首页 > 编程语言 >基于ChatGPT的API的C#接入研究

基于ChatGPT的API的C#接入研究

时间:2023-08-04 22:38:25浏览次数:26  
标签:C# 代码 API OpenAI var ChatGPT

今年开年,最火的莫过于ChatGPT的相关讨论,这个提供了非常强大的AI处理,并且整个平台也提供了很多对应的API进行接入的处理,使得我们可以在各种程序上无缝接入AI的后端处理,从而实现智能AI的各种应用。ChatGPT的API可以在前端,以及一些后端进行API的接入,本篇随笔主要介绍基于ChatGPT的API的C#接入研究。

1、ChatGPT的介绍

ChatGPT(全名:Chat Generative Pre-trained Transformer),美国OpenAI研发的聊天机器人程序 ,于2022年11月30日发布。ChatGPT是人工智能技术驱动的自然语言处理工具,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,真正像人类一样来聊天交流,甚至能完成撰写邮件、视频脚本、文案、翻译、代码,写论文 等任务。

ChatGPT是美国人工智能研究实验室OpenAI新推出的一种人工智能技术驱动的自然语言处理工具,使用了Transformer神经网络架构,也是GPT-3.5架构,这是一种用于处理序列数据的模型,拥有语言理解和文本生成能力,尤其是它会通过连接大量的语料库来训练模型,这些语料库包含了真实世界中的对话,使得ChatGPT具备上知天文下知地理,还能根据聊天的上下文进行互动的能力,做到与真正人类几乎无异的聊天场景进行交流。ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

ChatGPT 的官网地址如下:https://platform.openai.com/ ,如果我们需要使用它的对话处理以及强大的API能力,需要注册才能使用,至于如何注册以及接收验证码的操作,请百度一下一下即可,这里忽略,只是介绍它的功能以及如何介入使用。

ChatGPT 可以做很多不同类型的工作,常规的问答聊天,编写各种语言的应用代码,编写论文、摘要等,以及图片处理,翻译等等,如下是它们的一些功能分类和介绍。

基于ChatGPT的API的C#接入研究_人工智能

如我们可以在对话中测试其聊天/应答功能。

基于ChatGPT的API的C#接入研究_github_02

  我们也可以让它编写一段操作代码,如下所示。

基于ChatGPT的API的C#接入研究_ChatGPT_03

  如果我们要了解ChatGPT平台的API介绍,可以参考 https://platform.openai.com/docs/api-reference/introduction ,其大概分类也是很常规的功能应用相关的,如下是它的列表介绍。

基于ChatGPT的API的C#接入研究_人工智能_04

 

我们要学会如何使用API的话,需要了解它的相关模型概念,以及对各种处理的定义。

2、基于ChatGPT的API的C#接入

从上面的API介绍中,我们可以看到,API平台没有针对不同的语义给出不同的实现方式,只是给出了一个通用的调用方式,主要是基于输入参数,响应的数据格式的参考,具体的不同语言的应用如C#的接入,需要根据实际的格式进行对接。

基于ChatGPT的API的C#接入研究_API_05

 

 主要的代码如下所示。

using RestSharp;
using System;

namespace Gpt3APIExample
{
    class Program
    {
        static void Main(string[] args)
        {
            // OpenAI API地址
            string apiUrl = "https://api.openai.com/v1/engines/gpt-3/jobs";

            // OpenAI API密钥
            string apiKey = "YOUR_API_KEY";

            // 创建一个RestClient对象
            var client = new RestClient(apiUrl);

            // 创建一个RestRequest对象
            var request = new RestRequest(Method.POST);

            // 在请求头中添加API密钥
            request.AddHeader("Authorization", "Bearer " + apiKey);

            // 添加请求内容
            request.AddJsonBody(new
            {
                model = "text-davinci-002",
                prompt = "What is the capital of France?",
                max_tokens = 100,
                n = 1,
                stop = null,
                temperature = 0.5,
            });

            // 发送请求并获取响应
            IRestResponse response = client.Execute(request);

            // 显示响应内容
            Console.WriteLine(response.Content);
            Console.ReadLine();
        }
    }
}

这个代码主要就是针对输入信息和输出的内容进行简单的包装,使用 RestSharp 的一个Http类库进行访问的包装。

而为了更好的使用ChatGPT的API处理,我们可以使用更高级一点的类库,如下面介绍的两个开源C#包装ChatGPT的类库:

https://github.com/OkGoDoIt/OpenAI-API-dotnet

https://github.com/RageAgainstThePixel/OpenAI-DotNet 

我觉得他们都是很不错的,都是基于ChatGPT的API格式进行了一定程度的面向对象的包装,使得我们基于C#开发起来更方便。

例如我们基于 https://github.com/RageAgainstThePixel/OpenAI-DotNet  

基于ChatGPT的API的C#接入研究_人工智能_06

 来查看使用代码,它的介绍也比较详细,基本上覆盖到了各个方面。

基于ChatGPT的API的C#接入研究_人工智能_07

  我们可以模仿来生成自己的代码即可,如下所示。

/// <summary>
    /// 基于OpenAI-DotNet的使用
    /// </summary>
    public class Test2
    {
        public static async Task ExcuteCode()
        {
            var api = new OpenAIClient(new OpenAIAuthentication(Constants.ApiKey));

            var result = await api.CompletionsEndpoint.CreateCompletionAsync("读取图片文件的展示到窗体的C#代码", null, null, 1000, 0.1);
            Log.Information(result.ToJson());
        }

