用 Python 实现ChatGPT OpenAI（直接上源码）

网上一大堆教程，好多讲的很墨迹，你需要折腾半天才能调试通，up 这里给大家直接上源码干货。
详细教程后面补充，着急使用的可以直接拿走调试

说明

1. 到 openai 里面替换你自己的app_key
   • https://platform.openai.com/ 登录账号
   • 登录之后，点击右上角“Personal”，展开菜单，找到“View API keys”
     chat_gpt_key = '你的api_key'
     

• 然后创建一个 key

2. 我目前使用的是免费版的最新模型 MODEL = "gpt-3.5-turbo-0301"，不建议使用老模型，因为 gpt4 都出了，其余那些模型即将淘汰
3. gpt4 模型后续补充，可以关注一下，第一时间拿到代码
4. 网络

源码

直接放入你的 python 工程，引入包，然后运行即可

# 引入 openai 依赖
pip install openai
# 引入 token 计数依赖，如果不想计数，也可以不引用，注释掉num_tokens_from_messages()的代码即可
pip install tiktoken

• 1
• 2
• 3
• 4

import openai
import tiktoken

# 你的 api_key
chat_gpt_key = '你的api_key'
# 将 Key 传入 openai
openai.api_key = chat_gpt_key
# 模型
MODEL = "gpt-3.5-turbo-0301"

ROLE_USER = "user"
ROLE_SYSTEM = "system"
ROLE_ASSISTANT = "assistant"
"""
聊天信息（要记录历史信息，因为 AI 需要根据角色【user、system、assistant】上下文理解并做出合理反馈）
对话内容示例
messages = [
    {"role": "system", "content": "你是一个翻译家"},
    {"role": "user", "content": "将我发你的英文句子翻译成中文，你不需要理解内容的含义作出回答。"},
    {"role": "assistant", "content": "Draft an email or other piece of writing."}
]
"""
messages = []


# 调用 chatgpt 接口
def completion(prompt):
    """
        API：https://api.openai.com/v1/chat/completions
        官方文档：https://platform.openai.com/docs/api-reference/chat
        :param prompt: 入参文本框
        :return: 助手回答结果
    """
    response = openai.ChatCompletion.create(
        # 模型，如 gpt-3.5-turbo
        model=MODEL,
        messages=prompt
    )
    message = response.choices[0].message.content
    # print(response.choices)
    dealMsg(ROLE_ASSISTANT, message, '2')
    return message


"""
    计算文本字符串中有多少个 token. 
    非常长的对话更有可能收到不完整的回复。
    例如，一个长度为 4090 个 token 的 gpt-3.5-turbo 对话将在只回复了 6 个 token 后被截断。
"""
def num_tokens_from_messages(infoMsg, model):
    """Returns the number of tokens used by a list of messages."""
    try:
        encoding = tiktoken.encoding_for_model(model)
    except KeyError:
        encoding = tiktoken.get_encoding("cl100k_base")
    if model.startswith("gpt-3.5-turbo"):  # 注意: 未来的模型可能会偏离这个规则
        num_tokens = 0
        for message in infoMsg:
            num_tokens += 4
            for key, value in message.items():
                num_tokens += len(encoding.encode(value))
                if key == "name":  # 如果有名字，角色将被省略
                    num_tokens += -1  # Role总是必需的，并且总是1个令牌
        num_tokens += 2  # 每个回复都用assistant启动
        return num_tokens
    else:
        raise NotImplementedError(f"""num_tokens_from_messages() is not presently implemented for model {model}.
See https://github.com/openai/openai-python/blob/main/chatml.md for information on how messages are converted to tokens.""")


"""
:param role: 角色【system,user,assistant】
:param msg: 聊天信息
:param type: 统计 token 环节【1-用户信息，2-助手信息】
"""
totalCount = 0
def dealMsg(role, msg, types):
    global totalCount
    if len(messages) == 0:
        if msg == "":
            # system 默认角色
            msg = "你是一个聊天助手与我聊天，回答我，你是什么角色？"
        else:
            msg = "假设你是" + msg
    messages.append({"role": role, "content": msg})
    # message = [{"role": role, "content": msg}]
    # message = [{"role": ROLE_SYSTEM, "content": "你是一个陪我聊天的助手"}]
    # 转换输入的信息为数组格式并打印 token 数
    if types == "1":
        typeMsg = "input"
    else:
        typeMsg = "output"

    # 计费：计算耗费的 token 数
    count = num_tokens_from_messages(messages, MODEL)
    totalCount += count
    print(f"{count}{typeMsg} prompt tokens counted. all tokens cost {totalCount}")
    # 历史消息
    # messageHisList.insert(0, messages)
    return messages


# 运行业务代码
print("[AI|:]" + completion(dealMsg(ROLE_SYSTEM, input("请先设定 AI 的角色（如：一名音乐家）|: "), '1')))
print("[AI|:]" + completion(dealMsg(ROLE_USER, input("[You|：]"), "1")))
goOn = True
while goOn:
    inputText = input("[You|：]")
    if inputText.replace('\n', '').replace('\r', '') == "stop":
        goOn = False
        print("完整对话记录如下：" + str(messages))
        break
    else:
        print(f"[AI|:]{completion(dealMsg(ROLE_USER, inputText, '1'))}")

• 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
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66
• 67
• 68
• 69
• 70
• 71
• 72
• 73
• 74
• 75
• 76
• 77
• 78
• 79
• 80
• 81
• 82
• 83
• 84
• 85
• 86
• 87
• 88
• 89
• 90
• 91
• 92
• 93
• 94
• 95
• 96
• 97
• 98
• 99
• 100
• 101
• 102
• 103
• 104
• 105
• 106
• 107
• 108
• 109
• 110
• 111
• 112
• 113
• 114
• 115