和生成自然语言或代码。gpt-3.5-turbo 功能最强大、最具成本效益的模型是针对聊天进行了优化，但也适用于传统的完成任务。

文章 目录

一、引言

Cha tGPT 的火爆，成功带火了AIGC，让它进入大众的视野。

Ch a tGPT 和Wh i s p e r API

开发者现在可以通过API将Ch a tGPT和Whi s p e r 模型集成到应用程序和产品之中。

二、AIGC简介

AIGC即AI Gene r a ted Con tent，利用人工智能技术来生成内容，是继UGC、PGC之后的新型内容生产方式，AI写作、AI绘画、AI作曲、AI剪辑、AI动画、AI交互等都属于AIGC的分支。AIGC是一种利用机器智能创作内容的新技术，它不同于UGC，它有自己的技术特点，比如数据量化、创造力、跨模态融合和认知交互等。这些技术特点使得AIGC成为不可替代的新一代内容生成方式。

三、OpenAI介绍

OpenAI是一个非营利性研究公司，致力于推动人工智能的发展和应用，创造出对人类有益的技术和成果。OpenAI由多位顶尖人工智能专家创立，包括伊隆·马斯克（Elon Musk）、塞巴斯蒂安·索特（Seb ast i an Thrun）、萨姆·阿尔特曼（Sam Altman）等。

OpenAI的目标是研究和开发通用人工智能，以实现强人工智能的梦想。为了实现这个目标，OpenAI聚集了全球最优秀的研究人员，致力于推动人工智能的前沿研究，并将研究成果转化为对人类有益的应用。

OpenAI已经在多个领域取得了显著的成就，例如在自然语言处理、图像识别、机器学习、深度学习等方面。OpenAI还推出了一系列开源工具和技术，以促进人工智能的发展和应用，包括GPT系列模型、DALL·E、Gym等。

总的来说，OpenAI致力于打造人工智能的可持续发展生态，推动人工智能的进一步发展，为人类创造更美好的未来。

四、GPT-3.5介绍

GPT-3.5：一组改进 GPT-3 的模型，可以理解并生成自然语言或代码。GPT-3.5 模型可以理解和生成自然语言或代码。gpt-3.5-turbo功能最强大、最具成本效益的模型是针对聊天进行了优化，但也适用于传统的完成任务。

五、获得OpenAI API Key

1、登录 https://openai.com/api

2、选择“View API key s”

三、创建API key，点击“Create new sec re t key”

四、创建API key成功，复制保存。

sk-bUQeskc00tsTp************5i5Dop8BxAL1n7

六、调用ChatGPT API实现与ChatGPT对话

import openai   # 从这里开始，通向AI的大门，获取AI的能量源泉

输入代码

#  导入OpenAI的Python SDK
import openai

# 设置OpenAI API的密钥，该密钥必须在OpenAI的网站上注册并获取
openai.api_key = "sk-bUQeskc00tsTp************5i5Dop8BxAL1n7"

# 创建一个新的对话生成请求，并将响应存储在名为“response”的变量中
response = openai.ChatCompletion.create(
    # 创建一个新的对话生成请求，并将响应存储在名为“response”的变量中
    model="gpt-3.5-turbo",
    # 以列表形式提供对话中的每个消息
    messages=[
        # 第一条消息，表示系统向用户打招呼。
        {"role": "system", "content": "Hello!"},
        # 第一条消息，表示系统向用户打招呼或提问。
        {"role": "user","content": "请告诉我你的脑容量有多大？"},
    ]
)

# 打印对话生成API的响应，其中包括机器生成的回答。
print(response)

输出响应

{
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "u6211u662fu4e00u4e2au4ebau5de5u667au80fdu7a0bu5e8fuff0cu6211u7684u201cu8111u5bb9u91cfu201du662fu7531u8ba1u7b97u673au786cu4ef6u548cu7f16u7a0bu6280u672fu51b3u5b9au7684u3002u6211u7684u786cu4ef6u548cu7f16u7a0bu80fdu529bu5141u8bb8u6211u5728u8fd0u884cu65f6u5904u7406u5927u91cfu7684u6570u636eu548cu4fe1u606fuff0cu4f46u6211u6ca1u6709u5b9eu9645u7684u201cu8111u5bb9u91cfu201du6765u6bd4u8f83u3002",
        "role": "assistant"
      }
    }
  ],
  "created": 1677860439,
  "id": "chatcmpl-6q2R5waJenvUka2qC0VqMWx2ROMmP",
  "model": "gpt-3.5-turbo-0301",
  "object": "chat.completion",
  "usage": {
    "completion_tokens": 84,
    "prompt_tokens": 30,
    "total_tokens": 114
  }
}

调优代码（使输出结果以自然语言方式呈现出来）

# 导入OpenAI的Python SDK。
import openai

# 设置OpenAI API的密钥，该密钥必须在OpenAI的网站上注册并获取。
openai.api_key = "sk-bUQeskc00tsTp************5i5Dop8BxAL1n7"

# 指定使用的语言模型。此处选择GPT-3.5 Turbo模型。
response = openai.ChatCompletion.create(
    # 指定使用的语言模型。此处选择GPT-3.5 Turbo模型。
    model="gpt-3.5-turbo",
    # 以列表形式提供对话中的每个消息。
    messages=[
        # 第一条消息，表示系统向用户打招呼。
        {"role": "system", "content": "Hello!"},
        # 第二条消息，表示用户提出了一个问题。
        {"role": "user","content": "请告诉我你的脑容量有多大？"},
    ]
)

# 创建一个名为“result”的空字符串变量，用于存储机器生成的回答。
result = ''
# 循环遍历GPT-3 API返回的response中的所有回答选项。
for choice in response.choices:
    # 将每个回答选项的文本内容加入到“result”字符串变量中。
    result += choice.message.content
# 打印机器生成的回答。
print(result)

输出结果

作为一个AI程序，我的“脑容量”没有实际的物理大小，但我可以通过云计算利用大量服务器的处理能力来提高我的计算能力。总之，我的“脑容量”可以说是无限的。

于是接着问它

{"role": "user","content": "你知道太阳系有多大吗？"},

它给的反馈结果是

太阳系的大小是巨大的，它包括了太阳和所有行星、矮行星、小行星、彗星和星云等。根据目前的科学估算，太阳系的宽度约为287.46亿千米，也就是2874.6万亿米。

接着追问道

{"role": "assistant","content": "可以详细说一说是怎么计算出来的？"},

也给出了详细的回答和解释

太阳系的大小是指太阳的引力范围，通常认为是它对八大行星和众多天体施加引力影响的范围。

太阳系直径约为100亿千米。这个数字很难想象，因此我们可以用其他的方式来描绘太阳系的大小。

我们可以将太阳系与地球比较，地球直径约为12,742千米。这意味着太阳系直径大约是地球直径的780,000倍。如果将太阳系放大到网球大小，那么地球将只有1毫米左右大。

我们还可以将太阳系和距离我们最近的星际物体比较。距离太阳系最近的星际物体是比邻星，它位于离地球4.24光年远的地方。如果将太阳系和比邻星放在一起比较，那么太阳系将比比邻星小得多。

总之，太阳系虽然在宇宙中并不算特别大，但对于我们这个小小的星球来说，它仍具有惊人的规模和复杂性。