一文告诉你如何用Python操作ChatGPT

见贤思齐

ChatGPT相信大家都用过，你觉得它给你的工作带来了多少帮助呢？对这块感兴趣的，可以群里聊聊目前我们使用ChatGPT的方式是通过浏览器访问chat.openai.com，然后输入问题，就像下面这样。除了网页之外，ChatGPT还提供了API接口，让我们可以在程序中访问GPT模型。需要注意的是，如果使用网页，那么GPT3.5是免费的，GPT4则是一个月收费20美元。但如果要通过API来访问GPT模型，那么不管什么版本都是收费的，至于费用多少则取决于token的数量。GPT会对文本进行分词，切分后的结果就是一个个的token，而token的数量决定了费用。那么Python如何访问GPT模型呢？首先需要安装一个包，直接pipinstallopenai即可。然后登录platform.openai.com/api-keys，创建一个API-KEY，如果要通过接口访问，它是不可或缺的。下面就可以通过Python来访问了，我们举例说明。生成文本我们可以给GPT一段话，让它以文本的形式生成回复内容。fromopenaiimportOpenAIimporthttpx#我的API_KEY，以及代理fromconfigimportAPI_KEY,PROXIES#openai底层是通过httpx发送请求#但因为众所周知的原因，我们不能直接访问，需要设置代理httpx_client=httpx.Client(proxies=PROXIES)#然后指定api_key参数和httpx_client参数#如果你不指定httpx_client，那么内部会自动创建，但此时就无法设置代理了#当然要是你当前机器的网络能直接访问，也可以不用指定http_client参数client=OpenAI(api_key=API_KEY,http_client=httpx_client)chat=client.chat.completions.create(messages=[{"role":"user","content":"1+1等于几",},],model="gpt-3.5-turbo",)#chat.choices[0]返回的是pydantic里面的BaseModel#我们可以调用dict方法转成字典print(chat.choices[0].dict())"""{'finish_reason':'stop','index':0,'logprobs':None,'message':{'content':'1+1等于2。','role':'assistant','function_call':None,'tool_calls':None}}"""123456789101112131415161718192021222324252627282930313233343536373839然后解释一下client.chat.completions.create里面的参数。messagesChatGPT是有记忆功能的，它在回答的时候会结合上下文。那么问题来了，如果是通过接口的话，怎么把这个上下文传递过去呢？#注意messages里面的字典的"role"这个key#如果"role"为"user"，那么"content"表示用户问的问题#如果"role"为"assistant"，那么"content"表示GPT的回答chat=client.chat.completions.create(messages=[{"role":"user",#开发者输入内容"content":"记住：高老师总能分享出好东西",},{"role":"assistant",#GPT回答"content":"好的，我知道了",},{"role":"user",#开发者输入内容"content":"请问谁总能分享出好东西，告诉我那个人的名字",},],model="gpt-3.5-turbo",)print(chat.choices[0].dict())"""{'finish_reason':'stop','index':0,'logprobs':None,'message':{'content':'高老师','role':'assistant','function_call':None,'tool_calls':None}}"""1234567891011121314151617181920212223242526272829303132所以messages是一个列表，它里面可以接收多个消息，如果希望GPT拥有记忆功能，那么每一次都要将完整的对话传递过去，显然这会比较耗费token。举个例子，我们通过接口来模拟网页版GPT。messages=[]#负责保存消息whileTrue:content=input("请输入内容：")messages.append({"role":"user","content":content})#发送请求chat=client.chat.completions.create(messages=messages,model="gpt-3.5-turbo")#除了通过chat.choices[0].dict()转成字典之外#也可以直接通过chat.choices[0].message.content获取回复内容gpt_reply=chat.choices[0].message.contentprint(f"GPT回答如下：{gpt_reply}")#将GPT的回复添加进去，开启下一轮对话messages.append({"role":"assistant","content":gpt_reply})1234567891011121314执行程序，效果如下：由于每次都要将历史对话一起带过去，所以这个过程比较耗费token。model然后是model参数，它表示GPT所使用的模型，支持如下种类。"gpt-4-0125-preview","gpt-4-turbo-preview","gpt-4-1106-preview","gpt-4-vision-preview","gpt-4","gpt-4-0314","gpt-4-0613","gpt-4-32k","gpt-4-32k-0314","gpt-4-32k-0613","gpt-3.5-turbo","gpt-3.5-turbo-16k","gpt-3.5-turbo-0301","gpt-3.5-turbo-0613","gpt-3.5-turbo-1106","gpt-3.5-turbo-0125","gpt-3.5-turbo-16k-0613",1234567891011121314151617'运行运行一般选择gpt-3.5-turbo或gpt-4-turbo-preview即可。stream默认情况下，GPT会将内容全部生成完毕，然后一次性返回。显然这在耗时比较长的时候，对用户不是很友好。如果希望像网页那样，能够将内容以流的形式返回，那么可以将该参数设置为True。chat=client.chat.completions.create(messages=[{"role":"user","content":"请重复一句话：高老师总能分享出好东西"}],model="gpt-3.5-turbo",stream=True#流式返回)forchunkinchat:print(chunk.choices[0].delta.dict())"""{'content':'','function_call':None,'role':'assistant','tool_calls':None}{'content':'高','function_call':None,'role':None,'tool_calls':None}{'content':'老','function_call':None,'role':None,'tool_calls':None}{'content':'师','function_call':None,'role':None,'tool_calls':None}{'content':'总','function_call':None,'role':None,'tool_calls':None}{'content':'能','function_call':None,'role':None,'tool_calls':None}{'content':'分享','function_call':None,'role':None,'tool_calls':None}{'content':'出','function_call':None,'role':None,'tool_calls':None}{'content':'好','function_call':None,'role':None,'tool_calls':None}{'content':'东','function_call':None,'role':None,'tool_calls':None}{'content':'西','function_call':None,'role':None,'tool_calls':None}{'content':None,'function_call':None,'role':None,'tool_calls':None}"""123456789101112131415161718192021222324如果GPT生成内容时耗时比较长，那么这种实时响应的方式会更友好。nGPT回复内容的时候，可以让它同一时刻回复多个版本，然后我们选择一个满意的。具体返回多少个，取决于n的大小，默认为1。chat=client.chat.completions.create(messages=[{"role":"user","content":"世界上最高的雪山叫什么"}],model="gpt-3.5-turbo",n=3,#同时生成三个回复)print(chat.choices[0].message.content)"""珠穆朗玛峰（MountEverest）"""print(chat.choices[1].message.content)"""世界上最高的雪山是珠穆朗玛峰。珠穆朗玛峰是位于喜马拉雅山脉的一座高峰，也是世界上海拔最高的山峰，海拔达到了8848米。由于其极高的海拔和陡峭的山脊，珠穆朗玛峰成为许多登山者梦寐以求的挑战之一。每年都有数百名登山者前往珠穆朗玛峰尝试攀登，但由于极端的气候和高海拔带来的极大危险，很多人最终未能成功登顶。"""print(chat.choices[2].message.content)"""世界上最高的雪山是被称为珠穆朗玛峰，位于喜马拉雅山脉，是地球上海拔最高的山峰，也是登山爱好者们梦寐以求征服的目标。"""12345678910111213141516171819202122232425这里为了阅读方便，我手动对回复的内容进行了换行。以上就是参数n的作用，不过说实话，为了不浪费token，我们一般都会使用默认值1。生成图像再来看看如何生成图像。images=client.images.generate(#提示词prompt="帮我生成一张蕾姆的照片，她穿着婚纱站在教堂里",#模型，可选"dall-e-2"或"dall-e-3"model="dall-e-3",#同时生成多少张照片，默认为1n=1,#图像质量，可选"standard"或"hd"#"hd"更精细，但只支持dall-e-3quality="standard",#图片的响应格式，可选"url"或"b64_json"response_format="url",#图像大小，如果模型是dall-e-2，可选"256x256","512x512","1024x1024"#如果模型是dall-e-3，可选"1024x1024","1792x1024","1024x1792"size="1024x1024",#图像风格，可选"vivid"或"natural"，"vivid"更加超现实style="vivid",)print(images.data[0].url)"""返回的图片链接"""print(images.data[0].b64_json)"""因为response_format是url，所以b64_json为空"""print(images.data[0].dict())"""{"b64_json":None,"revised_prompt":"修正之后的提示词","url":"https://...."}"""1234567891011121314151617181920212223242526272829303132333435效果如下：感觉不太像啊，头发不应该是蓝色的吗？小结以上就是Python调用ChatGPT的相关内容，当然还有很多其它功能，比如生成图像之后，如果觉得不满意，可以在原有图像的基础上继续编辑。有兴趣可以自己了解一下。技术交流独学而无优则孤陋而寡闻，技术要学会交流、分享，不建议闭门造车。技术交流与答疑、源码获取，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。方式①、微信搜索公众号：Python学习与数据挖掘，后台回复：交流方式②、添加微信号：dkl88194，备注：交流