Python+chatGPT编程5分钟快速上手

2024年05月01日 Python工具 Python51

最近一段时间chatGPT火爆出圈!无论是在互联网行业,还是其他各行业都赚足了话题。

俗话说:“外行看笑话,内行看门道”,今天从chatGPT个人体验感受以及如何用的角度来分享一下。

1、chatGPT是个啥?

chatGPT是最近新出来的玩意?并不是!在国内,chatGPT最早是在2022年11月就由OpenAI于推出的。只是去年底火了一把,后力不足又遇春节,热度草草就结束了。

先讲一下,OpenAI是美国一所人工智能研究公司,chatGPT 只是 OpenAI 公司其中的一个技术产品,除了chatGPT, OpenAI也还有很多其他“有意思”的产品。

OpenAI旨在降低人工智能业务开发门槛,我们完全不需要神经网络、NLP、深度学习等人工智能领域工程师及算法工程师,就可以直接使用OpenAI训练好的强大模型为我们进行业务赋能。

具体可查阅它的官网:

  1. https://openai.com/

再来讲一讲chatGPT是什么,chatGPT采用了 GPT(Generative Pre-trained Transformer)技术,用专业词汇来讲,是一个用于对话生成的预训练语言模型,用简单通俗来解释:是一款利用AI技术实现出来的聊天机器人

提到AI聊天机器人,这类技术应用场景在互联网行业此前并不少见,甚至很多,那为什么chatGPT能快速脱颖而出,成为爆品。得益于它的强大能力:整合信息和语言组织能力,接近于人类常识、认知。体验过chatGPT的人,想必很多人的第一感受给我是一样的:chatGPT很像一个真人!这个人还是一个业务能力很强,知无不言的行家能手,不厌其烦地为你解答各种业务问题,它的答复比其他搜索引擎更加精准,十分清楚你的搜索意图。

显然易见的是,比起冷冰冷的机器,我们更愿意跟人打交道,这背后要归功于OpenAI在AI对齐问题上做出的诸多努力,致力于探索如何让语言模型遵循人类的意图、符合人类价值观,让ChatGPT表现得更有“人味儿”。

如下体验后截的两张示例图(如果你再不努力,重复低效劳力者终将AI取代

从给出来的答案中,可以发现提问方式的不同,答案也会有所不同,即便是针对同一个关键词,chatGPT给出来的答案也会有所差异,通过Regenerate response不断调优,致力生成一个更佳完美适合你提问预期需要的答案。

2、chatGPT怎么注册?

看到上面的介绍,如果你还没有体验过chatGPT,想必早已蠢蠢欲动了,我们可以通过访问:

  1. https://chat.openai.com/chat

使用前,需要先注册,注册过程有一点点小门槛。

注册成功后,就可以在chatGPT在线聊天界面,通过关键字提问畅所欲言了。

3、chatGPT怎么用?

chatGPT爆火后,很多行业都在探索如何将其结合到生活工作场景中。如chatGPT+医疗chatGPT+OAchatGPT+自动运维chatGPT+智能客服,甚至chatGPT如何结合应用到测试场景等等。包括在国内也有很多同类产品早在布局:

今天我们暂不聊chatGPT如何和具体场景结合,单纯从开发的角度,聊一聊chatGPT本身如何使用。

OpenAI官网提供了一套接口文档:

今天我们暂不聊chatGPT如何和具体场景结合,单纯从开发的角度,聊一聊chatGPT本身如何使用。

OpenAI官网提供了一套接口文档:

以Python为例,在编写代码之前,先安装openai环境,安装指令如下:

  1. pip install openai

在调用openai API需要一个API_KEY, API_KEY的获取办法访问:

  1. https://platform.openai.com/account/api-keys

在网页中,生成API_KEY

示例1:利用chatGPT API实现文本处理响应

  1. # 公众号:测试开发技术
  2. import os
  3. import openai
  4. OPENAI_API_KEY="xxxxxx"
  5. openai.api_key = os.getenv("OPENAI_API_KEY",OPENAI_API_KEY)
  6. prompt = "用Python写一个mock server"
  7. response = openai.Completion.create(
  8. model="text-davinci-003",
  9. prompt=prompt,
  10. temperature=0.5,
  11. max_tokens=1024,
  12. n=1,
  13. stop=None
  14. )
  15. print(response.choices[0].text)

本示例是基于”text-davinci-003″模型来对text文本进行处理的,”text-davinci-003″是chatGPT最常用的模型之一。

运行结果如下:

这样就已经基于”text-davinci-003″的能力得到了我们想要的答案。

示例2: 利用chatGPT实现python代码bug自动修复

  1. import os
  2. import openai
  3. openai.api_key = os.getenv("OPENAI_API_KEY")
  4. response = openai.Completion.create(
  5. model="code-davinci-002",
  6. prompt="##### Fix bugs in the below function\n \n### Buggy Python\nimport Random\na = random.randint(1,12)\nb = random.randint(1,12)\nfor i in range(10):\n question = \"What is \"+a+\" x \"+b+\"? \"\n answer = input(question)\n if answer = a*b\n print (Well done!)\n else:\n print(\"No.\")\n \n### Fixed Python",
  7. temperature=0,
  8. max_tokens=182,
  9. top_p=1.0,
  10. frequency_penalty=0.0,
  11. presence_penalty=0.0,
  12. stop=["###"]
  13. )

从上面两者示例,大家不难看出,代码写起来并不复杂,不同功能实现起来的区别在于使用到的model以及设置参数的不同罢了,具体更多玩法,留给大家探索了。

4、小结

本篇文章算是对chatGPT一个小结,对于刚接触chatGPT的读者来讲,还是非常有帮助的。chatGP官方提供了大量的API,对于技术从业者是极大利好的,至于怎么和实际生活工作场景结合起来,将取决你的技术功底+商业嗅觉了。正如雷军之前说过一句话:“站在风口,猪都会飞!”

本文链接:http://so.lmcjl.com/news/3507/

展开阅读全文