南国春迟，春寒料峭略带阴郁，但 ChatGPT 新接口模型 gpt-3.5-turbo 的更新为咱们带来了一丝暖意，应用老本更加亲民，比高端产品 ChatGPT Plus 更实惠也更不便，毕竟 ChatGPT Plus 仍然是通过网页端来输入，Api 接口是以 token 的数量来计算价格的，0.002 刀每 1000 个 token，token 能够了解为字数，说白了就是每 1000 个字合 0.01381 人民币，以 ChatGPT 无可比拟的产品力而言，如此低的应用老本让所有市面上其余所有类 ChatGPT 产品都黯然失光。
本次让咱们应用 Python3.10 光速接入 ChatGPT API 的新模型 gpt-3.5-turbo。
OpenAI 库的 SDK 形式接入
OpenAI 官网同步更新了接口 Api 的三方库 openai，版本为 0.27.0，如果要应用新的模型 gpt-3.5-turbo，就必须同步装置最新版本：
pip3 install openai==0.27.0随后建设 chat.py 文件：
import openai
openai.api_key = "openai 的接口 apikey"
completion = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[{"role": "user", "content": "北国风光，千里冰封，万里雪飘，请接着续写，应用沁园春的词牌"}]
)
print(completion["choices"][0]["message"]["content"])程序返回：
瑶池冰缘，雪舞凄美，隔窗寒意，仿佛钻进衣袖。寒塘渡鸭，雪中梅影，孤单是一片银白的姿势。冰雪如花，凋谢在草莓园里，可恶的雪人，瑟瑟发抖着欢呼。北风凛冽，寒暄难挡，四季明媚，但冬日尤甘甜。千里冰封，万里雪飘，窗外天下壮观，此时正是京城美。闪电般秒回，让用惯了 ChatGPT 网页端的咱们简直不能适应。
gpt-3.5-turbo，对得起 turbo 的加成，带涡轮的 ChatGPT 就是不一样。
ChatGPT 聊天上下文
咱们晓得 ChatGPT 的最大特色就是能够分割语境中的上下文，换句话说，ChatGPT 能够依据之前的答复来优化之后的答复，造成上下文关系，让人机对话更加连贯和富裕逻辑性。
这里取决于输出参数中的 role 参数，每一个 role 的取值，对应的场景不一样，其中 system 用于在对话开始时给 ChatGPT 一个批示或申明，有点像疏导词，使得后续的答复更具备个性化和专业化。user 是用于给用户发问的或者说是用来给用户输出疏导词的。assistant 顾名思义，是用于输出 ChatGPT 的答复内容:
import openai
openai.api_key = "apikey"
class ChatGPT:
def __init__(self,chat_list=[]) -> None:
# 初始化对话列表
self.chat_list = []
# 显示接口返回
def show_conversation(self,msg_list):
for msg in msg_list:
if msg['role'] == 'user':
print(f"Me: {msg['content']}\n")
else:
print(f"ChatGPT: {msg['content']}\n")
# 提醒 chatgpt
def ask(self,prompt):
self.chat_list.append({"role":"user","content":prompt})
response = openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=self.chat_list)
answer = response.choices[0].message['content']
# 增加历史对话，造成上下文关系
self.chat_list.append({"role":"assistant","content":answer})
self.show_conversation(self.chat_list)这里每一次会话都会退出 chat\_list 的聊天列表，角色为 assistant，为了让 ChatGPT 剖析上下文，上面开始测试：
if __name__ == '__main__':
chat = ChatGPT()
chat.ask("你是一位南宋词人，词风婉约，有点相似李清照女士，请应用蝶恋花词牌刻画南国春光")程序返回：
Me: 你是一位南宋词人，词风婉约，有点相似李清照女士，请应用蝶恋花词牌刻画南国春光
ChatGPT: 南国春光，清冽宜人。望穿秋水的远山如翠起伏，边远而缥缈。层层叠叠的林木，新绿徜徉，婆娑摇曳。风儿吹起，沁人心脾，点点梅花飘至，宛如仙境。花间蝶恋，春色满园。莺莺燕燕，鸟鸣花落，时时惹人遐思。碧空万里，蓝天白云，彩云飘飘，缤纷炫目。柳絮飘飘，轻羽翩翩，小河潺潺，流水声声，婉转动人。清风拂面，落英缤纷。听着草虫唱起，充斥阳光的气味，微微浮荡，好像一条有形的小河，开展春天的美妙，留下美妙的记忆。世间万象，却只有这秋色无际，仿佛奔向远方的高兴。此时再次提问：
chat.ask("请应用另外一种粗狂阳刚的格调再写一遍下面的词")程序返回：
Me: 请应用另外一种粗狂阳刚的格调再写一遍下面的词
ChatGPT: 南国春光，不柔不媚，金色的阳光照在地上，充斥了女子气概。草原下风吹一直，那些疯狂的野花，在春风中舞蹈。看！那些猛禽静静地回旋在低空，监督着整片草原，威武雄壮。花丛间，一只雄性蜂鹰跃跃欲飞，看上去好像要冲破天际。这里的春天有时带着风沙，但这并不能阻止狂放豪放的草原奔流前行，而这样的南国春光，怎会轻易被忘记！尽管内容有些尬，但的确分割了上下文。
须要留神的是，token 不仅计算 ChatGPT 的接口返回内容，也会计算用户的发送内容，token 的计算方法不是简略的一词一个，例如中文输出，一个中文汉字占 2 个字节数，而对于一次中文测试中，50 个汉字被算为 100 个 tokens，差不多是英文的一倍，而 token 还计算 api 发送中的角色字段，如果像上文一样实现上下文操作，就必须发送 ChatGPT 接口返回的历史聊天列表，这意味着 ChatGPT 上下文聊天的老本并不是咱们设想中的那么低，须要审慎应用。
原生 ChatGPT 接口异步拜访
除了官网的 SDK，新接口模型也反对原生的 Http 申请形式，比方应用 requests 库：
pip3 install requests间接申请 openai 官网接口：
import requests
h = {
'Content-Type': 'application/json',
'Authorization': 'Bearer apikey'
}
d = {
"model": "gpt-3.5-turbo",
"messages":[{"role": "user", "content": "请解释同步申请和异步申请的区别"}],
"max_tokens": 100,
