OpenAi[ChatGPT] 使用Python对接OpenAi APi 实现智能QQ机器人-学习详解篇

Posted 2023-04-09 小简(JanYork)

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OpenAi[ChatGPT] 使用Python对接OpenAi APi 实现智能QQ机器人-学习详解篇相关的知识，希望对你有一定的参考价值。

文章大部分来自：https://lucent.blog

原文博客地址：https://blog.ideaopen.cn

最近火热全文的ChatGPT，被很多人玩出了花，我们在Github上可以看到几个常见的逆向SDK包，这一篇我将以学习的方式来写这一篇文章。

这些SDK不仅仅可以用于开发机器人，还可以自由的开发你所想要的效果，如你所想，他是一个工具包，帮你chuanchuan构建一个ChatGPT服务和会话。

最近OpenAi给他套上了一个Cloudflare的CDN服务，这个服务会去拦截非真机请求，现在已经可以破解了。

寻找合适的逆向SDK

原作者用的是这个。

整个包的文件并不是很多，喜欢Python的可以去看看，我这个Java看不太懂。

实践开始-实践篇第一

代码中使用到的revChatGPT依赖源码库:
https://github.com/acheong08/ChatGPT

我们的Python版本，需要>=3.8，然后pip直接升级到最新版本。

下面代码的目的是与ChatGPT官方接口进行交互,注意安装一下里面用到的依赖
chat-gpt-qbot.py:

import flask, json
from flask import request
from revChatGPT.revChatGPT import Chatbot
config = 
    "session_token": "换成你自己的token"

# 创建一个服务，把当前这个python文件当做一个服务
server = flask.Flask(__name__)
chatbot = Chatbot(config, conversation_id=None)
def chat(msg):
    message = chatbot.get_chat_response(msg)['message']
    print(message)
    return message
@server.route('/chat', methods=['post'])
def chatapi():
    requestJson = request.get_data()
    if requestJson is None or requestJson == "" or requestJson == :
        resu = 'code': 1, 'msg': '请求内容不能为空'
        return json.dumps(resu, ensure_ascii=False)
    data = json.loads(requestJson)
    print(data)
    try:
        msg = chat(data['msg'])
    except Exception as error:
        print("接口报错")
        resu = 'code': 1, 'msg': '请求异常: ' + str(error)
        return json.dumps(resu, ensure_ascii=False)
    else:
        resu = 'code': 0, 'data': msg
        return json.dumps(resu, ensure_ascii=False)
if __name__ == '__main__':
    server.run(port=7777, host='0.0.0.0')

我们导入我们的逆向包。

from revChatGPT.revChatGPT import Chatbot

这是逆向包里面的源码，用于初始化一个服务，我们刚刚的类中调用了这个包。

然后去创建抛出这个服务的接口，方便被调用。

我们只要运行上面的代码就可以在7777端口直接与ChatGPT进行交互了。
我们使用接口工具测试一下，结果如下图，可以看到，接口正常工作并从ChatGPT得到了对话结果。

其中消息体:


  "msg": "你会数学吗"

消息体是我们自定义的内容，你可以自己增加字段对接口进行功能扩展
本例子中的msg就是我们的发言内容
而接口返回的:


    "code": 0, 
    "data": "是的，我会数学。我是一个大型语言模型，我可以回答各种问题，包括数学问题。你有什么数学问题需要我帮助你解决吗？"

这也是我们自己定义的，当code=0时代表与ChatGPT交互成功，此时data为ChatGPT反馈给我们的对话内容。而当code=1时说明出现了错误,此时没有data,但在msg中返回了错误信息。

到这里我们就拥有了一个可以和ChatGPT交互到接口，通过这个接口，我们就能与ChatGPT进行对话

既然进行对话，那就需要一个输入框和一个按钮，你可以做一个网页来调用这个接口，这很简单，我们不在这里赘述了。

我们真正要做的是一个QQ机器人，其原理就是让QQ机器人监听到消息，并通过我们的接口把消息转发给ChatGPT，然后再把ChatGPT返回的对话内容发送给QQ用户，这样一个可以对话的机器人就做好了，具体做法，下文继续讲解。

实践继续-实践篇第二

上文我们实现了一个接口，用代码成功获取到了ChatGPT的对话内容，下面我们将继续完善QQ机器人相关逻辑，注意看代码中的注释。

为了更方便的将优化后(接入QQ机器人)的代码，与之前的代码比较，我开启一个本地比较，并收起了没有变动的代码。

机器人的交互实现逻辑，这个你可能会看不懂，因为我们是使用了一个机器人框架，那其实我们不要局限自己的思想，我们可以尝试自己修改使用其他机器人框架，比如云仔机器人，逻辑去自己实现。

