3分钟教你用Python搭建ChatGPT

本文最后更新于：2024年6月17日下午

写在前面

ChatGPT 近期以强大的对话和信息整合能力风靡全网。起初，她并没有引起我很大的兴趣。我认为这不过又是互联网公司寻求新的经济增长点的风口而已。

就像几年前的 区块链 ，大大小小的公司趋之若鹜，记得我当时的老东家也推出一款去中心化的 APP，用于存储自己的基因数据。现在已经没有人谈及区块链技术了。

就像最近 1-2 年的 元宇宙 ，据说甚至有学校成立了元宇宙学院，自从扎克伯格晒出一个简陋无比的元宇宙照片之后，简直是将元宇宙的破烂底裤展示在世人面前。如今，元宇宙成了个笑话。

基于我浅薄的认知，我并没有过多关注 ChatGPT 。直到今天的一些私人原因，我才开始正式了解她。

ChatGPT 是什么

ChatGPT 的全称是 Chat Generative Pre-trained Transformer 。我的理解她是一个基于 Transformer 模型 由预训练数据生成对话信息的应用。（PS：Transformer 模型，是谷歌在 2017 年推出的 NLP 经典模型）

由她的名字，我猜测，ChatGPT 并不是在全网实时搜索最佳答案，而是根据预先训练的数据，实时拼凑出一个答案。这个答案可能并不一定是正确的，但不管你信不信，反正 ChatGPT 自己是相信这个答案的。

ChatGPT 的前世今生

我们所说的 ChatGPT 其实是基于 GPT-3.5 模型 开发得到的。截至目前，OpenAI 公司并没有开放 GPT-3.5 的接口。因此我们只能通过 OpenAI 的官方网站 https://chat.openai.com/ 来访问 ChatGPT。（https://ai.com 这个地址是 OpenAI 花重金购买的，同样可以跳转到 ChatGPT 官网）

现在网上出现的一些 ChatGPT 中文版，ChatGPT 微信版等等都是基于 2020 年的 GPT-3 模型 开发而来。虽然和基于GPT-3.5 模型演化而来的 ChatGPT 没法比。但是同样能带我们体验人工智能的美妙。

而我们今天要搭建的 ChatGPT 同样是基于GPT-3 模型开发。

用 Python 搭建 ChatGPT

获取 OpenAI API Key

由我的另一篇博客超详细注册 OpenAI 接口账号的教程获取 OpenAI API Key 。

安装 openai 模块

使用如下代码安装 openai 模块。

1	`pip install openai`

调用接口获取返回信息

代码

调用 openai.Completion.create 函数获取返回信息。

import openai

# 填写注册OpenAI接口账号时获取的 OpenAI API Key
openai.api_key = "OPENAI_API_KEY"

# 提问
issue = '你是谁？'

# 访问OpenAI接口
response = openai.Completion.create(
  model='text-davinci-003',
  prompt=issue,
  temperature=0.9,
  max_tokens=150,
  top_p=1,
  frequency_penalty=0.0,
  presence_penalty=0.6
)

# 返回信息
resText = response.choices[0].text

print(resText)

参数

model：使用的模型，可选内容如下：

prompt：提问，提问描述越详细，回答越准确
temperature：控制结果的随机性，如果希望结果更有差异性 0.9，或者希望有固定结果可以尝试 0.0
max_tokens：生成结果时的最大 tokens 数。平均一个汉字是 2 个 tokens，text-davinci-003 最多是 4000 个 tokens，也就是 2000 个汉字左右
top_p：一个可用于代替 temperature 的参数，对应机器学习中 nucleus sampling，如果设置 0.1 意味着只考虑构成前 10% 概率质量的 tokens
frequency_penalty：控制字符的重复度，取值为 -2.0 ~ 2.0 之间的数字
presence_penalty：控制主题的重复度，取值为 -2.0 ~ 2.0 之间的数字

测试 ChatGPT

别的不敢评价，就是这个最后用 python 写冒泡排序，我给打 99 分。代码最后莫名其妙多出一个逗号，原以为这代码肯定会报错，谁知道测试了下可以正常运行，运行结果也是对的。后来查了一下资料，原来 print()后面加上逗号可以让回车符失效，ChatGPT 是故意这么做的，这是我不知道的知识点。给她扣掉一分，是因为这代码空格和回车有点太随意了，并不是特别工整。