python操作OpenAI教程

python操作OpenAI

pip install -U openai

代码：

from openai import OpenAI

# 解决请求超时问题
import os
os.environ["http_proxy"] = "http://localhost:7890"
os.environ["https_proxy"] = "http://localhost:7890"

# 需要在实例化OpenAI对象时候，指定秘钥
client = OpenAI(api_key="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")

completion = client.chat.completions.create(
  model="gpt-3.5-turbo",  # 指定使用的大模型是谁，gpt-3.5-turbo 是chatgpt3.5，
  messages=[  # 提示词，
    {"role": "system", "content": "你是一个老师."},  # 让chatgpt充当什么身份
    {"role": "user", "content": "编写一段歌颂元宵节的歌词"}, # 具体要chatgpt完成的操作了。
    # {"role": "assistant", "content": "在这元宵佳节临，灯火闪烁映星河。\n汇聚亲情团圆欢，共享团圆喜庆多。\n饮甜汤圆舒心意，挂灯花灯亮明朗。\n传统民俗传千古，文化传承爱不忘。\n元宵圆圆思亲亲，喜庆团圆共欢颜。"},  # 约束条件或基于什么条件
  ]
)

print(completion.choices[0].message)

使用langchain调用OpenAI

pip install -U langchain
pip install -U langchain-openai

# 解决请求超时问题
import os, openai
from langchain_openai import ChatOpenAI

os.environ["http_proxy"] = "http://localhost:7890"
os.environ["https_proxy"] = "http://localhost:7890"

llm = ChatOpenAI(
    openai_api_key="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", # 从OpenAI官方申请秘钥[可以是用户秘钥，也可以是项目秘钥]
    model_name="gpt-3.5-turbo" # 默认是gpt-3.5-turbo
)

response = llm.invoke("你是谁？") ## 通过 invoke 传入对话
print(response.content)

response = llm.invoke("编写一段歌颂劳动节的歌词？")
print(response.content)

AI会话

安装模块如下：

pip install -U openai
pip install -U langchain-openai
pip install -U tiktoken # 可视化界面工具 gradio框架的核心模块

代码：

import os, openai, gradio as gr
from langchain_openai import OpenAI
from langchain_openai import ChatOpenAI
from langchain.chains import ConversationChain
from langchain.memory import ConversationSummaryBufferMemory

# 解决请求超时问题
os.environ["http_proxy"] = "http://localhost:7890"
os.environ["https_proxy"] = "http://localhost:7890"

os.environ["OPENAI_API_KEY"] = "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"
openai.api_key = os.environ["OPENAI_API_KEY"]

memory = ConversationSummaryBufferMemory(
    llm=ChatOpenAI(
        # openai_api_key="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", # 从OpenAI官方申请秘钥[可以是用户秘钥，也可以是项目秘钥]
        # model_name="gpt-3.5-turbo" # 默认是gpt-3.5-turbo
    ),
    max_token_limit=2048
)

conversation = ConversationChain(
    llm=OpenAI(
        # api_key="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",
        max_tokens=2048,
        temperature=0.5),
    memory=memory,
)

"""基于记忆体实现对话的历史上下文管理"""
def chat(input, history=[]):
    history.append(input)
    response = conversation.predict(input=input)
    history.append(response)
    # history[::2] 切片语法，每隔两个元素提取一个元素，即提取出所有的输入，
    # history[1::2]表示从历史记录中每隔2个元素提取一个元素，即提取出所有的输出
    # zip函数把两个列表元素打包为元组的列表的方式
    responses = [(u, b) for u, b in zip(history[::2], history[1::2])]
    print("用户输入：", history[::2])
    print("AI回答：", history[1::2])
    print("上下文：", responses)
    return responses, history


"""可视化界面中实现AI对话"""
with gr.Blocks(css="#chatbot{height:800px} .overflow-y-auto{height:800px}") as demo:
    chatbot = gr.Chatbot(elem_id="chatbot")
    state = gr.State([])

    with gr.Row():
        txt = gr.Textbox(show_label=False, placeholder="请输入你的问题.")

    txt.submit(chat, [txt, state], [chatbot, state])

# 启动项目
demo.launch(share=True)

原文地址：https://blog.csdn.net/weixin_50556117/article/details/142764490

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！