指挥chatgpt写一个调用自己api并回复问题的shiny程序

自从chatgpt开放了gpt-3.5-turbo的API后,调用API的成本大大降低,今天使用网页版chatgpt写一个调用gpt-3.5-turbo进行聊天的shiny程序。成品shiny代码如下:

# 加载必要的包和库
library(shiny)
library(openssl)
library(openai)
library(httr)
library(jsonlite)
library(htmltools)
library(markdown)
Sys.setenv("OPENAI_API_KEY"="你自己的API")
set_config(use_proxy(url="代理服务器ip或者是开了代理服务器的本地ip", port="代理服务器提供的sock端口"))

# 使用 Shiny 库构建用户界面
ui <- fluidPage(
  titlePanel("ChatGPT"),
  sidebarLayout(
    sidebarPanel(
      div(
        tags$textarea(
          id = "message", 
          class = "form-control",
          rows = 2,
          maxlength = 5000,
          onkeypress = "if (event.keyCode == 13) { event.preventDefault(); $('#send').click(); }",
          placeholder = "Type here..."),
        style = "width:100%;"
      ),
      actionButton("send", "Send"),
      actionButton("clear", "Clear")
    ),
    mainPanel(
      uiOutput("chat_history")
    )
  )
)


# 定义服务器逻辑
server <- function(input, output) {
  response_finally <- reactiveValues(chat_history = data.frame(
    timestamp = character(),
    role = character(),
    content = character()
  ))
  
  send_message <- function() {
    new_message <- list(
      list(
        "role" = "user",
        "content" = input$message
      )
    )
    # 加入缓冲提示
    showNotification(id = "wait","正在等待API响应...", type = "error", duration = NULL)
    response <- create_chat_completion(messages = new_message,model = "gpt-3.5-turbo")$choices$message.content
    # 移除缓冲提示
    removeNotification(id = "wait")
    timestamp <- format(Sys.time(), "%Y-%m-%d %H:%M:%S")
    role <- "ChatGPT"
    content <- response
    new_row <- data.frame(timestamp, role, content, stringsAsFactors = FALSE)
    response_finally$chat_history <- rbind(response_finally$chat_history, new_row)
  }
  
  observeEvent(input$send, {
    send_message()
  })
  
  
  observeEvent(input$message, {
    if (nchar(input$message) >= 50) {
      send_message()
      updateTextInput(session, "message", "")
    }
  })
  
  observeEvent(input$clear, {
    response_finally$chat_history <- data.frame(
      timestamp = character(),
      role = character(),
      content = character(),
      stringsAsFactors = FALSE
    )
  })
  
  output$chat_history <- renderUI({
    chat_md <- apply(response_finally$chat_history, 1, function(row) {
      content <- row["content"]
      
      # 生成Markdown输出
      paste0("**[", row["timestamp"], "] ", row["role"], ":** ", content, "\n\n")
    })
    
    chat_html <- markdownToHTML(paste(chat_md, collapse = ""))
    HTML(chat_html)
  })
}

# 运行 Shiny 应用
shinyApp(ui = ui, server = server)
image.png
最后编辑于
©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 218,525评论 6 507
  • 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 93,203评论 3 395
  • 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 164,862评论 0 354
  • 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 58,728评论 1 294
  • 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 67,743评论 6 392
  • 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 51,590评论 1 305
  • 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 40,330评论 3 418
  • 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 39,244评论 0 276
  • 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 45,693评论 1 314
  • 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 37,885评论 3 336
  • 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 40,001评论 1 348
  • 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 35,723评论 5 346
  • 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 41,343评论 3 330
  • 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 31,919评论 0 22
  • 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 33,042评论 1 270
  • 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 48,191评论 3 370
  • 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 44,955评论 2 355

推荐阅读更多精彩内容