01 | 基于 OpenAI SDK 开发一个自己的 GPT

在当今人工智能快速发展的时代，构建属于自己的聊天机器人已经变得越来越容易。本文将详细指导你如何使用 OpenAI SDK 和 Gradio 库，从零开始开发一个功能强大且交互友好的类 ChatGPT 应用。

前置条件

开始之前，请确保你已准备好：

OpenAI API KEY（可在 OpenAI 官网申请）
Python 开发环境（推荐使用 Python 3.8 或更高版本）
基本的 Python 编程知识

开发步骤

Step 1: 安装依赖库

首先，我们需要安装必要的依赖库。在命令行或终端中运行以下命令：

pip install openai
pip install gradio
pip install python-dotenv

Step 2: 使用 OpenAI SDK 进行文本生成

下面是一个简单的示例代码，展示了如何与 OpenAI API 交互：

from openai import OpenAI
from dotenv import load_dotenv
import os

load_dotenv()

# 初始化 OpenAI 客户端
client = OpenAI(
    api_key=os.getenv("OPENAI_API_KEY")
)

# 调用 OpenAI API 创建聊天完成
chat_completion = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages=[{"role": "user", "content": "Hello world"}]
)

print(chat_completion)

Step 3: 创建交互界面

接下来，我们将使用 Gradio 库创建一个简单的 Web 界面：

import gradio as gr
from openai import OpenAI
from dotenv import load_dotenv
import os

load_dotenv()

# 初始化 OpenAI 客户端
client = OpenAI(
    api_key=os.getenv("OPENAI_API_KEY")
)

def chatbot(input_text, history):
    # 调用 OpenAI API 创建聊天完成
    chat_completion = client.chat.completions.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": input_text}]
    )
    return chat_completion.choices[0].message.content

# 创建 Gradio 聊天界面
iface = gr.ChatInterface(chatbot)
iface.launch(server_name="0.0.0.0", server_port=7860)

Step 4: 添加记忆和流式输出

为了提升用户体验，我们可以为聊天机器人添加记忆功能和流式输出：

import gradio as gr
from openai import OpenAI
from dotenv import load_dotenv
import os

load_dotenv()

client = OpenAI(
    api_key=os.getenv("OPENAI_API_KEY")
)

def format_messages(history, input_text):
    # 格式化消息列表，保留最近的 10 条对话
    messages = []
    if len(history) > 10:
        history = history[-10:]
    for item in history:
        messages.append({"role": "user", "content": item[0]})
        messages.append({"role": "assistant", "content": item[1]})
    messages.append({"role": "user", "content": input_text})
    return messages

def get_response(input_text, history):
    messages = format_messages(history, input_text)
    chat_completion = client.chat.completions.create(
        model="gpt-3.5-turbo",
        messages=messages,
        stream=True  # 启用流式输出
    )
    return chat_completion

def chatbot(input_text, history):
    results = get_response(input_text, history)
    contents = ""
    for chunk in results:
        if chunk.choices[0].delta.content is not None:
            contents += chunk.choices[0].delta.content
            yield contents

iface = gr.ChatInterface(chatbot)
iface.launch(server_name="0.0.0.0", server_port=7860)

关键特性解析

1. OpenAI SDK 集成

通过 OpenAI 的 Python SDK，我们可以轻松地与大语言模型进行交互。关键步骤包括：

初始化 OpenAI 客户端
配置模型参数
发送聊天消息

2. Gradio 界面

Gradio 库提供了快速构建 Web 界面的能力：

简单的界面配置
实时交互
跨平台兼容性

3. 对话记忆

通过维护最近的对话历史，我们实现了上下文连续性：

保留最近 10 条对话
动态构建消息列表
提供连贯的对话体验

4. 流式输出

流式输出模拟了类似 ChatGPT 的打字机效果：

实时展示响应
提升用户交互体验
减少等待时间

结语

通过本教程，你已经学会了如何使用 OpenAI SDK 和 Gradio 构建一个功能丰富的聊天机器人。这个项目为你进一步探索人工智能应用开发提供了坚实的基础。

进一步探索

尝试不同的模型参数，如 temperature、max_tokens
添加更多高级功能，如角色定制
探索更复杂的对话场景和应用场景

除了以上提到的进阶方向，你还可以考虑集成语音识别和语音合成功能，使聊天机器人支持语音交互，或者添加多语言支持以扩展应用的使用场景。无论选择哪个方向，重要的是持续学习和实践，在开发过程中不断优化和改进你的应用。

文档信息

本文作者：王翊仰
本文链接：https://www.wangyiyang.cc/2024/11/26/01_develop_my_gpt_leveraging_openai_sdk/
版权声明：自由转载-非商用-非衍生-保持署名（创意共享3.0许可证）

王翊仰的博客