#!/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[ ]: