Django集成OpenAI

通过前面 django 框架的基本开发知识，我们现在可以开始在 django 上做稍微深一点当然应用开发了。

这一章开始编写怎么集成调用 openai ，设置环境以及 openai 的基础知识。

大家都知道 ai 的多模态逐渐扩大，各种应用层出不穷，不管是做图片多媒体，知识库，还是 ai 助手，都逃不开使用大模型，我们最后的任务都要交给大模型。

这一篇我们就开始大模型最基础的调用，文章里面选择的是 openai 的 GPT-3 和 GPT-3.5 模型。

一 、引入配置文件

安装 python-decouple ，这是一个用于管理项目配置的 python 包。

它允许我们将所有配置项从代码中分离出来，并且支持从  .env 文件中读取配置。

pip install python-decouple

可以看到下面运行情况，安装成功：

然后进入我们 testsite 的根目录，新建 .env 文件，添加下列配置项，它就是我们所需要的 openai 的 key ，这里需要进入 openai 的官网获取：

OPENAI_API_KEY = 'openai-api-key'

再打开我们的 testsite/testsite/setting.py 文件，添加下列代码:

from decouple import config
# 基础设置
DEBUG = config('DEBUG', default=False, cast=bool)
OPENAI_API_KEY = config('OPENAI_API_KEY')

env文件里的配置项就加载成功，想要调用它直接 settings.OPENAI_API_KEY 就可以，注意引入 setting 文件。

二、集成OpenAI到应用里面

在我们调用 openai 接口之前，我们先修改一下我们的 question 模型，好做数据持久化，打开 testsite/members/model.py 文件，将 Question 添加 answer_text 字段：

class Question(models.Model):
    question_text = models.CharField(max_length=200)
    answer_text = models.CharField(max_length=200, default="")
    pub_date = models.DateTimeField('date published')

由于模型改变，需要更新数据库迁移文件：

py manage.py makemigrations

执行数据库迁移：

py manage.py migrate

这个时候可以看到我们数据库多了一个字段 answer_text：

开始安装 openai 的库：

pip install --upgrade openai

得到下面的输出：

准备工作到此完成，接下来我们开始新增调用大模型的视图。

打开 testsite/members/views.py 文件，添加下列视图方法：

import openai
from django.views.decorators.csrf import csrf_exempt
from django.conf import settings
# 设置OpenAI API的密钥
openai.api_key = settings.OPENAI_API_KEY
from django.http import JsonResponse
from django.views.decorators.http import require_http_methods
@require_http_methods(["POST"])
@csrf_exempt
def generate_gpt3_text(request):
    message = request.POST.get('message')
    client = OpenAI()
    response = client.chat.completions.create(
        model="gpt-3.5-turbo",  # 使用最新的模型名称，例如 "gpt-3.5-turbo"
        messages=[
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": message}
        ],
        max_tokens=100,
        n=1,
        stop=None,
        temperature=0.5,
    )
    # 示例：直接在视图中创建并保存Question对象
    new_question = Question(question_text=message, answer_text=response['choices'][0]['text'],
                            pub_date=timezone.now())
    new_question.save()
    return JsonResponse({'response': response['choices'][0]['text']})

我们来详细讲解一下上面代码，通过 openai.api_key = settings.OPENAI_API_KEY 设置 openai 的 key

我们前面在 .env 文件里配置好了的，再在视图方法里通过 openai.Completion.create 调用接口，response['choices'][0]['text'] 是模型返回的答案，最后执行 Question 保存。

看到 @csrf_exempt 这一行了吗，由于 django 默认开启 CSRF token 中间件，我们在开发环境，可以给我们需要调试的方法上面添加 @csrf_exempt ，我们就可以为特定的视图禁用 CSRF 检查，而不是整个应用。

调用我们的 http://127.0.0.1:8000/polls/chat/ 接口：

再打开我们的数据库，可以看到结果：

在这里可能大家对 openai 的接口比较陌生，我这里详细整理了一下。

• model ：指的是我们需要选择的模型，这里可以是 gpt-3.5-turbo 或者 gpt4 ，在更新的 API 中，model 参数被用来取代 engine ，以指定要使用的模型名称。model 代表的是具体的模型版本 。
  
• messages ：是我们输入消息，在这篇文中它是一个模板，构造用户与系统角色的提示模板。
  
• max_tokens ：是模型给我们返回相应的最大 token 数量。
  
• n ：是生成的响应数量。模型生成多条响应，可以用于比较和选择最佳结果。
  
• stop ：是一个可选的字符串或字符串数组，用于指示模型生成何时应该停止。通常用于控制生成的结束。
  
• temperature ：控制生成文本的随机性。值越高（最大为 1），输出越随机；值越低，输出越确定。
  

通过调整这些参数，你可以更好地控制模型的生成行为，满足不同的应用需求。

三、总结

总的来说调用 openai 还是很简单，到现在为止，关于 django 的功能文章体现的都是很基础的功能，我们熟悉完之后，还要结合文档来进行深一步优化，还有各种中间件的集成。

这篇集成 openai 其实是很入门的 demo ，只是为了大家能够对 openai 有个基础的认识。

现在以 ai 作为主流的大环境下面，通义千问，文心一言，kimi包括本地 ollama 等模型的流行，是我们做应用避不开的话题，后面我也会逐一说明。