30行代码玩转ChatGPT接口，轻松部署聊天应用不是梦!_gradio 调用chatgpt接口

介绍:

本文将通过分析一个仅仅使用了30行代码的示例代码，来揭示如何用ChatGPT接口快速打造聊天应用。

引用库:

pip install gradio # https://www.gradio.app/
1

代码示例及详细注释:

import json
import requests
import gradio as gr # 导入Gradio库，它是一个用于创建交互式UI的工具，可以与机器学习模型一起使用。

# gradio需要message和istory参数,具体请参考https://www.gradio.app/
def chat_gpt3_stream(message, history):
    url = "https://api.openai.com/v1/chat/completions"
    
	# 构建一个消息列表message_build，该列表包含历史记录中的用户输入（u）和助手响应（a）。
    message_build = []
    for u, a in history:
        message_build.append({'role': 'user', 'content': u})
        message_build.append({'role': 'assistant', 'content': a})
    message_build.append({'role': 'user', 'content': message})

    payload = json.dumps(
        {
            "model": "gpt-3.5-turbo",
            "messages": message_build,
            "stream": True # 使用流式传输
        }
    )
    headers = {
        'Content-Type': 'application/json',
        "Authorization": "Bearer sk-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX" # 你的token
    }
	# 将消息列表和其他参数（模型名称和流模式）打包成JSON数据，设置请求头，然后使用POST请求发送到OpenAI API。
    response = requests.post(url, headers=headers, data=payload, stream=True)
    ret = ''
    # 从API响应中读取并解码每一行输出，然后将其添加到ret变量中。
    for line in response.iter_lines():
        if line and line != b'data: [DONE]':
            content = json.loads(line[5:].decode('utf-8'))['choices'][0]['delta'].get('content')
            if content:
              ret += content
              yield ret # 使用生成器返回ret变量中的内容。


if __name__ == '__main__':
	# 创建一个Gradio聊天接口，将chat_gpt3_stream函数作为后端，并启动它。
	# 通过设置share=True来公开访问这个队列，使得任何人都可以与聊天机器人交互。
    gr.ChatInterface(chat_gpt3_stream).queue().launch(share=True)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43

运行结果:

总结:

在这篇博客中，我们通过分析一个仅仅使用了30行代码的示例代码，揭示了如何用ChatGPT接口快速打造聊天应用。我们一起探讨了代码的实现原理和所使用的技术。然后，我们通过展示代码的执行效果和运行结果，让读者了解了代码在实际应用中的表现。

通过这篇博客，我们希望能够为那些想要快速打造聊天应用的读者提供一定程度的指导，帮助他们在最短时间内实现自己的目标。同时，我们也希望这篇博客能够激发读者对自然语言处理和聊天应用的兴趣，进一步探索相关领域的技术和应用。

最后，我们鼓励读者尝试使用这个代码来快速部署自己的聊天应用，并通过不断地实践和学习来不断提高自己的技术水平。同时，我们也欢迎读者对我们的代码进行改进和扩展，共同探索更加优秀的实现方式。让我们一起在自然语言处理和聊天应用的领域中不断前行！

另外: 如果您没有openai的key,请关注我,我接下来会给出使用百度等其他大模型的解决方案.