如何用 PYTHON 创建 CHATGPT 克隆机器人
在本文中，我们将了解使用 ChatGPT API 和 gradio 在 Python 中构建聊天应用程序和应答机器人所涉及的步骤。
使用 Python 开发聊天应用程序可以为 ChatGPT 网站提供更多控制和灵活性。您可以根据需要自定义和扩展聊天应用程序。它还可以帮助您与现有系统和其他 API 集成。
什么是Gradio？
Gradio 是一个 Python 库，可以轻松为预测和生成模型创建可定制的用户界面，使您可以快速构建交互式应用程序，而无需丰富的前端开发经验。
请参阅下面使用 Gradio 的一些好处。
快速模型：通过使用 Gradio，您可以快速迭代和试验不同的模型配置和用户界面，而无需编写大量代码。
无需前端开发技能：您无需成为前端开发专家即可使用 Gradio 创建交互式应用程序。它解决了构建用户界面的复杂性，使您能够专注于模型的功能。
多输入和多输出支持： Gradio 支持具有多个输入和输出的模型，使其能够灵活地适应各种人工智能应用。
实时反馈： Gradio 提供实时反馈，使用户可以查看结果并轻松与模型交互。
共享和部署： Gradio 使共享和部署 Web 应用程序变得简单。
如何获取 ChatGPT API
首先，第一步也是最重要的一步是使用此链接进行注册：platform.openai.com。您可以使用现有的 Google 或 Microsoft 帐户轻松注册。注册后，您将需要获取秘密 API 密钥才能使用该 API。它看起来像下面这样。请务必复制您的 API 密钥并保留以供将来参考。
sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
完成注册过程后，您将收到 5 美元的免费赠款，用于测试 ChatGPT API。该补助金将在 3 个月后到期。赠款用完后，每用于 GPT-3.5 的 1000 个代币，您将需要支付 0.0015 美元。令牌本质上被视为单词。请务必对您的 API 密钥保密，不要与他人共享，因为您将承担因使用它们而产生的任何费用。
对于具有 8,000 个上下文长度的GPT-4模型（例如 gpt-4），定价相对高于 GPT-3.5 模型。该型号的定价如下：
$0.03/1000 提示代币
$0.06/1000 个采样代币
对于具有较高上下文长度 32,000 的 GPT-4 模型（例如 gpt-4-32k），定价是具有 8K 上下文长度的模型的两倍。
$0.06/1000 提示代币
$0.12/1000 个采样代币
演示：ChatGPT 克隆
请参阅下面的 GIF 图片，其中显示了 ChatGPT 的外观和工作原理。
ChatGPT 的外观和工作原理
安装所需的包
确保安装这 3 个 python 包gradio openai kivy。kivy 包将帮助您单击按钮将 ChatGPT 输出复制到剪贴板。
pip install gradio openai kivy
Python代码：ChatGPT克隆
import gradio as grimport openaifrom kivy.core.clipboard import Clipboard
prompt = "Send a message"
def chat(prompt, apiKey, model):
error_message = ""
try:
response = openai.ChatCompletion.create(
model = model,
api_key = apiKey,
messages = [{'role': 'user', 'content': prompt}],
temperature = 0.7
)
except Exception as e:
error_message = str(e)
if error_message:
return "An error occurred: {}".format(error_message)
else:
return response['choices'][0]['message']['content']
def chatGPT(userMsg, history, modelType, apiKey):
history = history or []
comb = list(sum(history, ()))
comb.append(userMsg)
prompt = ' '.join(comb)
output = chat(prompt, apiKey, modelType)
history.append((userMsg, output))
return history, history
def lastReply(history):
if history is None:
result = ""
else:
result = history[-1][1]
Clipboard.copy(result)
return resultwith gr.Blocks(theme=gr.themes.Monochrome(), css="pre {background: #f6f6f6} #submit {background-color: #fcf5ef; color: #c88f58;} #stop, #clear, #copy {max-width: 165px;} #myrow {justify-content: center;}") as demo:
gr.Markdown("""<center><h1>🚀 ChatGPT</h1></center>""")
with gr.Row():
with gr.Column(scale=0.5):
modelType = gr.Dropdown(choices=["gpt-3.5-turbo", "gpt-4"], value="gpt-3.5-turbo", label="Model", info="Select your model type" )
with gr.Column(scale=0.5, min_width=0):
apiKey = gr.Textbox(label="API Key", info="Enter API Key", lines=1, placeholder="sk-xxxxxxxxxxx")
chatbot = gr.Chatbot().style(height=250)
state = gr.State()
with gr.Row():
with gr.Column(scale=0.85):
msg = gr.Textbox(show_label=False, placeholder=prompt).style(container=False)
with gr.Column(scale=0.15, min_width=0):
submit = gr.Button("Submit", elem_id="submit")
with gr.Row(elem_id="myrow"):
stop = gr.Button("🛑 Stop", elem_id="stop")
clear = gr.Button("🗑️ Clear History", elem_id="clear")
copy = gr.Button("📋 Copy last reply", elem_id="copy")
clear.click(lambda: (None, None, None), None, outputs=[chatbot, state, msg], queue=False)
submit_event = submit.click(chatGPT, inputs=[msg, state, modelType, apiKey], outputs=[chatbot, state])
submit2_event = msg.submit(chatGPT, inputs=[msg, state, modelType, apiKey], outputs=[chatbot, state])
stop.click(None, None, None, cancels=[submit_event, submit2_event])
copy.click(lastReply, inputs=[state], outputs=None)demo.queue().launch(inbrowser=True, debug=True)ChatGPT 克隆的特点
ChatGPT 克隆的主要特点如下：
复制上次回复：用户可以轻松复制ChatGPT生成的上次回复，方便参考或分享。
清除历史记录：它提供清除对话历史记录的选项，使用户能够重新开始。
能够停止处理正在运行的代码：如果在聊天中执行代码，ChatGPT Clone 允许用户根据需要停止处理。当它长时间运行并且不返回任何内容时停止处理是很有用的。
模型类型之间轻松切换：ChatGPT Clone 允许您在 GPT-3.5 和 GPT-4 之间切换。
如何启用ChatGPT的对话记忆
默认情况下，ChatGPT API 不会保留之前对话的内存。每个 API 请求都被视为一个单独的聊天会话，因此当 ChatGPT 响应您当前的查询时，它不会调用您之前问题中的任何信息。
如果您想通过提出进一步的问题来改进 ChatGPT 的响应，这可能是一个缺点。它还可以帮助您设计给 ChatGPT 的提示。为了让 ChatGPT 记住之前的对话，您需要在每次与其交互时提供上下文。
import openaiimport os os.environ['OPENAI_API_KEY'] = "sk-xxxxxxxxxxxxxxxxxxxxxxx"openai.api_key = os.getenv("OPENAI_API_KEY")chatHistory = []def chat(prompt, modelName="gpt-3.5-turbo", temperature=0.7, top_p=1): params = { "model": modelName, "temperature": temperature, "top_p": top_p } chatHistory.append({"role": "user", "content": prompt}) response = openai.ChatCompletion.create( **params, messages=chatHistory ) answer = response["choices"][0]["message"]["content"].strip() chatHistory.append({"role": "assistant", "content": answer}) return answer chat("2+2")4chat("square of it")16chat("add 3 to it")19