热门丨Python+ChatGPT如何实现自己的聊天机器人?
上一篇 / 下一篇 2023-03-22 17:01:50 / 个人分类:人工智能
最近火出圈的ChatGPT公司OpenAI发布了Chat API和gpt-3.5-turbo模型,我们现在可以通过API来使用与ChatGPT一样的NLP模型。加我VX:atstudy-js 回复“测试”,进入 自动化测试学习交流群~~
使用OpenAI API,可以使用gpt-3.5-turbo构建自己的应用程序,可执行以下任务:
草拟电子邮件或其他文字内容写代码,例如Python代码
创建对话代理,回答各类问题
为您的软件提供自然语言界面
在各种学科中进行辅导
翻译语言
为视频游戏模拟角色等
待发掘的各种应用场景……
下面用Python来讲解如何使用openai python SDK实现自己的聊天机器人。如果你之前使用过openai python SDK,请确保升级到了最新版本(0.27.0),如果还没有安装Python运行环境,请先安装python 3.10。
获取API Key
你需要获取API Key,如果你已经使用过openai SDK那么你可能已经有API Key了(这种情况请跳过本节内容)。
登录https://platform.openai.com/并导航到https://platform.openai.com/account/api-keys点击Create new secret key按钮可以获取一个新的API Key。
注意:API Key内容只会显示一次。点击复制按钮把API Key复制并保存好。
创建API
用FastAPI快速创建一个API,它的接口定义如下:
POST/chatbot/talk
Request Body:
{
“message”:"你好!"
}
Response:
{
“content”:“bot response message”
}
首先,你需要安装FastAPI和OpenAI SDK,可以通过以下命令在命令行中安装它们:
pip install fastapi uvicorn openai
为了演示方便,此处简化了一些最佳实践,下面是一个最基本的FastAPI服务实现,文件保存在main\app.py文件中。
import openai
from typing import List
from fastapi import FastAPI
from pydantic import BaseModel
from starlette.middleware.cors import CORSMiddleware
history=[]
app=FastAPI()
app.add_middleware(
CORSMiddleware,
allow_origins=["*"],
allow_credentials=True,
allow_methods=["HEAD","OPTIONS","GET","PUT","PATCH","POST","DELETE"],
allow_headers=["*"],
max_age=86400
)
openai.api_key="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"
class TalkRequest(BaseModel):
message:str
@app.post("/chatbot/talk")
async def chatbot_talk(user_input:TalkRequest):
if not history:
history.append({"role":"system","content":"You are a helpful assistant."})
history.append({"role":"user","content":user_input.message.strip()})
response=await openai.ChatCompletion.acreate(
model="gpt-3.5-turbo",
messages=history)
bot_response=response.choices[0].message
history.append(bot_response)
return bot_response
现在只需创建一个run.py文件来启动FastAPI服务。
import uvicorn
from main.app import app
if__name__=='__main__':
uvicorn.run(
app=app,
host="127.0.0.1",
port=8080,
use_colors=True,
log_level="debug"
)
接下来运行run.py。
在浏览器中打开http://127.0.0.1:8080/docs即可看到Swagger界面已经加载并显示出我们的Talk API,如下图所示:
点击Try it out,在message里填入一个句子,例如我们这里输入的”你好”,点击Execute按钮。如果没有问题应该能得到下面的响应结果:
OK,到这里我们的后台服务就已经准备好了。
UI界面
接下来我们做一个基于VUE的UI界面来实现聊天窗口。要实现基于VUE的聊天界面,需要执行以下步骤:
在Vue项目中创建一个聊天组件,例如Chat.vue。
在Chat.vue中添加一个文本框和一个发送按钮,用于向聊天机器人发送消息。
使用VUE的数据绑定功能,将文本框的值绑定到一个名为message的Vue组件数据属性。
在发送按钮上添加一个点击事件,该事件将调用一个发送消息的方法,该方法将使用Axios(或其他HTTP库)将消息POST到聊天机器人API。
在发送成功后,使用Axios响应中的数据更新Vue组件数据属性的值,以显示聊天机器人的响应消息。
下面是一个示例Chat.vue文件的基本代码:
<template>
<div>
<div v-for="(message,index)in messages":key="index">
<div v-if="message.isBot">{{message.content}}</div>
<div v-else>{{message.content}}</div>
</div>
<input v-model="message"type="text"placeholder="Type your message here...">
<button@click="sendMessage">Send</button>
</div>
</template>
<script>
import axios from'axios'
export default{
name:“ChatView”,
data(){
return{
message:'',
messages:[],
}
},
methods:{
async sendMessage(){
const url='http://127.0.0.1:8080/chatbot/talk'
const data={message:this.message}
const response=await axios.post(url,data)
this.messages.push({content:this.message,isBot:false})
this.messages.push({content:response.data.content,isBot:true})
this.message=''
},
},
}
</script>
在这个示例中,messages是一个数组,它用于存储聊天记录。
sendMessage方法将新消息添加到messages数组中,并使用Axios发送消息并更新响应的数据属性。
最后,它清空了message数据属性,以便用户可以输入下一个消息。
在模板中,我们使用v-for循环遍历messages数组,并根据isBot数据属性来判断消息是用户的消息还是聊天机器人的消息。
运行
最后,要在浏览器中运行Vue应用程序,需要执行以下步骤。
注意:确保已经安装了Node.js和npm,这将使我们能够使用Vue的命令行工具来创建和管理的项目。
(1)打开命令行终端,导航到项目目录,并使用以下命令安装:
npm install-g cnpm--registry=https://registry.npmmirror.com
cnpm install-g@vue/cli
(2)使用以下命令创建一个新的Vue项目:
vue create my-chat-app
这将提示选择一些选项来配置我们的项目,例如要使用哪个包管理器,要使用哪些插件等等。
可以根据需求进行选择,稍等片刻项目即可创建成功,如下图所示:
(3)进入my-chat-app目录,安装Axios,可以使用以下命令:
cnpm install axios--save
打开创建的项目文件夹,将Chat.vue组件添加到src/components文件夹中。
打开src/App.vue文件,并将以下代码添加到模板中:
<template>
<div>
<Chat/>
</div>
</template>
<script>
import Chat from'./components/Chat.vue'
export default{
name:'App',
components:{
Chat,
},
}
</script>
这将把Chat组件添加到App.vue模板中,以便您可以在浏览器中查看聊天界面。
(4)在命令行终端中运行以下命令启动开发服务器:
pm run serve
如上图所示,Web Server已经启动完毕,用浏览器打开http://localhost:8081/可以看到一个基本的聊天窗口,当然这里只有一个简单的示例来展示基本操作:
最后:
添加微信:atstudy-js 或者扫描下方二维码,备注“博客”邀请你进入Python自动化测试学习交流群~
TAG: