原文：如何使用 Python 快速构建自己的 ChatGPT 聊天机器人
自从 OpenAI 推出 ChatGPT 以来，互联网一直没有停止对技术或人类未来的猜测。
ChatGPT 已成为一种革命性产品，有可能影响人类工作的几乎所有领域。
对于开发人员来说，集成这些 API 代表着创新的新前沿。
在本文中，我们将使用 Gradio 和 OpenAI ChatGPT 模型来快速构建我们自己的聊天机器人。
Gradio 基础介绍
Gradio 是一个用 Python 编写的开源工具。
Gradio 为机器学习开发人员提供了一种方便的方式来共享他们的模型。
它提供了一个简单、用户友好的 Web 界面，可以随时随地与每个人共享机器学习模型。
Gradio 的独特卖点是它不需要开发人员编写 Javascript、HTML 或 CSS 来构建 Web 界面。
为了构建 Web 应用程序，你需要熟悉 Gradio 的基本构建块。
「Gradio 允许你以两种方式设计 Web 应用程序：Interface 和 Block。」
Interface
它是一个高级类，可让你使用几行代码构建组件。
你可以为文本、图像、音频和视频构建输入/输出组件。
这具有较低的设计灵活性。
「Gradio 界面的一个简单示例。」
importgradioasgrdefsketch_recognition(img):pass#Implementyoursketchrecognitionmodelhere...gr.Interface(fn=sketch_recognition,inputs="sketchpad",outputs="label").launch()
这将创建一个简单的 Web 界面，其中有一个画板作为输入组件，一个标签作为输出组件。函数 sketch_recognition 负责结果。
Block
Gradio Block 提供了一种更底层的构建界面的方法。
「随着灵活性的提高，这使开发人员可以更深入地构建复杂的 Web 界面。」
Block 具有高级功能，「可让你将组件灵活地放置在屏幕上的任何位置、改进的数据流控制以及用于交互式用户体验的事件处理程序。」
importgradioasgrdefgreet(name):return"Hello"+name+"!"withgr.Blocks()asdemo:name=gr.Textbox(label="Name")output=gr.Textbox(label="OutputBox")greet_btn=gr.Button("Greet")greet_btn.click(fn=greet,inputs=name,outputs=output,api_name="greet")demo.launch()
获取 OpenAI 的 api key
在构建聊天界面之前，我们需要访问 OpenAI API .
因此，我们需要做的第一件事是创建一个 OpenAi 帐户并生成我们的 API key。
可以点击 /account/api-keys 来获取 api key。
让我们看一下 OpenAI API 的请求和响应结构。
下面是对 ChatGPT API 的典型请求示例，该请求用于获取响应。
importopenaiopenai.ChatCompletion.create(model="gpt-3.5-turbo",messages=[{"role":"system","content":"Youareahelpfulassistant."},{"role":"user","content":"Whowontheworldseriesin?"},{"role":"assistant","content":"TheLosAngelesDodgerswontheWorldSeriesin."},{"role":"user","content":"Wherewasitplayed?"}])
该消息是具有「各自角色及其内容的字典列表」。
预先配置系统角色为模型以特定方式运行提供一些上下文。
用户角色存储用户提示
助理角色保存来自模型的响应。
而这个消息列表负责维护对话的上下文。
如果你具有 API 访问权限，则模型参数可以设置为 “gpt-3.5-turbo” 或 “gpt-4”。
现在让我们看看我们的响应格式。
{'id':'chatcmpl-6p9XYPYSTTRi0xEviKjjilqrWU2Ve','object':'pletion','created':1677649420,'model':'gpt-3.5-turbo','usage':{'prompt_tokens':56,'completion_tokens':31,'total_tokens':87},'choices':[{'message':{'role':'assistant','content':'TheWorldSerieswasplayedinArlington,TexasattheGlobeLifeField.'},'finish_reason':'stop','index':0}]}
响应采用 JSON 格式。
构建 ChatGPT 聊天机器人
应用前端
我们将使用 Gradio 的 Blocks 类。 Gradio 有一个预构建的聊天机器人组件，可以呈现聊天界面。
withgr.Blocks()asdemo:chatbot=gr.Chatbot(value=[],elem_id="chatbot").style(height=650)
现在，我们需要一个文本框以便传递提示。
Gradio 具有 Row 和 Column 类，可让您垂直和水平添加组件。
我们将添加一个文本框组件，从最终用户那里获取文本输入。
withgr.Row():withgr.Column(scale=0.85):txt=gr.Textbox(show_label=False,placeholder="Entertextandpressenter",).style(container=False)
保存并重新加载页面。你将在聊天界面下方看到一个文本框。
使用 gr.Row() 容器，我们创建了一个布局块。这会为其他组件创建一行，使其水平放置在一行中。
在第 2 行中，我们使用 gr.Column() 在前一个容器中创建了另一个布局块。与 Row 不同的是，它垂直堆叠其他组件或块。
在列容器内，我们定义了一个文本框组件。这将接受用户的任何文本输入。我们可以配置一些参数以使其更加用户友好。
列容器内的 scale 参数对里面的组件进行缩放。值为 0.85 表示它将在单行中占据屏幕的 85%。
如果你希望添加任何其他组件，你可以使用 Row 和 Column 容器的组合来添加它们。
假设我们添加了一个单选按钮来在模型之间切换。这可以按如下方式完成。
withgr.Blocks()asdemo:radio=gr.Radio(value='gpt-3.5-turbo',choices=['gpt-3.5-turbo','gpt-4'],label='models')chatbot=gr.Chatbot(value=[],elem_id="chatbot").style(height=650)withgr.Row():withgr.Column(scale=0.70):txt=gr.Textbox(show_label=False,placeholder="Entertextandpressenter,oruploadanimage",).style(container=False)
到目前为止，我们已经创建好了应用的前端。
应用后端
这样，我们就成功地构建了 Web 应用程序的前端。
现在，剩下的部分就是让它运行起来。
我们需要做的第一件事是处理输入。
这里定义一个函数 add_text() , 此功能将负责以适当的方式格式化消息。
defadd_text(history,text):globalmessages#message[list]isdefinedgloballyhistory=history+[(text,'')]messages=messages+[{"role":'user','content':text}]returnhistory,""
这里， history 参数是元组的列表，text 是用户的输入。
接下来，定义一个返回响应的函数。
defgenerate_response(history,model):globalmessagesresponse=openai.ChatCompletion.create(model=model,messages=messages,temperature=0.2,)response_msg=response.choices[0].message.contentmessages=messages+[{"role":'assistant','content':response_msg}]forcharinresponse_msg:history[-1][1]+=char#time.sleep(0.05)yieldhistory
正如你在上面看到的，我们正在向 OpenAI API 发送模型名称、消息和温度值。
我们收到响应。最后的循环负责在接收到文本时按顺序呈现文本，以改善用户体验。
正如你在上面看到的，我们正在向 OpenAI API 端点发送模型名称、消息和温度值。我们收到响应。
该循环负责在接收到文本时按顺序呈现文本，以改善用户体验。
下面我们来添加当用户输入提交时，触发调用该方法。
withgr.Blocks()asdemo:radio=gr.Radio(value='gpt-3.5-turbo',choices=['gpt-3.5-turbo','gpt-4'],label='models')chatbot=gr.Chatbot(value=[],elem_id="chatbot").style(height=550)withgr.Row():withgr.Column(scale=0.90):txt=gr.Textbox(show_label=False,placeholder="Entertextandpressenter",).style(container=False)txt.submit(add_text,[chatbot,txt],[chatbot,txt],queue=False).then(generate_response,inputs=[chatbot,radio],outputs=chatbot,)demo.queue()
当用户提交文本时，它需要一个聊天机器人对象和提示作为输入。然后将其输出发送到聊天机器人组件。之后，将触发 generate_response 函数。这将在聊天机器人中按顺序呈现响应。
现在，聊天 Web 应用程序已准备就绪。
下面我们来看一下最终效果吧。（动画没有办法复制看原网址）
今天的分享就到这里。如果觉得不错，点赞，转发安排起来吧。
