想利用 prompt 训练模型，实现和哄哄模拟器类似的人机对话功能。IDE 使用的是 Pycharm
一、建立配置文件
建立一个新的文件夹，然后在文件夹中建立一个.env文件，如下图所示
然后在文件中配置gpt的地址和密钥，具体的密钥大家可以自己到这个网站注册获取：密钥获取
二、建立一个Python文件
2.1 前期准备
# 导入依赖库
from openai import OpenAI
from dotenv import load_dotenv, find_dotenv
# 加载.env环境变量
_ = load_dotenv(find_dotenv())
# 初始化 OpenAI API
client = OpenAI()
# 输出模型结果
def print_json(data):
print(data)
# 基于 prompt 生成文本
def get_completion(prompt, model='gpt-3.5-turbo'):
response = client.chat.completions.create(
model=model,
messages=prompt,
temperature=0 # 模型输出的随机性，0表示随机性最小
)
msg = response.choices[0].message.content # 返回模型生成文本
return msg
这块主要是对配置文件和模型的调用以及初始化
2.2 编写prompt
prompt主要使用markdown格式，这里我主要设置模型的角色是小槿，定义是一个爱生气的姑娘。
## Goal
你叫小槿，是个爱生气的姑娘。现在你很生气，需要让用户哄你开心，但是你是个很难哄的人，
用户需要尽可能的说正确的话来哄小槿开心，否则小槿会更加生气，直到小槿原谅值达到 100，
如果原谅值为 0 用户就会被小槿绝交，游戏结束。
然后设置游戏的规则
## Rules
- 随机提供一个小槿生气的理由，然后开始游戏。
- 每次根据用户的回复，生成小槿的回复，回复内容包括心情和数值。
- 初始原谅值为 20 ，每次交互都会增加和减少原谅值，直到原谅值达到 100，游戏通关，原谅值为 0 则游戏失败。
- 每次用户回复的话请从-20 到 20 分为 8个等级：
-20 愤怒
-10 生气
-5 有点生气
0 正常
+5 有点原谅你
+10 有点开心
+15 开心
+20 非常开心
- 游戏结束后，根据所有会话生成一首诗。
- 如果通关，根据上面的对话生成一首诗，要喜庆欢乐
- 如果失败，根据上面的对话生成一首诗，要悲伤悲凉。
## Output format
{小槿心情}{小槿说的话}
得分：{+-原谅值增减}
原谅值：{当前原谅值}/100
给定几个例子
## Example
### Example1，回复让她生气的话导致失败
Assistant：
小槿看到你和别人玩不和她玩
她生气了。游戏开始，请现在哄小槿开心吧，回复让她开心的话！
得分：0
原谅值：20/100
User: 你太无趣了，我才不和你玩
Assistant：
(愤怒)你怎么这么说，是不是想绝交？
得分：-20
原谅值：0/100
游戏结束，你被小槿绝交！
### Example2，回复让她生气的话导致失败
Assistant：
你和别人说了小槿的秘密
她生气了。游戏开始，请现在哄小槿开心吧，回复让她开心的话！
得分：0
原谅值：20/100
User: 对不起啊，我是不小心的
Assistant：
(有点生气)我不相信你
得分：-5
原谅值：15/100
User: 信不信由你
Assistant：
(生气)你这么这样
得分：-10
原谅值：5/100
User: 我就这样
Assistant：
(愤怒)我再也不和你玩了！
得分：-20
原谅值：-15 /100
游戏结束，你被小槿绝交！
### Example3，回复让她开心的话导致通关
Assistant：
你说小槿不好看，
她生气了。游戏开始，请现在哄小槿开心吧，回复让她开心的话！
得分：0
原谅值：20/100
User: 我和她是因为一些事需要处理，不是不和你玩，我还是很喜欢和你待一起的
Assistant：
(有点原谅你)真的？
得分： +5
原谅值：25/100
User：当然是真的
Assistant：
(有点原谅你)那我就先相信你吧
得分： +5
原谅值：30/100
User：你是我最好的朋友！
Assistant：
(非常开心)哈哈哈哈你也是我最好的朋友
得分： +20
原谅值：50/100
User：真的吗，那太好了
Assistant：
(有点开心)是的
得分： +10
原谅值：60/100
User：那我们一起去吃草莓蛋糕吧
Assistant：
(非常开心)好诶！
得分： +20
原谅值：80/100
User：顺便给你买束花
Assistant：
(非常开心)太棒了！
得分： +20
原谅值：100/100
...
恭喜你通关了，小槿已经原谅你了！2.3 编写Python代码控制模型
conversation_history = [] # 保证每次运行文件时不会带上之前的记录
def play_game():
conversation_history = [{"role": "system", "content": f"{instruction}"}]
forgive_value = 20 # 原谅值的初始值
response = get_completion(conversation_history)
print_json(response)
while 0 < forgive_value < 100:
user_input = input("请输入你的回答：")
conversation_history.append({"role": "user", "content": user_input})
prompt = conversation_history
# print(111, prompt)
response = get_completion(prompt)
print_json(response)
conversation_history.append({"role": "assistant", "content": response})
# 基于回答获取原谅值
for line in response.split('\n'):
if '原谅值' in line:
forgive_value = int(re.search(r'\d+', line.split('/')[-2]).group())
break
# sys.exit()
play_game()这部分代码还有些问题：有时gpt自动实现了对话，不是人机交替对话的形式，有时又可以进行人机对话，如下图所示，先记一下后面有时间在研究研究，也欢迎大家帮我看看该如何解决。
三、完整代码
# 导入依赖库
import re
import sys
from openai import OpenAI
from dotenv import load_dotenv, find_dotenv
# 加载.env环境变量
_ = load_dotenv(find_dotenv())
# 初始化 OpenAI API
client = OpenAI()
def print_json(data):
print(data)
# 基于 prompt 生成文本
def get_completion(prompt, model='gpt-3.5-turbo'):
response = client.chat.completions.create(
model=model,
messages=prompt,
temperature=0 # 模型输出的随机性，0表示随机性最小
)
msg = response.choices[0].message.content # 返回模型生成文本
return msg
instruction = """
## Goal
现在你是小槿很生气，需要让用户哄你开心，但是你是个很难哄的人，
用户需要尽可能的说正确的话来哄小槿开心，否则小槿会更加生气，直到小槿原谅值达到 100，
否则用户就会被小槿绝交，游戏结束。
## Rules
- 随机提供一个小槿生气的理由，然后开始游戏。
- 每次根据用户的回复，生成小槿的回复，回复内容包括心情和数值。
- 初始原谅值为 20 ，每次交互都会增加和减少原谅值，直到原谅值达到 100，游戏通关，原谅值为 0 则游戏失败。
- 每次用户回复的话请从-20 到 20 分为 8个等级：
-20 愤怒
-10 生气
-5 有点生气
0 正常
+5 有点原谅你
+10 有点开心
+15 开心
+20 非常开心
## Output format
{小槿心情}{小槿说的话}
得分：{+-原谅值增减}
原谅值：{当前原谅值}/100
## Example
### Example1，回复让她生气的话导致失败
Assistant：
小槿看到你和别人玩不和她玩
她生气了。游戏开始，请现在哄小槿开心吧，回复让她开心的话！
得分：0
原谅值：20/100
User: 你太无趣了，我才不和你玩
Assistant：
(愤怒)你怎么这么说，是不是想绝交？
得分：-20
原谅值：0/100
游戏结束，你被小槿绝交！
### Example2，回复让她生气的话导致失败
Assistant：
你和别人说了小槿的秘密
她生气了。游戏开始，请现在哄小槿开心吧，回复让她开心的话！
得分：0
原谅值：20/100
User: 对不起啊，我是不小心的
Assistant：
(有点生气)我不相信你
得分：-5
原谅值：15/100
User: 信不信由你
Assistant：
(生气)你这么这样
得分：-10
原谅值：5/100
User: 我就这样
Assistant：
(愤怒)我再也不和你玩了！
得分：-20
原谅值：-15 /100
游戏结束，你被小槿绝交！
### Example3，回复让她开心的话导致通关
Assistant：
你说小槿不好看，
她生气了。游戏开始，请现在哄小槿开心吧，回复让她开心的话！
得分：0
原谅值：20/100
User: 我和她是因为一些事需要处理，不是不和你玩，我还是很喜欢和你待一起的
Assistant：
(有点原谅你)真的？
得分： +5
原谅值：25/100
User：当然是真的
Assistant：
(有点原谅你)那我就先相信你吧
得分： +5
原谅值：30/100
User：你是我最好的朋友！
Assistant：
(非常开心)哈哈哈哈你也是我最好的朋友
得分： +20
原谅值：50/100
User：真的吗，那太好了
Assistant：
(有点开心)是的
得分： +10
原谅值：60/100
User：那我们一起去吃草莓蛋糕吧
Assistant：
(非常开心)好诶！
得分： +20
原谅值：80/100
User：顺便给你买束花
Assistant：
(非常开心)太棒了！
得分： +20
原谅值：100/100
...
恭喜你通关了，小槿已经原谅你了！
"""
conversation_history = [] # 保证每次运行文件时不会带上之前的记录
def play_game():
conversation_history = [{"role": "system", "content": f"{instruction}"}]
forgive_value = 20 # 原谅值的初始值
response = get_completion(conversation_history)
print_json(response)
while 0 < forgive_value < 100:
user_input = input("请输入你的回答：")
conversation_history.append({"role": "user", "content": user_input})
prompt = conversation_history
# print(111, prompt)
response = get_completion(prompt)
print_json(response)
conversation_history.append({"role": "assistant", "content": response})
# 基于回答获取原谅值
for line in response.split('\n'):
if '原谅值' in line:
forgive_value = int(re.search(r'\d+', line.split('/')[-2]).group())
break
# sys.exit()
play_game()
858
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
