ChatGPT 插件开发

简介: 本教程旨在帮助您掌握ChatGPT API的基本使用方法,包括应用开发、代码分析、插件开发及专属领域模型应用等。通过学习,您将为未来的人工智能应用开发打下坚实基础。教程包含官方文档介绍、环境搭建步骤及Python示例代码,助您快速上手。请注意,API调用需收费,初始提供5美元免费额度。

学习目标

  1. 掌握 ChatGPT Api 的基本使用。
  • L1.ChatGPT 应用
  • L2.GPT 与代码分析结合
  • L3.AutoGPT 与 ChatGPT 插件开发【当前阶段】
  • L4.专属领域大语言模型应用
  • L5.打造企业私有版大语言模型

目录

  • 简介与官方文档
  • 环境准备
  • 示例

简介

环境准备

  • Python 环境:建议 3.10 以上。
  • openai 第三方库:pip install openai
  • 获取 Token: 获取 token 教程
  • 注意事项:API 调用是收费的,但是 OpenAI 已经为我们免费提供了 5 美元的用量。如果超出限额,需要及时充值。

请求示例


import openai

## 配置请求openai的基础url地址,默认是直接访问openai官方的API接口
## openai.api_base = 'https://api.openai.com/v1'
## 配置请求openai的API Key,需要拥有openai的账号,从账号管理中生成自己的API Key
openai.api_key = 'sk-xxx'

## 发送请求
response = openai.ChatCompletion.create(
    ## 指定请求模型
    model='gpt-3.5-turbo',
    ## 请求消息体,列表中支持多条消息,可以将旧消息作为维持上下文信息的数据一并传入本次请求
    messages=[
        {
   "role": "user", "content": "昨天是星期三,那明天是星期几?"},
    ]
)
answer = response['choices'][0]['message']['content']
print(answer)

完整响应示例


{
   
  "choices": [
    {
   
      "finish_reason": "stop",
      "index": 0,
      "message": {
   
        "content": "明天是星期四。",
        "role": "assistant"
      }
    }
  ],
  "created": 1693916326,
  "id": "chatcmpl-7vPJ0oJjgJZFuMdQHD5un3HnvQ0Nv",
  "model": "gpt-3.5-turbo-0613",
  "object": "chat.completion",
  "usage": {
   
    "completion_tokens": 7,
    "prompt_tokens": 25,
    "total_tokens": 32
  }

}
相关文章
|
6月前
|
机器学习/深度学习 自然语言处理 数据可视化
如何在 ChatGPT 上使用 Wolfram 插件回答数学问题
如何在 ChatGPT 上使用 Wolfram 插件回答数学问题
106 0
|
6月前
|
人工智能 自然语言处理 测试技术
使用 GPT4 和 ChatGPT 开发应用:第四章到第五章
使用 GPT4 和 ChatGPT 开发应用:第四章到第五章
170 0
|
6月前
|
人工智能 Oracle 关系型数据库
kettle开发-其实chatGPT一直在身边
kettle开发-其实chatGPT一直在身边
75 0
|
6月前
|
自然语言处理 安全 机器人
ChatGPT VS FuncGPT(慧函数),究竟是谁的开发效率高
你是否曾幻想过未来,不再需要由人类来完成代码工作,而是由机器自动编写?只需告诉机器一句话甚至一个词,它将完成所有编码、测试和运行等流程。
|
Linux Android开发 iOS开发
基于.Net开发的ChatGPT客户端,兼容Windows、IOS、安卓、MacOS、Linux
基于.Net开发的ChatGPT客户端,兼容Windows、IOS、安卓、MacOS、Linux
176 0
|
JavaScript 容器
和chatgpt学架构05-首页开发
和chatgpt学架构05-首页开发
|
14天前
|
人工智能 自然语言处理 自动驾驶
深入理解ChatGPT:下一代人工智能助手的开发与应用
【10月更文挑战第27天】本文深入探讨了ChatGPT的技术原理、开发技巧和应用场景,展示了其在语言理解和生成方面的强大能力。文章介绍了基于Transformer的架构、预训练与微调技术,以及如何定制化开发、确保安全性和支持多语言。通过实用工具如GPT-3 API和Fine-tuning as a Service,开发者可以轻松集成ChatGPT。未来,ChatGPT有望在智能家居、自动驾驶等领域发挥更大作用,推动人工智能技术的发展。
|
2月前
|
人工智能 自然语言处理 前端开发
基于ChatGPT开发人工智能服务平台
### 简介 ChatGPT 初期作为问答机器人,现已拓展出多种功能,如模拟面试及智能客服等。模拟面试功能涵盖个性化问题生成、实时反馈等;智能客服则提供全天候支持、多渠道服务等功能。借助人工智能技术,这些应用能显著提升面试准备效果及客户服务效率。 ### 智能平台的使用价值 通过自动化流程,帮助用户提升面试准备效果及提高客户服务效率。 ### 实现思路 1. **需求功能设计**:提问与接收回复。 2. **技术架构设计**:搭建整体框架。 3. **技术选型**:示例采用 `Flask + Template + HTML/CSS`。 4. **技术实现**:前端界面与后端服务实现。
|
2月前
|
存储 Linux 开发工具
如何进行Linux内核开发【ChatGPT】
如何进行Linux内核开发【ChatGPT】
|
3月前
|
机器学习/深度学习 人工智能 算法
为什么ChatGPT等AI大模型都是基于Python开发?
为什么ChatGPT等AI大模型都是基于Python开发?