我们使用的是go-cqhttp。

go-cqhttp帮助中心

所以说，这一写更改，你得去了解这个go-cqhttp你才能看懂，不过我们要灵活学习，我们只需要了解思路便可，然后去官方文档找使用方法。

此时，这些代码已经拥有了处理好友请求、拉群请求、回复消息的功能。

可以看到，相对于上个文章，我们增加了很多代码，并且都加了注释

当然，这些代码看不懂没关系，可以照着我的文章改一下对应的地方，直接用。

大家来原创作者Q群玩儿，我也在里面：206867743。

实践继续-实践篇第三

前两个文章我们已经解决了和ChatGPT通信的问题和QQ处理消息的问题，现在我们就需要处理如何监听QQ消息了。

在一次次的更新和遇到的问题中，原创作者和逆向包的很多作者都更新了很多内容，我们看看原创作者的更新记录：

2022-12-12 23:52

增加一个Windows专用版本，只能在Windows电脑或服务器上使用，可以自动获取cloudflare Cookie

2022-12-12 12:38 更新内容

增加CloudFlare配置，更新依赖，暂不支持账号密码，暂不知道CloudFlare配置多久需要更换一次，现在好像必须要翻墙了

2022-12-10 17:42 更新内容

增加账号密码支持，可以不使用token，直接使用账号密码

2022-12-10 00:23 更新内容

将每个QQ私聊区分，每个人私聊机器人都是一个独立的会话
将每个QQ群区分，每个QQ群是一个独立的会话
增加回复字数限制，超过限制转换成图片回复（见配置文件）
如果想要重置会话，对机器人发送：重置会话

简介

监听QQ消息并不需要我们写代码，因为市面上已经有很多开源QQ机器人框架，在这里我们使用go-cqhttp
官方文档: go-cqhttp
如果您感兴趣的话，可以阅读一下官方文档，如果不想看，直接看我的文章即可。

前提条件

您需要准备一个QQ号，不要使用自己大号
您需要准备一个OpenAi的账号，用来获取Token
一台服务器（可选，如果您想让机器人7x24小时在线的话，请准备一台，1核1G足以，外服最好）

注意：OpenAi（ChatGPT）的注册方式B站有一堆视频，随便参考一个就行。

不会注册也可以看看我博客的文章：一文教你快速注册OpenAi(ChatGPT)

(旧版本)机器人搭建教程我也是写过了：使用OpenGPT(ChatGPT)搭建 QQ 机器人

但是！注意，先前说过，现在的ChatGPT套了一个CF的CDN，会拦截人机交互请求。

那我们现在，除了需要获取OpenAi的session-token，还需要获取cf_clearance。

同时，我们还需要获取user-agent。

前往控制台的网络标签里面查看，如果是空白，你发一句消息就可以。

复制之后写到配置文件中，也就是py/config.js文件。

目前原创作者打包了两个版本，一个Linux的，麻烦在于cf的CDN交互令牌会在2H内失效，我们需要手动获取并更新，麻烦。

另一个是window版本，已经实现自动获取CloudflareCookie。

配置指南

这个版本只能在Windows上使用，Windows电脑或服务器都行。

依然只支持token。

系统会自动打开谷歌浏览器获取Cloufflare相关Cookie，第一次运行时可能需要手动验证，请注意点一下。

注意，脚本它只能打开Google浏览器，没配置其他浏览器。

其他描述

那在作者最新版本的代码里面，也是新增了一部分功能。

自行研究。

然后很多逆向包作者也在想一个完美解决的办法，我们慢慢等待吧！

然后，请看看这句话：

尾述

写着一篇，我基本上是去看原创作者的代码和逆向包的代码，我是一个业余的Python，但是我觉得，很多东西是可以去尝试的，通原理而致用，当你学会整个思路，那你也可以自己写一个自己的机器人，自己去配置去设计交互逻辑。

比如可以新增一个Markdown渲染器+代码高亮，将长文本以图片方式展示（虽然已经存在了），又比如，绑定一个不被拦截的域名，过长文本直接生成一个临时链接，点开查看，刚好通过网页渲染后，美观度高很多。

小简绝得，有兴趣有时间，都可以试试，下篇再见。

OpenAI ChatGpt API参考

在线免费体验：

sisss.cn

编写了一个python写的ChatGPT的web服务，基于aigcfun仿写：

https://github.com/liupig/ChatGptWeb

介绍

您可以通过来自任何语言的 HTTP 请求、通过我们的官方 Python 绑定、我们的官方 Node.js 库或社区维护的库与 API 交互。

要安装官方 Python 绑定，请运行以下命令：

pip install openai

要安装官方 Node.js 库，请在 Node.js 项目目录中运行以下命令：

npm install openai

验证
OpenAI API 使用 API 密钥进行身份验证。访问您的API 密钥页面以检索您将在请求中使用的 API 密钥。

请记住，您的 API 密钥是秘密的！不要与他人共享或在任何客户端代码（浏览器、应用程序）中公开它。生产请求必须通过您自己的后端服务器进行路由，您的 API 密钥可以从环境变量或密钥管理服务中安全加载。

