【小白实操】小白面向GPT编程,实现调用OpenAI的API

本篇文章旨在介绍一种方法:假设你毫无编程经验,如何利用GPT完成自己的自动化目标(编程目标)

1、原则

首先在开始之前,我有2个故事分享给大家:

第一个故事。

有一家日本最大的化妆品公司,收到了用户的投诉。用户抱怨买来的肥皂盒是空的。这家公司为了防止再发生这样的事故,很辛苦地发明了一台X光检查器,能够透视每一个出货的肥皂盒。

同样的事故,发生在一家没有钱的小公司。他们的解决方法是买一台强力的工业电扇,对着肥皂盒猛吹,被吹走的就是空肥皂盒。

第二个故事。

美国太空总署(NASA)发现在太空失重状态下,航天员无法用墨水笔写字。于是,他们花了大量经费,研发出了一种可以在失重状态下写字的太空笔。

俄国人:用铅笔

这两个故事都遵循了Unix哲学,也是Unix系统的指导思想:Keep it simple , Stupid ,这也就是著名的KISS(keep it simple, stupid),意思是"保持简单和笨拙"。

你的编程目标应该尽量简单,你可以将多个编程目标组合起来,形成一个所谓的**管线(pipe),**然后按照顺序执行下去就好了,每个小目标,最终组成大目标,这一点尤其在GPT编程里面很重要:每次让GPT只完成一件小事

2、基础知识

当我们谈到API时,可以将其想象为一种桥梁,它允许不同的软件系统之间进行交流和互动。

API是应用程序编程接口(Application Programming Interface)的缩写。

它是一组定义了软件组件之间如何相互通信的规则和协议。可以将API看作是一种约定,它规定了两个软件之间如何发送请求和接收响应。

举个例子来说,假设你去餐厅吃饭。在这种情况下,你是客户(Client),而餐厅是提供服务的服务提供商(Provider)。在点菜时,你不需要去厨房自己做饭,而是通过服务员(API)向厨师(后端)发送请求,并从厨师那里获得烹饪好的菜品的响应。在这个例子中,服务员就是餐厅的API,它提供了一个交互的接口,使你能够与厨师进行沟通,点菜和获得食物。

类似地,计算机程序之间也需要进行交流和数据共享。API就像是一个服务员,它定义了一组规则,使得不同的软件程序能够相互通信和共享数据。通过API,程序可以发送请求(比如获取数据、执行特定操作)并接收响应(比如返回所请求的数据或执行结果)。

总而言之,因为API在现代环境中非常重要,寻找API,成功调用API,组合API,其实能够完成很多事,API通常是由大厂提供,API是一种允许不同软件之间进行通信和交互的规范。它提供了一种简单、标准化的方式,能够让你使用别人写好的功能。

我们今天的目标是:制作一个程序,让他能够调用OpenAI的API,并完成一个简单的埋词

3、开始编程

接入API之前,最开始的事情一定是去把目标API的文档贴给GPT,像这样,我们找到OpenAI的官网

并找到ChatGPT聊天的API

寻找文档的方法,这个就不要问GPT了,因为GPT的知识库问题,我们一定去搜索引擎找

这个属于要求绝对确定性的知识

分清楚确定性知识,和可生成性的知识

这个时候你看到的应该是这些内容

作为小白你肯定到这一步就歇菜了,密密麻麻的代码劝退你,一般这个时候直接让浏览器给你翻译成中文,找到你想要的那个,让界面看起来是这样的(chrome浏览器都是自带功能)鼠标右键,翻译

于是你的界面看起来就变成这样了

注意到左边的菜单了吗,里面每一步都是你需要的东西,从里面找到那个你想用的API

因为然后不要管右边的代码

点击右边的复制,我知道你肯定不知道这段代码是啥意思,这个时候直接问GPT

注意!!!!

很多新手的倒在了这一步:基础环境搭建

而究其原因竟然只是因为没有安装成功环境

这里教大家一个技巧,剥洋葱 :深入的进到主流程里面的分流程, 让我们再基于第一个问题更详细的问它:

看到了么,这是一个剥洋葱的过程,GPT也不曾知道你当前的进度和段位,所以你完全可以把他的指引贴过去,问他如何操作,甚至问他如何验证是否已经完成,它就会给出你答案

这也正是我在直播间经常说的,逮住GPT,一顿猛挖,问出屎来

当我们完成分流程之后,时刻回到主流程。

我们回到主流程中,继续做2,3,4,步:

创建一个目录 pytest

创建一个文件 mian.py

并且用一个代码工具打开它

它的每一步,都是无比正确的回答,而这每一步里面可能都暗含更多的知识点,这些都做完了以后,最终你应该到达如下界面(我选的是vscode ( Visual Studio Code),这个最好用

