如何使用 ChatGPT API 与 Colab 或 Databricks 进行直接交互
您是否想知道如何使用 OpenAI 的 API 直接与 GPT 算法交互？它简单、免费，而且比www.openai.com上的“经典”网络界面更强大。在下面的教程中，我将指导您完成一些简单的步骤，使您可以使用 GPT 进行文本生成、图像创建或调试代码！
随着 ChatGPT 和其他自然语言处理 (NLP) 解决方案的使用增加，允许用户与这些尖端功能交互的工具和平台的数量也在增加。最流行的选项之一是 OpenAI Web 界面，它因其处理复杂 NLP 任务的能力而受到广泛赞誉。
然而，今天我们将探索一种替代方案：ChatGPT API。本文分为三个主要部分：
#1 设置您的 OpenAI 帐户并创建 API 密钥
#2 与 Google Colab 建立通用连接
#3 尝试不同的请求：文本生成、图像创建和错误修复
请注意：虽然本教程是在 Google Colab（免费）中完成的，但您可能想尝试其他环境。例如，所有代码也应用在Databricks中。
1 设置您的 OpenAI 帐户并创建 API 密钥
要与 GPT 算法交互，您需要注册 OpenAI 帐户（免费）：https://platform.openai.com/signup/注册并注册后，您将需要创建一个 API 密钥，以便您可以从 Google Colab 或 Databricks 等第三方服务向 OpenAI 发送请求。通过用户菜单导航至“查看 API 密钥”部分，或使用以下链接： https: //platform.openai.com/account/api-keys在此部分中，只需单击“创建新密钥”并将创建的密钥保存在计算机上的某个位置（您很快就会需要它！）。
请注意，ChatGPT API 提供免费试用（截至今天），每分钟的请求和令牌有限。请参阅下面的速率限制 [1]：
- 免费试用用户：20 RPM 40000 TPM
- 即用即付用户（前 48 小时）：60 RPM 60000 TPM
- 即用即付用户（48 小时后）：3500 RPM 90000 TPM
（RPM = 每分钟请求数；TPM = 每分钟令牌数）
#2 从 Colab 建立一般连接
测试 API 最简单、最直接的方法是使用Google Colaboratory（“Colab”），它类似于“一个免费的 Jupyter 笔记本环境，无需设置且完全在云端运行。尽管您可能想要探索许多更专业的环境（例如 Databricks），但我认为 Colab 是一个不错的服务，可以帮助您迈出使用 ChatGPT API 的第一步。
要在 Colab 中设置 ChatGPT 的基本环境，您可以按照以下几个步骤操作：
- 在 Colab 中创建一个新笔记本
- 安装并使用openai软件包：
pip 安装 openai要使用GPT 3.5 Turbo 模型（请参阅本文末尾链接的文档中的其他可用模型）对 API 执行简单的聊天请求，与您从 OpenAI Web 界面中了解到的类似，您只需执行以下几行笔记本中的代码：
import os
import openai
openai.api_key = "请在此处粘贴您的 API 密钥"
openai.ChatCompletion.create(
model= "gpt-3.5-turbo" ,
messages=[
{ "role" : "user" , " content" : "Hello ChatGPT，这有效吗？" }
]
)
一旦您在 Colab 中执行该命令，您就会收到一个 JSON 对象作为响应，其中包含预期的答案！（这很容易，不是吗？）你好！作为一个AI语言模型，我不知道“this”所指的上下文。您能否具体说明您所指的内容，以便我更好地帮助您？< OpenAIObject chat.completion id = chatcmpl - 70ErnAfGGwU7GhMXzCcLGyUvr4hA2 at 0x7f097f0a5f40 > JSON : {
"choices" : [
{
"finish_reason" : "stop" ,
"index" : 0 ,
"message" : {
"content" : "您好！作为AI语言模型，我不知道“这个”指的是什么上下文。您能具体说明您指的是什么，以便我更好地帮助您吗？、
“角色”：
]，
“创建”：1680291503，
“id”：“chatcmpl-70ErnAfGGwU7GhMXzCcLGyUvr4hA2”，
“模型”：“gpt-3.5-turbo-0301”，
“对象”：“chat.completion”，
“用法”：{
“completion_tokens” : 38 ,
"prompt_tokens" : 17 ,
"total_tokens" : 55
}
}
此外，JSON 对象还提供有关所使用的令牌数量以及请求结束原因的信息。如果您只想打印文本响应，则可以通过稍微修改代码来访问此元素：