运行效果,可以看到输出的结果。

基于ChatGPT的API的C#接入研究_人工智能_08

  对于图片的生成和处理,我们也可以按照类似的API进行调用接口,如下是一段寻找图片的代码。

var results = await api.ImagesEndPoint.GenerateImageAsync("中国布达拉宫的全景图片", 1, ImageSize.Large);
            foreach (var item in results)
            {
                Log.Information(item);
            }

为了验证图片的AI处理,我们生成两张正方形的图片,图片右下角扣掉一块空白的图片,图片格式使用PNG格式,然后调用如下代码进行替换处理。

var imageAssetPath = "images/休息区.png";
            var maskAssetPath = "images/休息区2.png";
            var imageResults = await api.ImagesEndPoint.CreateImageEditAsync(Path.GetFullPath(imageAssetPath), Path.GetFullPath(maskAssetPath), "阳光明媚的室内休息区,有一个鸭子在池塘中", 1, ImageSize.Small);
            foreach (var item in imageResults)
            {
                Log.Information(item);
            }

 

基于ChatGPT的API的C#接入研究_ChatGPT_09

 

 生成后的图片效果如下所示。

基于ChatGPT的API的C#接入研究_API_10

 生成的空白地方,填入一个所需要的区域,红色框是我加上去醒目的。

 

标签:C#,代码,API,OpenAI,var,ChatGPT
From: https://blog.51cto.com/wuhuacong/6969144

相关文章

  • python实现Moaic数据增强
    数据增强python实现Moaic数据增强python实现Moaic数据增强Moaic数据增强:对四张图片进行拼接,获得一张新的图片,同时获得这张图片对应的标签框。主要原理:把4张图片,通过随机缩放、随机裁减、随机排布的方式......
  • 如需技术帮助,请在WeChat(微信)搜索“我在全球村”,
    由于最近收到一些网友的反馈,对本人文章有疑惑或者自己实际操作时,存在环境不一致的情况,想进一步咨询我。在这里特别说明一下沟通方式,为了避免一些网友没有耐心或者沟通的诚意,节约大家的时间,所以特意过滤下这部分同学,通过以下方式进行沟通:1)请在WeChat(微信)搜索“我在全球村”,关注后给......
  • 腾讯云TCB云函数趣应用:巧用 puppeteer 五分钟实现一个云加社区个人成就爬虫...
    技术选型应用思路核心代码参数介绍HTTP访问注意事项参考资料最后奉上几个社区大佬的成就#技术选型之前一直想用云函数来做爬虫,无奈小程序云开发的云函数还未完全支持puppeteer,调用会报错。但是最近发现TCB的云函数支持puppeteer依赖,就决定用它了。另外一个原因就是它也......
  • Web前端大作业、基于HTML+CSS+JavaScript响应式个人相册博客网站
    ......
  • mybatis-plus中的@Select注解里面写sql语句的in
    @Select("<script>"+    "select\n"+    "email\n"+    "fromsys_user\n"+    "whereidin\n"+    "  <foreachitem='item'index='index'colle......
  • mybatis-plus中的@Select注解里面写sql语句的in
    @Select("<script>"+    "select\n"+    "email\n"+    "fromsys_user\n"+    "whereidin\n"+    "  <foreachitem='item'index='index'colle......
  • day05:运算符,Scanner
    day05:运算符,Scanner一、运算符赋值:=、+=、-=、*=、/=、%=简单赋值运算符:=扩展赋值运算符:+=、-=、*=、/=、%=注意:扩展赋值运算符自带强转功能inta=5;a+=10;//相当于a=(int)(a+10)System.out.println(a);//15a*=2;//相当于a=(int)(a*2)System.out.println(......
  • Activiti7从入门到精通深入学习路线图?
    Activiti7从入门到精通深入学习路线图? 如果你想深入学习Activiti7并逐步精通,以下是一个可以供你参考的学习路线图:1.了解BPMN(BusinessProcessModelandNotation)和工作流引擎基础知识:-学习BPMN的基本概念、符号和语法。-理解Activiti7是一个开源的工作流引擎,可以......
  • dbt pacakge 模型引用
    dbt的package能力可以方便的实现模型的共享,以下是一个简单的示例,实际上我以前写过(很早了,目前dbt变化还是很大的)外部模型引用使用说明实际上是通过ref宏,明确声明包名以及模型,格式{{ref(<projectorpackagename>,<modelname>)}示例项目项目结构platform是需要引用的,us......
  • Even(23Nowcoder6.J)(二分+可持久化线段树)
    题意:给定一个序列\(a\),定义一次操作选择序列中一个元素\(a[i]\),使\(a_i=\lfloor\frac{a_i}{2}\rfloor\),其中\(a_i\)为当前序列中的最大偶数,若没有则是最大奇数。有\(q\)组询问,每次给定\(k,l,r\)分别表示操作次数和操作区间,每次回答操作完成后区间中的\(Max\),询问间互相......