基于python实现openai可结合上下文的问答，含html在线版

Posted dapenson

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了基于python实现openai可结合上下文的问答，含html在线版相关的知识，希望对你有一定的参考价值。

本文使用 OpenAI GPT（Generative Pre-Training）聊天机器人模型，实现可自动回复提问的聊天功能。

代码解释

首先，我们导入相关的库，例如 openai，Path，time 等。

接下来，为了使模型可以正常工作，我们需要设置 openai 的 api_key ，以及一些初始变量，如 text, turns, last_result，用来记录聊天记录。

之后，我们定义了一个函数 chatgpt，目的是为了接收用户输入的问题，并返回 GPT 模型生成的回答。函数中，除了指定使用 davinci-003 模型外，我们还设置了 temperature、max_tokens、frequency_penalty、presence_penalty 等参数，用来控制结果的随机性和字数，以达到最佳的回答效果。

最后，在 if __name__ == '__main__': 下，我们初始化两个列表，用来存放用户输入的问题和 GPT 模型自动生成的回答，然后在 while 循环中，接收用户输入的问题，并调用 chatgpt 函数，最后将问题和回答分别存储到对应的列表中，最终将内容保存到文件中。

代码使用说明

  • 使用该代码，你需要先申请 OpenAI 的api_key，并将其输入到代码中，然后运行该程序，
  • 输入你的问题，即可获得 GPT 模型的回答；
  • 若输入exit则直接退出当前对话；
  • 程序结束时，会将问答的内容记录到文件中，以便下次查看。

ini配置文件

在目录下创建config.ini文件，内容如下

[openai]

ai_account_key = sk-AsqirFnBSHKvalmEe1AnT3BlbkFJe2rX0xxxxxxxxxxx

对话模式代码

点击查看代码 
import openai
from pathlib import Path
import time
import configparser

ANSI_COLOR_GREEN = "\\x1b[32m"
ANSI_COLOR_RESET = "\\x1b[0m"


# 从ini文件中读取api_key
config = configparser.ConfigParser()
config.read('config.ini')
openai.api_key = config['openai']['ai_account_key']


text = ""  # 设置一个字符串变量
turns = []  # 设置一个列表变量，turn指对话时的话轮
last_result = ""


def chatgpt(question):
    global text
    global turns
    global last_result

    prompt = text + "\\nHuman: " + question

    try:
        response = openai.Completion.create(
            model="text-davinci-003",  # 这里我们使用的是davinci-003的模型，准确度更高。
            prompt=prompt,  # 你输入的问题
            temperature=0.9,  # 控制结果的随机性，如果希望结果更有创意可以尝试 0.9，或者希望有固定结果可以尝试 0.0
            max_tokens=2048,  # 这里限制的是回答的长度，你可以可以限制字数，如:写一个300字作文等。
            top_p=1,
            # [控制字符的重复度] -2.0 ~ 2.0 之间的数字，正值会根据新 tokens 在文本中的现有频率对其进行惩罚，从而降低模型逐字重复同一行的可能性
            frequency_penalty=0,
            # [控制主题的重复度] -2.0 ~ 2.0 之间的数字，正值会根据到目前为止是否出现在文本中来惩罚新 tokens，从而增加模型谈论新主题的可能性
            presence_penalty=0
        )

        result = response["choices"][0]["text"].strip()
        last_result = result
        turns += [question] + [result]  # 只有这样迭代才能连续提问理解上下文

        if len(turns) <= 10:  # 为了防止超过字数限制程序会爆掉，所以提交的话轮语境为10次。
            text = " ".join(turns)
        else:
            text = " ".join(turns[-10:])

        return result
    except Exception as exc:  # 捕获异常后打印出来
        print(exc)


if __name__ == '__main__':

    # 将问题和回复记录下来，待结束后保存到文件中
    question_list = []
    answer_list = []
    while True:
        question = input(ANSI_COLOR_GREEN +
                         "\\n请输入问题，若输入exit退出\\n" + ANSI_COLOR_RESET)
        question_list.append(question)
        if question == "exit":
            break
        answer = chatgpt(question)
        answer_list.append(answer)
        print("AI: " + answer)
    # 保存到文件中
    timestamp = time.strftime("%Y%m%d-%H%M-%S", time.localtime())
    file_name = 'output/chat ' + timestamp + '.md'
    f = Path(file_name)
    f.parent.mkdir(parents=True, exist_ok=True)
    with open(file_name, "w", encoding="utf-8") as f:
        for q, a in zip(question_list, answer_list):
            f.write(f"question: q\\nanswer: a\\n\\n")
    print(ANSI_COLOR_GREEN + "对话内容已保存到文件中: " + file_name + ANSI_COLOR_RESET)

