File size: 3,405 Bytes
c198907 5120594 c198907 e4ea651 c198907 |
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 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 |
#!/usr/bin/env python
# coding: utf-8
# ## ChatGPT来了，更快的速度更低的价格
# In[ ]:
# In[ ]:
import openai
openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Who won the world series in 2020?"},
{"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},
{"role": "user", "content": "Where was it played?"}
]
)
import openai
import os
OPENAI_API_KEY=os.environ.get("OPENAI_API_KEY")
openai.api_key = OPENAI_API_KEY
# 封装了一个 Conversation 类
class Conversation:
# prompt 作为system 的 content，代表我们对这个聊天机器人的指令，
# num_of_round 代表每次向ChatGPT 发起请求的时候，保留过去几轮会话。
def __init__(self, prompt, num_of_round):
self.prompt = prompt
self.num_of_round = num_of_round
self.messages = []
self.messages.append({"role": "system", "content": self.prompt})
#输入是一个 string 类型的 question，返回结果也是 string 类型的一条 message。
# 每次调用 ask 函数，都会向 ChatGPT 发起一个请求
# 在这个请求里，我们都会把最新的问题拼接到整个对话数组的最后，而在得到 ChatGPT 的回答之后也会把回答拼接上去。
def ask(self, question):
try:
self.messages.append( {"role": "user", "content": question})
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=self.messages,
temperature=0.5,
max_tokens=2048,
top_p=1,
)
except Exception as e:
print(e)
return e
message = response["choices"][0]["message"]["content"]
self.messages.append({"role": "assistant", "content": message})
# 回答完之后，发现会话的轮数超过我们设置的 num_of_round，我们就去掉最前面的一轮会话
if len(self.messages) > self.num_of_round*2 + 1:
del self.messages[1:3]
return message
import gradio as gr
prompt = """你是一个中国厨师，用中文回答做菜的问题。你的回答需要满足以下要求:
1. 你的回答必须是中文
2. 回答限制在100个字以内"""
# 定义好了 system 这个系统角色的提示语，创建了一个 Conversation 对象。
conv = Conversation(prompt, 5)
# 通过 history 维护了整个会话的历史记录
def predict(input, history=[]):
history.append(input)
response = conv.ask(input)
history.append(response)
# 通过 responses，将用户和 AI 的对话分组
responses = [(u,b) for u,b in zip(history[::2], history[1::2])]
return responses, history
# 最后，我们通过一段 with 代码，创建了对应的聊天界面。Gradio 提供了一个现成的Chatbot 组件，我们只需要调用它，然后提供一个文本输入框就好了。
with gr.Blocks(css="#chatbot{height:350px} .overflow-y-auto{height:500px}") as demo:
chatbot = gr.Chatbot(elem_id="chatbot")
state = gr.State([])
with gr.Row():
txt = gr.Textbox(show_label=False, placeholder="Enter text and press enter")
txt.submit(predict, [txt, state], [chatbot, state])
demo.launch()
# In[ ]:
|