import os
import openai
openai.api_key = "请在此处粘贴您的 API 密钥"
response = openai.ChatCompletion.create(
model= "gpt-3.5-turbo" ,
messages=[
{ "role" : "user" , "content" : "Hello ChatGPT，这有效吗？" }
]
)
print (response.choices[ 0 ].message.content)
3 尝试不同的请求：文本生成、图像创建和错误修复
如果您像我发现这一点时一样兴奋，那么您可以开始向 API 发送大量不同的请求。模块化代码的一个有用方法是创建一些有用的函数，您可以根据不同的目的调用这些函数。让我给你一些想法。
与 ChatGPT 聊天的功能
以下代码简单总结了迄今为止在可调用函数中完成的工作，该函数允许您向 GPT 发出任何请求并仅获取文本响应作为结果。
import os
import openai
openai.api_key = "请在此处粘贴您的 API 密钥"
def chatWithGPT (提示):
完成 = openai.ChatCompletion.create(
model= "gpt-3.5-turbo" ,
messages=[
{ "角色" : "用户" , "内容" : 提示}
]
)
return print (completion.choices[ 0 ].message.content)
你认为学习Python有意义吗？我们来问问GPT吧！
chatWithGPT( “开始学习Python是个好主意吗？” )作为一种人工智能语言模型，我无法提供个人意见，但我可以说Python是一种流行且广泛使用的编程语言，深受初学者和经验丰富的开发人员的青睐。它拥有广泛的社区支持、大量的库和简单的语法，使得编程新手很容易掌握。它对于各种应用程序都很有用，例如数据分析、Web 开发、机器学习等。因此，如果您想从事编程职业或想在简历中添加另一项技能，那么开始学习 Python 可能是个好主意。修复代码中的错误的功能
ChatGPT 的另一个用例是获取修复代码的想法。想象一下，您的 Python 命令返回一个错误，并且您想获得有关在不使用 Google 或 StackOverflow 的情况下该怎么做的建议：
导入操作系统
导入openai
openai.api_key = “请在此处粘贴您的API密钥”
def fixMyCode（代码）：
完成= openai.ChatCompletion.create（
模型= “gpt-3.5-turbo”，
消息= [
{ “ role" : "user" , "content" : "在下面的 python 脚本中查找错误并修复它：" + code}
]
)
return print (completion.choices[ 0 ].message.content)
看到我的 python 代码抛出了一个错误，我不知道为什么......
fixMyCode( """
def some_function():
print("我要睡觉了")
time.sleep(10)
print("我又醒了")
some_function()
""" )
不出意外，ChatGPT 立即发现我在使用之前忘记导入该模块。这在日常生活中非常有帮助，特别是当您可以直接从编程环境中寻求帮助时。
创建图像的函数
我想在这里介绍的最后一个用例是图像的创建。请求本身返回包含图片的超链接。使用IPhython库，您可以直接在笔记本中显示图片。
导入IPython
导入os
导入openai
openai.api_key = “请在此处粘贴您的API密钥”
def createImageWithGPT（提示）：
完成= openai.Image.create（
提示=提示，
n = 1，
大小= “512x512”
)
return IPython.display.HTML( "<img src =" + Completion.data[ 0 ].url + ">" )
发挥创意，求一只会滑板的猫吧！
createImageWithGPT( "驾驶滑板的猫" )
概括
借助 ChatGPT API，企业和个人可以轻松、经济地将聊天机器人纳入其工作流程，而无需通常所需的技术知识或大量资源。该 API 还可用于创建虚拟助理、个人导师等。我推荐 OpenAI 为其 API 提供的文档： https: //platform.openai.com/docs/api-reference。
总之，在您的编程环境中使用 API 很容易。这不仅有助于直接调试代码，而且与 OpenAI（有时不可用）的 Web 界面相比，它还显示出更稳定的响应率。凭借理解自然语言并随着时间的推移变得更加智能的能力，ChatGPT 有潜力彻底改变企业与客户互动的方式并简化其工作流程。亲自尝试一下，体验聊天机器人的未来！
