GPT3.5接口调用方法主要包括openai安装、api_requestor.py替换、接口调用、示例程序说明四个部分。
1 openai安装
Python openai库可直接通过pip install openai安装。如果已经安装openai,但是后续提示找不到ChatCompletion,那么请使用命令“pip install -U openai”来升级openai。
2 api_requestor.py替换
Python openai安装完成之后,会产生api_requestor.py文件,文件位于python环境库文件目录下“site-packages\openai\api_requestor.py”,如下所示。将该文件进行替换,在公众号乐乐感知学堂中回复api35即可获得用来替换的文件。
Windows:
C:\ProgramData\Anaconda3\Lib\site-packages\openai\api_requestor.py
或
C:\ProgramData\Anaconda3\envs\xxx\lib\site-packages\openai\api_requestor.py
Linux:
/root/miniconda3/lib/pythonxx/site-packages/openaiapi_requestor.py
或
/root/miniconda3/envs/xxx/lib/pythonxx/site-packages/openaiapi_requestor.py
将该文件进行替换,在公众号乐乐感知学堂中回复api35即可获得用来替换的文件。
3 接口调用说明
接口调用方式不变,与openai自身调用方式一致。输入主要有7个参数。
(1)model:模型名称,gpt-3.5-turbo或gpt-3.5-turbo-0301
(2)messages:问题或待补全内容,下面重点介绍。
(3)temperature:控制结果随机性,0.0表示结果固定,随机性大可以设置为0.9。
(4)max_tokens:最大返回字数(包括问题和答案),通常汉字占两个token。假设设置成100,如果prompt问题中有40个汉字,那么返回结果中最多包括10个汉字。ChatGPT API允许的最大token数量为4096,即max_tokens最大设置为4096减去问题的token数量。
(5)top_p:设置为1即可。
(6)frequency_penalty:设置为0即可。
(7)presence_penalty:设置为0即可。
(8)stream:控制连续输出或完整输出。
需要注意,上述输入参数增加stream,即是否采用控制流的方式输出。
如果stream取值为False,那么完全返回全部文字结果,可通过response.choices[0].delta['content']进行读取。但是,字数越多,等待返回时间越长,时间可参考控制流读出时的4字/每秒。如果steam取值为True时,那么返回结果是一个Python generator,需要通过迭代获取结果,平均大约每秒钟4个字(33秒134字,39秒157字)。读取程序如下所示.
4 message
messages字段组成部分包括角色role和content问题两个部分组成,如下所示:
model="gpt-3.5-turbo",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Who won the world series in 2020?"},
{"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},
{"role": "user", "content": "Where was it played?"}
]
在gpt-3.5-turbo模型中,角色role包含system系统、assistant助手和用户user三种类型。System角色相当于告诉ChatGPT具体以何种角色回答问题,需要在content中指明具体的角色和问题内容。而gpt-3.5-turbo-0301主要区别在于更加关注问题内容,而不会特别关注具体的角色部分。gpt-3.5-turbo-0301模型有效期到6月1日,而gpt-3.5-turbo会持续更新。
assistant助手和用户user则相当于已经指明了角色,content直接写入关注的问题即可。
5 示例程序
(1)stream = False
import openai
def openai_reply(content, apikey):
openai.api_key = apikey
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo-0301",#gpt-3.5-turbo-0301
messages=[
{"role": "user", "content": content}
],
temperature=0.5,
max_tokens=1000,
top_p=1,
frequency_penalty=0,
presence_penalty=0,
)
# print(response)
return response.choices[0].message.content
if __name__ == '__main__':
content = '你是谁?'
ans = openai_reply(content, '你的APIKEY')
print(ans)
(2)stream = True
import time
import openai
openai.api_key = "你的APIKEY"
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[
{"role": "user", "content": 'how are you'}
],
temperature=0,
max_tokens=1000,
stream=True,
top_p=1,
frequency_penalty=0,
presence_penalty=0,
user='RdFast智能创作机器人小程序'
)
print(response)
print('response["choices"][0]["text"]结果如下所示:')
ans = ''
for r in response:
if 'content' in r.choices[0].delta:
ans += r.choices[0].delta['content']
print(ans)
print(ans)
3 API调用效果
本文转载自: https://blog.csdn.net/suiyingy/article/details/129756347
版权归原作者 Coding的叶子 所有, 如有侵权,请联系我们删除。
版权归原作者 Coding的叶子 所有, 如有侵权,请联系我们删除。