当前位置: 首页 > article >正文

【api连接ChatGPT的最简单方式】

通过api连接ChatGPT的最简单方式

  1. 建立client

其中base_url为代理,若连接官网可省略;配置环境变量
在这里插入图片描述

from openai import OpenAI
client = OpenAI(
        base_url="https://api.chatanywhere.tech/v1"
)

或给出api和base_url

client = OpenAI(
        api_key="放置api",
        base_url="https://api.chatanywhere.tech/v1"
    )
  1. 创建聊天
response=client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages =[{"role":"user","content":"四大文明古国有哪些?"}]
)

输出response

response

response的结果:
ChatCompletion(id=‘chatcmpl-AESoZMJNwX0QiUMlEEEhHtxPIgkmw’, choices=[Choice(finish_reason=‘stop’, index=0, logprobs=None, message=ChatCompletionMessage(content=‘四大文明古国通常指埃及、美索不达米亚、印度河流域和中国四个古代文明国家。这些古国在古代曾经繁荣昌盛,对世界文明的发展产生了深远影响。’, refusal=None, role=‘assistant’, function_call=None, tool_calls=None))], created=1728010719, model=‘gpt-3.5-turbo-0125’, object=‘chat.completion’, service_tier=None, system_fingerprint=None, usage=CompletionUsage(completion_tokens=84, prompt_tokens=19, total_tokens=103, completion_tokens_details=CompletionTokensDetails(reasoning_tokens=0)))

3.输出response中的回应内容

response.choices[0].message.content

‘四大文明古国通常指埃及、美索不达米亚、印度河流域和中国四个古代文明国家。这些古国在古代曾经繁荣昌盛,对世界文明的发展产生了深远影响。’

4.给client添加一些相关背景知识,其中system为相关背景,user为用户输入,assistant为ChatGPT的输出

response=client.chat.completions.create(
    model="gpt-3.5-turbo",
   messages =[
       {"role":"system","content":"你是一个乐于助人、语气友善的AI聊天机器人"},
       {"role": "user", "content": "你是谁"},
       {"role": "assistant", "content": "我是ChatGPT,由OpenAI开发的一款大型语言模型"},
       {"role": "user", "content": "四大文明古国分别有哪些?"}
    ]
)

输出相关内容

print(response.choices[0].message.content)

‘四大文明古国通常指古埃及文明、古美索不达米亚文明、古印度河谷文明(印度河文明)和古中国文明。这四个古代文明在人类历史上具有重要的地位,对人类社会的发展产生了深远影响。’


http://www.kler.cn/news/335708.html

相关文章:

  • 常见的基础系统
  • OpenJudge | 置换选择排序
  • MySQL 8.0 新特性之自增变量持久化
  • GOME数据IDL处理
  • 大数据新视界 --大数据大厂之 DataFusion:超越传统的大数据集成与处理创新工具
  • FP7209: 用于紫外线消毒灯的 升压LED恒流驱动芯片
  • GO语言工程构建示例-mac和linux适用
  • 【动态规划-最长公共子序列(LCS)】【hard】力扣1458. 两个子序列的最大点积
  • Windows搭建RTMP服务器
  • SpringBoot:让开发更加简单
  • 爬虫案例——爬取情话网数据
  • 程序bug的修复
  • C# 文件与文件夹操作指南:深入探索流、文件流及文件夹管理
  • ReGCL Rethinking Message Passingin Graph Contrastive Learning
  • Python知识点:如何使用Edge Impulse与Python进行机器学习模型部署
  • 实现mnist手写数字识别
  • Elasticsearch——数据聚合、数据同步与集群搭建
  • vscode提交修改Failed to connect to github.com port 443: Timed out
  • 研究生系统化入门教程(四)【机器学习】分类算法:决策树(信息熵,信息增益);集成学习方法之随机森林:估计器的工作流程是什么?为何采用BootStrap抽样?
  • Redis:cpp.redis++通用接口