ChatGPT实践-构建简单的AI聊天机器人(python)

本文指导如何通过调用OpenAI的API完成一个简单的聊天机器人。

背景知识

API介绍

我们可以通过任何语言的 HTTP 请求、官方 Python 、 Node.js 库或社区维护的库与 ChatGPT的API 进行交互，官方API文档：

API Reference - OpenAI API （可自行去查看）

所以python是有现成包用的，会比调用原始的HTTP请求容易一些，python包：

openai/openai-python: The official Python library for the OpenAI API

本文使用Python编程语言完成一个简单的AI聊天机器人。

一次简单的调用

如果要调用ChatGPT的API其实非常简单，只需要几行代码，像下面这样：

import openai

openai.api_key = "替换为你的key"
openai.api_base = "如果走绕路这里填写对应的服务商的网址"

response = openai.ChatCompletion.create(
    model='gpt-3.5-turbo',
    messages=[
        {'role': 'user', 'content': 'hello.'},
    ],
    temperature=1,  # 控制模型输出的随机程度
)
# 打印ChatGPT的回复
print(response.choices[0].message["content"])
1
2
3
4
5
6
7
8
9
10
11
12
13
14

运行后可以看到如下打印：

Hello! How can I assist you today?
1

一次调用就完成了。

几种消息的介绍

上面的messages参数中有一个role关键字，它有3中类型，对应3中消息，这里介绍一下：

系统消息

在ChatGPT的客户端聊天窗口是看不到系统消息的，这个是API中才有的，主要是给开发人员使用的。

系统消息主要用来设置聊天机器人的角色和行为，相当于给它一些默认的指令。

用户消息：

就是你在聊天窗口发的内容，称为「用户消息」，

助手消息：

就是ChatGPT发给你的内容，称为「助手消息」。

代码

来看看一个简单的完成的AI聊天机器人的代码：

import openai

openai.api_key = "替换为你的"
openai.api_base = "如果走绕路这里填写对应的服务的网址"

def get_completion_from_messages(messages, model="gpt-3.5-turbo", temperature=0):
    response = openai.ChatCompletion.create(
        model=model,
        messages=messages,
        temperature=temperature,  # 控制模型输出的随机程度
    )
    return response.choices[0].message["content"]

context = [
    # 上下文中定义一个系统角色，告诉ChatGPT他是一个友好的助手，后面的回复它都会是一个非常友好的态度
    {'role': 'system', 'content': 'You are a friendly assistant.'},
]

def chat_to_bot(prompt):
    # 我们发送的信息角色是user
    context.append({'role': 'user', 'content': f"{prompt}"})
    response = get_completion_from_messages(context)
    # 注意这里，需要将先前的内容一并发给ChatGPT
    # ChatGPT返回回来得消息的角色是assistant
    context.append({'role': 'assistant', 'content': f"{response}"})
    return f'Bot: {response}'

if __name__ == '__main__':
    while True:
        user_input = input("You: ")
        print(chat_to_bot(user_input))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

代码解释：

• 定义了一个get_completion_from_messages函数，该函数向 OpenAI API 发送一系列消息并获取响应。 messages 参数是消息对象的列表，每个对象都有一个“角色”（可以是“系统”、“用户”或“助理”）和“内容”（消息的内容） 。 “温度”参数控制模型输出的随机性。

• context 定义了对话的初始上下文，告诉模型它正在扮演友好助手的角色。

• chat_to_bot此函数向聊天机器人发送消息并获取其响应。它将用户的消息和机器人的响应添加到对话上下文中，因此每次对话后都会更新上下文。

• 主循环中，它反复要求用户输入，将该输入发送到聊天机器人，并打印聊天机器人的响应。对话无限期地继续，直到程序被手动停止。

运行的结果是这样的：

You: hi
Bot: Hello! How can I assist you today?
You: What did I say in the previous sentence?
Bot: In the previous sentence, you said "hi".
You:
1
2
3
4
5

可以看到它知道上下文，可以一直对话下去。

注意：每一次API调用都是独立的，要让机器人理解上下文（context），那么每次API调用都需要将之前的聊天内容全部发过去。可以看到，当对话越来越长的时候，对token的消耗非常大，这是LLM的一个特点。