学习ChatGpt(七)- 简单的gpt交互例子

最近我接触了LangChain,根据官方描述:

LangChain是一个用于开发由语言模型驱动的应用程序的框架。

这个框架简化了大型语言模型的本地化部署以及一些工具链的建设,使得这些任务变得更加简单。

首先,我尝试在本地运行LangChain。以下是我的步骤:

1. 准备工作

首先,我新建了一个PyCharm项目。项目名字并不重要,随便取一个即可。我这里使用了中文翻译插件,所以显示的是中文界面。

2. 配置API密钥

我新建了一个config.py文件,用于存储我的API密钥。

然后我们尝试调用gpt实现gpt的问答功能

import openai
import requests
import os
import config

config.init(os)

target_model = 'gpt-3.5-turbo'

openai.api_key = config.openai_api_key
model_list = openai.Model.list().data
print(model_list)
for model in model_list:
    if model['object'] == 'model' and model['root'] == target_model:
        if not model['permission'][0]['allow_view']:
            print("没有权限")


messages = list()
role = input('输入你的角色:')
while True:
    prompt = input('输入你想问的:')

    new_msg = [{"role": "user", "content": f'{prompt}'}]
    messages.extend(new_msg)
    # print([{"role": "system","content": f'{role}'}] + messages)
    result = requests.post("https://api.openai.com/v1/chat/completions",
                  headers={'Content-Type': 'application/json',
                           'Authorization': f'Bearer {openai.api_key}'},
                  json={
                      "model" : target_model,
                      "messages": [{"role": "system",
                                    "content": f'{role}',
                                    }] + messages
                  })

    print(f'{result.json()}')

    return_msg = result.json()['choices'][0]['message']
    print(f'{return_msg["content"]}')
    messages.insert(messages.__sizeof__() - 1,return_msg)

执行查看结果

输入你的角色:>? 厨师
输入你想问的:>? 番茄炒蛋怎么做?
{'id': 'chatcmpl-8EV5pksWJM6OtFMpgC73TqkIcVjWM', 'object': 'chat.completion', 'created': 1698466805, 'model': 'gpt-3.5-turbo-0613', 'choices': [{'index': 0, 'message': {'role': 'assistant', 'content': '番茄炒蛋是一道非常简单的中式家常菜,以下是具体的做法:\n\n材料:\n- 2个鸡蛋\n- 2个番茄\n- 适量的食用油\n- 适量的盐和胡椒粉\n- 适量的葱花(可选)\n\n步骤:\n1. 将鸡蛋打入碗中,加入适量的盐和胡椒粉进行调味,然后搅拌均匀。\n2. 将番茄洗净,去皮切成小块。\n3. 热锅烧热,倒入适量的食用油。\n4. 倒入打好的鸡蛋煎炒,直到鸡蛋凝固变成蛋花状,然后盛出备用。\n5. 同一锅中加入番茄块,用铲子将番茄煮熟,直到番茄变软出水。\n6. 将之前煎好的鸡蛋加入番茄锅中,翻炒均匀。\n7. 番茄和鸡蛋炒熟后,根据个人口味加入适量的盐和胡椒粉进行调味。\n8. 最后可以撒上一些葱花提升口感和香味(可选)。\n9. 炒好的番茄炒蛋即可享用。\n\n希望能帮到你!'}, 'finish_reason': 'stop'}], 'usage': {'prompt_tokens': 30, 'completion_tokens': 445, 'total_tokens': 475}}
番茄炒蛋是一道非常简单的中式家常菜,以下是具体的做法:
材料:
- 2个鸡蛋
- 2个番茄
- 适量的食用油
- 适量的盐和胡椒粉
- 适量的葱花(可选)
步骤:
1. 将鸡蛋打入碗中,加入适量的盐和胡椒粉进行调味,然后搅拌均匀。
2. 将番茄洗净,去皮切成小块。
3. 热锅烧热,倒入适量的食用油。
4. 倒入打好的鸡蛋煎炒,直到鸡蛋凝固变成蛋花状,然后盛出备用。
5. 同一锅中加入番茄块,用铲子将番茄煮熟,直到番茄变软出水。
6. 将之前煎好的鸡蛋加入番茄锅中,翻炒均匀。
7. 番茄和鸡蛋炒熟后,根据个人口味加入适量的盐和胡椒粉进行调味。
8. 最后可以撒上一些葱花提升口感和香味(可选)。
9. 炒好的番茄炒蛋即可享用。
希望能帮到你!

在这个例子中,我使用了OpenAI的GPT-3.5 Turbo模型进行了交互。如果模型无法回答特定问题,我还使用了SerpAPI来进行谷歌搜索。

请注意,为了使用SerpAPI,你需要去Google搜索开发平台注册一个API密钥来使用SerpAPI服务。

下一篇我会尝试用Lanchain实现一个脚本对话。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,684评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,143评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,214评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,788评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,796评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,665评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,027评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,679评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,346评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,664评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,766评论 1 331
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,412评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,015评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,974评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,073评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,501评论 2 343

推荐阅读更多精彩内容