拥抱AI大模型之美,帮你探索OpenAI大语言模型的能力(基础实战篇)_使用api或sdk连接到localai大模型

说明:本文主要是通过一些小的案例,让你体验一下OpenAI提供的一些API,如果你连ChatGPT和OpenAI是什么都不知道,那么这篇文章可能不适合你,你可以划走了.

环境准备:

01.准备账号和APIKey

首先要注册一个ChatGPT账号,账号注册完成之后，打开地址:

https://platform.openai.com/account/api-keys.

然后点击 “API Keys”，就会进入一个管理 API Keys 的页面,继续点击你点击下面的 “+Create new secret key” 可以创建一个新的 API Key。

输入key的名称,随便起个名字,然后点击create key

生成API key 并保存

02.保证你的账户有充足的余额

登录你的ChatGPT账号,打开地址查看:https://platform.openai.com/account/usage

默认新注册的用户赠送5美金,没有余额的自己要想办法啦

03.开发环境搭建

你需要有一台可以访问ChatGPT的服务器,或者可以科学的上网并且成功访问到ChatGPT的工具.

具备这些条件之后,我们开始安装conda

介绍:Conda是一个开源的包管理工具和虚拟环境管理工具，可以在不同的平台上（如Windows、Linux和macOS）安装和管理不同版本的软件包和Python环境。Conda可以创建、导出、共享、修改和删除不同的环境，每个环境都可以安装不同版本的软件包和Python解释器。这使得在同一系统上同时使用不同版本的软件和Python环境变得容易，可以避免因不同版本的依赖冲突而导致的问题。

安装Conda:

首先去官网地址下载:https://docs.conda.io/en/latest/miniconda.html

选择你自己的平台下载

具体安装教程省略,可以参考我之前写的如下:

linux 安装教程地址:https://blog.csdn.net/weixin_44621343/article/details/126005530

Windows安装教程:https://blog.csdn.net/weixin_44621343/article/details/120168347

04.创建虚拟环境和安装OpenAI包

安装好以后创建一个虚拟环境

conda create --name py310 python=3.10 
1

激活虚拟环境

conda activate py310
1

安装 openai 包

conda install -c conda-forge openai
1

一.测试体验OpenAI的API

尝试运行下面的代码,将api_key替换为你的

import openai
import os
api_key='你的api_key'
openai.api_key = api_key

COMPLETION_MODEL = "text-davinci-003" # text-davinci-003 是 OpenAI GPT-3 语言模型的一个变体，它是目前最先进的自然语言处理模型之一。它可以用于生成文本、回答问题、翻译语言、摘要提取和对话生成等任务，具有非常高的语言理解和生成能力。


prompt = """
思考问题 : 外响mp3学生随身听纯色运动插卡播放器带无屏内存卡全套批发礼品

1.在 20 个单词以内撰写淘宝上使用的人类阅读产品标题。
2.为淘宝上的产品写下5个卖点。
3.评估此产品在中国的价格范围

以 json 格式输出结果，其中包含三个属性，分别称为title、selling_points 和 price_range ,
"""

def get_response(prompt):
    """
    """
    try:
        # 调用了openai.Completion.create方法来请求OpenAI的API生成一个文本提示的响应
        completions = openai.Completion.create (
        engine=COMPLETION_MODEL, # 用于生成响应的OpenAI模型的名称或ID
        prompt=prompt,           # 请求生成响应的文本提示
        max_tokens=512,          # 请求生成的响应最大令牌数
        n=1,                     # 请求生成的响应数
        stop=None,               # 响应中的停止标记。当生成的响应中包含此字符串时，响应将被截断
        temperature=0.8,         # 控制生成的响应的创造性和多样性的值。  
    )
        message = completions.choices[0].text
    except Exception as e:
        print(e)
        message ="出错了,请求频率过高,API-Key无效,网络出现问题或者余额不足!"
    return message
response = get_response(prompt)
print(response)
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

如果没有问题的话运行处的结果如下:

{ 
    "title":"外响MP3学生随身听无屏内存播放器全套礼品", 
    "selling_points":["轻薄纯色设计","支持MP3音频播放","运动时无线自由插卡","内置大容量内存卡","支持多种文件格式"], 
    "price_range":"40-80元"
}
1
2
3
4
5

到这里,你已经学会调用OpenAI的API了

在上面的例子中,你有没有发现,你并没有指定输出中文,但是它根据的语意输出了中文,这是因为它能理解你的语义去生成文本

根据我们的要求把我们想要的结果，通过一个 JSON 结构化地返回给我们,还把卖点放在一个列表里面,非常的贴心

我们再来一个例子,

prompt = """
Tengger adaptation of the wings of angels, Zhang Fei think it is very good to hear

请将上面这句话的人名提取出来，并用json的方式展示出来
"""
response = get_response(prompt)
print(response)
1
2
3
4
5
6
7

输入结果为:

[
  {
    "name": "Tengger"
  },
  {
    "name": "Zhang Fei"
  }
]
1
2
3
4
5
6
7
8

可以看到,它能够准确的识别到人名,是不是有点激动,这里我们用到了机器学习的命名体识别

二.利用Embedding 接口,20 行代码帮你做情感分析

通过大语言模型来进行情感分析，官方提供了Embedding 这个 API。这个 API 可以把任何你指定的一段文本，变成一个大语言模型下的向量，也就是用一组固定长度的参数来代表任何一段文本。

这里我们以顾客的好评和差评为例,在这个方法分析一下两条在淘宝上购买了 MacBook Pro 用户的评论

首先试着运行下面的代码

import openai
from openai.embeddings_utils import cosine_similarity, get_embedding
OPENAI_API_KEY = '你的APIKey'
openai.api_key = OPENAI_API_KEY
EMBEDDING_MODEL = "text-embedding-ada-002"

positive_review = get_embedding("好评")
negative_review = get_embedding("差评")

positive_example = get_embedding("音质超级棒         本文内容由网友自发贡献，转载请注明出处：【wpsshop博客】