如果你已经成功抵达了这里,那么恭喜,你一只脚已经迈进来了,你已经完成了所有的基础准备工作,编码前的所有准备工作。

而接下来你要做的就是不断修改代码,让他按照你的意志执行下去,进入第三阶段,让GPT帮助你写代码的阶段

注意:骚操作要来了,如何让GPT帮助你编码

总原则就是,告诉他你要写啥,这里我们要接API,所以:

我把官方文档整个复制了一下(这里指的是API的文档),然后喂给GPT,并且要求他干活

于是GPT很听话的基于API文档写了一段代码

笑纳,并且复制

它狠贴心 告诉我们,需要替换这两个位置,我们替换成自己的东西

那个your-model-id,我们就用3.5吧,省钱,所以是gpt-3.5-turbo

所以替换完的代码看起来应该是这样的

修改完代码别忘记保存(CTRL+S)

回到主流程(时刻不要忘记我们最开始问GPT的问题),让我们直接运行一下看看

使用这个玩意,可以方便的在VScode里运行,就不用去cmd里运行了(这个GPT没说,这是来自于常年的经验)

执行代码,注意红圈里面的文件名和你创建的文件名是一致的,这样是GPT说的第六步

一万个报错哈哈哈,这是正常的,写程序没报错才叫奇怪!

我们直接把整个报错信息帖给GPT,看看它怎么说

这里他扯了一堆有的没的,总的来说就是因为链接问题,这里必须补一个玩AIGC相关的硬知识

只要你调用OpenAI的API,你必须走魔法,很多朋友在部署暗黑版的时候,也看到了类似的报错提示,这一切的一切都是因为我国网络环境造成的,所以按照暗黑版的方式,建立一个start.sh吧!

新建一个start.sh文件

并在文件中写入如下(这些代码的意思是,告诉它,你要使用魔法端口)

再次运行

成功的调用了OpenAI 的API,但是它的回复看起来都是英文,让我很不爽,那就改代码,我们在预埋词中要求,一切回复必须用中文

再次运行:

好了,到这里,我们的目的已经达到了。

记住,这些工作你只需要做一次,而一旦成功,你将走进一个新的大门 :Hello world

大模型岗位需求

大模型时代,企业对人才的需求变了,AIGC相关岗位人才难求,薪资持续走高,AI运营薪资平均值约18457元,AI工程师薪资平均值约37336元,大模型算法薪资平均值约39607元。
在这里插入图片描述

掌握大模型技术你还能拥有更多可能性

• 成为一名全栈大模型工程师,包括Prompt,LangChain,LoRA等技术开发、运营、产品等方向全栈工程;

• 能够拥有模型二次训练和微调能力,带领大家完成智能对话、文生图等热门应用;

• 薪资上浮10%-20%,覆盖更多高薪岗位,这是一个高需求、高待遇的热门方向和领域;

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术,也想通过这项技能真正达到升职加薪,就业或是副业的目的,但是不知道该如何开始学习,因为网上的资料太多太杂乱了,如果不能系统的学习就相当于是白学。为了让大家少走弯路,少碰壁,这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好,希望能够真正帮助到大家。

-END-


👉AI大模型学习路线汇总👈

大模型学习路线图,整体分为7个大的阶段:(全套教程文末领取哈)

第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;

第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;

第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;

第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;

第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;

第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;

第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

在这里插入图片描述

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频,看书籍和视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
在这里插入图片描述
在这里插入图片描述

👉学会后的收获:👈

• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。

👉获取方式:

😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

  • 10
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实现调用openai api逐字输出聊天信息,您需要使用OpenAIGPT-3模型,这是一个自然语言处理模型,可以生成具有上下文和连贯性的自然语言文本。 以下是实现此目标的步骤: 1.注册OpenAI账号,并创建一个API密钥。 2.安装OpenAI API客户端。 3.在您的代码中导入OpenAI API客户端,并使用您的API密钥进行身份验证。 4.构建一个聊天输入,向OpenAI API发送请求,并获取API返回的文本。 5.逐字输出API返回的文本,以模拟实时聊天效果。 以下是一个示例代码,演示如何使用Python实现逐字输出聊天信息: ``` import openai import time # 设置API密钥 openai.api_key = "YOUR_API_KEY_HERE" # 聊天的开始语句 prompt = "Hello, how are you today?" # 开始聊天 while True: # 向OpenAI API发送请求,并获取API返回的文本 response = openai.Completion.create( engine="davinci", prompt=prompt, max_tokens=1 ) # 从API返回的文本中获取下一个字符 next_char = response.choices[0].text # 输出下一个字符,并等待一定时间 print(next_char, end="", flush=True) time.sleep(0.5) # 如果输出的字符是换行符,则打印一个新的提示语句,准备开始下一轮聊天 if next_char == "\n": prompt = input("> ") ``` 在此示例中,我们使用OpenAI的davinci引擎来生成文本。我们设置max_tokens参数为1,以确保每次API调用只生成一个字符。我们还使用time.sleep()函数来等待一定时间,以模拟实时聊天的效果。 请注意,此示例中的代码仅适用于演示目的,您可能需要根据您的具体要求进行修改和定制。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值