单问答模式代码

点击查看代码 
import openai
from pathlib import Path
import time
import configparser


ANSI_COLOR_GREEN    = "\\x1b[32m"
ANSI_COLOR_RESET    = "\\x1b[0m"



def get_ai_answer(prompt, save=True):
    # 去除字符串前后的空白符
    prompt = prompt.strip()
    # 发起请求
    if len(prompt) != 0:
        print(f'已发起请求，问题描述len(prompt)个长度，请稍等...')
        # 从ini文件中读取api_key
        config = configparser.ConfigParser()
        config.read('config.ini')
        openai.api_key = config['openai']['ai_account_key']
        # Get my answer
        response = openai.Completion.create(
            prompt=prompt,
            model="text-davinci-003",
            temperature=0.9,
            max_tokens=2048,  #返回结果的长度
            top_p=1,
            frequency_penalty=0.0,
            presence_penalty=0.0)

        # Print my answer
        # print(response)
        answer = response["choices"][0]["text"].strip()
        print(answer)

        # 将内容写到以时间戳为名的md文件
        if save:
            timestamp = time.strftime("%Y%m%d-%H%M-%S", time.localtime())
            file_name = 'output/' + timestamp + '.md'
            f = Path(file_name)
            f.parent.mkdir(parents=True, exist_ok=True)
            text = f'# Q\\nprompt\\n# A\\nanswer\\n'
            f.write_text(text, encoding='utf-8')
            print(ANSI_COLOR_GREEN  +"对话内容已保存到文件中: " + file_name + ANSI_COLOR_RESET)
        return answer


if __name__ == '__main__':
    prompt = '''
你今年几岁了
    '''
    get_ai_answer(prompt)

gitee在线版

此外，我用html写了一个可直接对话的openai gpt3在线版，用该页面需要提前自备openai的apikey。

项目源码https://gitee.com/x223222981/chat-gpt.js

基于Python Tornado的在线问答系统

概述

本项目使用最新的Tornado开发。实现了在线提问，回答，评论等功能。使用到Tornado的generator，长轮询等等技术， 支持MySQL的异步连接。

详细

代码下载：http://www.demodashi.com/demo/13926.html

项目介绍：本项目最初是为了模仿StackOverflow的练手项目，实现了部分StackOverflow的功能。

 

项目说明：推荐使用Linux部署该项目，这样可以优化Tornado的性能。我的环境是Windows加Python3.6.5。

 

目录结构：

技术分享图片

database：MySQL/Redis等异步连接器，数据操作方法。

handlers：Tornado控制器文件

static：静态文件地址

templats：html页面地址

utils：Python实用工具脚本

conf：配置文件

local_conf.bak.py：本地配置文件示例

manage.py：程序启动入口

require：依赖包，使用pip安装

router.py：路由

 

0：下载压缩包，将项目源文件解压到指定目录。我的目录是C:UserszhangDownloads equila-master equila-master>

 

1：在项目根目录创建venv虚拟环境，virtualenv venv --no-site-packages

技术分享图片

2：激活虚拟环境 venvScriptsactivate

技术分享图片

3：安装Python包依赖 pip install -r require

技术分享图片

4：将local_conf.bak.py文件名修改为local_conf.py，并且编辑local_conf.py文件为如下内容：

 

# -*- coding: utf-8 -*-
import os
DOMAIN = ‘http://127.0.0.1:9000‘
DEFAULT_UPLOAD_PATH = os.path.join(os.path.dirname(__file__), ‘pics‘)
DATABASE = {
    ‘default‘: {
        ‘host‘: ‘localhost‘,
        ‘port‘: 3306,
        ‘database‘: ‘tequila_demo‘,
        ‘user‘: ‘root‘,
        ‘password‘: ‘你的数据库密码‘,
        ‘charset‘: ‘utf8‘
    }
}
REDIS = {
    ‘default‘: {
        ‘host‘: ‘localhost‘,
        ‘port‘: 6379,
        ‘password‘: ‘‘,
        ‘selected_db‘: 0,
    }
}

5：创建数据库，create database tequila_demo;

技术分享图片

 

6：执行脚本迁移，创建初始化数据。python manage.py migrate

技术分享图片

7：查看数据表是否创建成功，并且检查redis是否可用

技术分享图片

8：运行项目，python manage.py run，如果您的系统是windows，那将无法使用Tornado的fork进程模式，会遇到下面的错误：

技术分享图片

这时不要惊慌，你只需要修改manage.py文件，将server.start(num_process=4)修改为server.start()即可

技术分享图片

最后重新运行项目: python manage.py run

 

技术分享图片

 

9：浏览器访问http://127.0.0.1:9000

技术分享图片

技术分享图片

 

技术分享图片

 

技术分享图片

技术分享图片

 

技术分享图片

 

以上是部分项目页面截图，如果对于项目有什么问题可以联系我~

代码下载：http://www.demodashi.com/demo/13926.html

注：本文著作权归作者，由demo大师发表，拒绝转载，转载需要作者授权

 

以上是关于基于python实现openai可结合上下文的问答，含html在线版的主要内容，如果未能解决你的问题，请参考以下文章

基于语义级认知攻击的思考

基于Python Tornado的在线问答系统

伯克利OpenAI等提出基于模型的元策略优化强化学习

论文笔记基于知识图谱的智能问答系统研究与设计

深度学习实战19(进阶版)-SpeakGPT的本地实现部署测试，基于ChatGPT在自己的平台实现SpeakGPT功能

基于ChatGPT的API实现一个响应速度比官方更快的在线问答网站并通过宝塔上线全网可访问