"temperature": 0
}
u = 'https://api.openai.com/v1/chat/completions'
r = requests.post(url=u, headers=h, json=d).json()
print(r)程序返回：
{'id': 'chatcmpl-6qDNQ9O4hZPDT1Ju902coxypjO0mY',
'object': 'chat.completion',
'created': 1677902496, 'model': 'gpt-3.5-turbo-0301',
'usage': {'prompt_tokens': 20, 'completion_tokens': 100, 'total_tokens': 120},
'choices': [{'message':
{'role': 'assistant',
'content': '\n\n 同步申请和异步申请是指在客户端向服务器发送申请时，客户端期待服务器响应的形式不同。\n\n 同步申请是指客户端发送申请后，必须期待服务器响应后能力继续执行后续的代码。在期待服务器响应的过程中，客户端的界面会被阻塞，用户无奈进行'},
'finish_reason': 'length', 'index': 0}]}ChatGPT 原生接口也反对异步形式申请，这里应用 httpx:
pip3 install httpx编写异步申请：
h = {
'Content-Type': 'application/json',
'Authorization': 'Bearer apikey'
}
d = {
"model": "gpt-3.5-turbo",
"messages":[{"role": "user", "content": "请解释同步申请和异步申请的区别"}],
"max_tokens": 100,
"temperature": 0
}
u = 'https://api.openai.com/v1/chat/completions'
import asyncio
import httpx
async def main():
async with httpx.AsyncClient() as client:
resp = await client.post(url=u, headers=h, json=d)
result = resp.json()
print(result)
asyncio.run(main())程序返回:
{'id': 'chatcmpl-6qDNQ9O4hZPDT1Ju902coxypjO0mY',
'object': 'chat.completion',
'created': 1677902496, 'model': 'gpt-3.5-turbo-0301',
'usage': {'prompt_tokens': 20, 'completion_tokens': 100, 'total_tokens': 120},
'choices': [{'message':
{'role': 'assistant',
'content': '\n\n 同步申请和异步申请是指在客户端向服务器发送申请时，客户端期待服务器响应的形式不同。\n\n 同步申请是指客户端发送申请后，必须期待服务器响应后能力继续执行后续的代码。在期待服务器响应的过程中，客户端的界面会被阻塞，用户无奈进行'},
'finish_reason': 'length', 'index': 0}]}咱们也能够将异步申请形式封装到对话类中，残缺代码：
import openai
import asyncio
import httpx
openai.api_key = "apikey"
h = {
'Content-Type': 'application/json',
'Authorization': f'Bearer {openai.api_key}'
}
d = {
"model": "gpt-3.5-turbo",
"messages":[{"role": "user", "content": "请解释同步申请和异步申请的区别"}],
"max_tokens": 100,
"temperature": 0
}
u = 'https://api.openai.com/v1/chat/completions'
class ChatGPT:
def __init__(self,chat_list=[]) -> None:
# 初始化对话列表
self.chat_list = []
# 异步拜访
async def ask_async(self,prompt):
d["messages"][0]["content"] = prompt
async with httpx.AsyncClient() as client:
resp = await client.post(url=u, headers=h, json=d)
result = resp.json()
print(result)
# 显示接口返回
def show_conversation(self,msg_list):
for msg in msg_list:
if msg['role'] == 'user':
print(f"Me: {msg['content']}\n")
else:
print(f"ChatGPT: {msg['content']}\n")
# 提醒 chatgpt
def ask(self,prompt):
self.chat_list.append({"role":"user","content":prompt})
response = openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=self.chat_list)
answer = response.choices[0].message['content']
# 增加历史对话，造成上下文关系
self.chat_list.append({"role":"assistant","content":answer})
self.show_conversation(self.chat_list)
if __name__ == '__main__':
chat = ChatGPT()
chat.ask("你是一位南宋词人，词风婉约，有点相似李清照女士，请应用蝶恋花词牌刻画南国春光")
chat.ask("请应用另外一种粗狂阳刚的格调再写一遍下面的词")
asyncio.run(chat.ask_async("请解释同步申请接口和异步申请接口的区别"))结语
低成本 ChatGPT 接口模型 gpt-3.5-turbo 更容易接入三方的客户端，比方微信、QQ、钉钉群之类，比起 ChatGPT 网页端，ChatGPT 接口的响应速度更加迅速且稳固，ChatGPT，永远的神，没有之一，且不可代替，最初奉上异步上下文封装我的项目，与君共觞：github.com/zcxey2911/chatgpt\_api\_Contextual\_async