所有 API 请求都应在 HTTP 标头中包含您的 API 密钥，Authorization如下所示：

Authorization: Bearer YOUR_API_KEY

请求组织
对于属于多个组织的用户，您可以传递一个标头来指定哪个组织用于 API 请求。来自这些 API 请求的使用将计入指定组织的订阅配额。

卷曲命令示例：

curl https://api.openai.com/v1/models \\
  -H 'Authorization: Bearer YOUR_API_KEY' \\
  -H 'OpenAI-Organization: org-SwryXJEbmXJtrD5Kv9F4u1vf'

Python 包的示例openai：

import os
import openai
openai.organization = "org-SwryXJEbmXJtrD5Kv9F4u1vf"
openai.api_key = os.getenv("OPENAI_API_KEY")
openai.Model.list()

Node.js 包的示例openai：

import  Configuration, OpenAIApi  from "openai";
const configuration = new Configuration(
    organization: "org-SwryXJEbmXJtrD5Kv9F4u1vf",
    apiKey: process.env.OPENAI_API_KEY,
);
const openai = new OpenAIApi(configuration);
const response = await openai.listEngines();

组织 ID 可以在您的组织设置页面上找到。

发出请求
您可以将下面的命令粘贴到您的终端中以运行您的第一个 API 请求。确保替换YOUR_API_KEY为您的秘密 API 密钥。

curl https://api.openai.com/v1/completions \\
-H "Content-Type: application/json" \\
-H "Authorization: Bearer YOUR_API_KEY" \\
-d '"model": "text-davinci-003", "prompt": "Say this is a test", "temperature": 0, "max_tokens": 7'

此请求查询 Davinci 模型以完成以提示“ Say this is a test ”开头的文本。该参数设置了API 将返回的令牌max_tokens数量的上限。您应该会收到类似于以下内容的响应：


    "id": "cmpl-GERzeJQ4lvqPk8SkZu4XMIuR",
    "object": "text_completion",
    "created": 1586839808,
    "model": "text-davinci:003",
    "choices": [
        
            "text": "\\n\\nThis is indeed a test",
            "index": 0,
            "logprobs": null,
            "finish_reason": "length"
        
    ],
    "usage": 
        "prompt_tokens": 5,
        "completion_tokens": 7,
        "total_tokens": 12

现在你已经生成了你的第一个完成。echo如果您连接提示和完成文本（如果您将参数设置为，API 将为您执行此操作true），则生成的文本为“ Say this is a test. This indeed a test. ”您还可以将stream参数设置为true用于 API 流回文本（作为仅数据服务器发送的事件）。

模型

列出并描述 API 中可用的各种模型。您可以参考模型文档以了解可用的模型以及它们之间的区别。

列出模型
得到

https://api.openai.com/v1/models

列出当前可用的模型，并提供有关每个模型的基本信息，例如所有者和可用性。

示例请求
卷曲

卷曲

curl https://api.openai.com/v1/models \\
  -H 'Authorization: Bearer YOUR_API_KEY'


  "data": [
    
      "id": "model-id-0",
      "object": "model",
      "owned_by": "organization-owner",
      "permission": [...]
    ,
    
      "id": "model-id-1",
      "object": "model",
      "owned_by": "organization-owner",
      "permission": [...]
    ,
    
      "id": "model-id-2",
      "object": "model",
      "owned_by": "openai",
      "permission": [...]
    ,
  ],
  "object": "list"

检索模型

得到

https://api.openai.com/v1 /models/模型

检索模型实例，提供有关模型的基本信息，例如所有者和权限。

路径参数
模型
细绳
必需的
用于此请求的模型的 ID

示例请求
文本-davinci-003

文本-davinci-003
卷曲

卷曲

curl https://api.openai.com/v1/models/text-davinci-003 \\
  -H 'Authorization: Bearer YOUR_API_KEY'

回复
文本-davinci-003

文本-davinci-003


  "id": "text-davinci-003",
  "object": "model",
  "owned_by": "openai",
  "permission": [...]

完工
给定一个提示，该模型将返回一个或多个预测的完成，并且还可以返回每个位置的替代标记的概率。

创建完成
邮政

https://api.openai.com/v1/completions

为提供的提示和参数创建完成

请求正文
模型
细绳
必需的
要使用的模型的 ID。您可以使用List models API 来查看所有可用模型，或查看我们的模型概述以了解它们的描述。

迅速的
字符串或数组
选修的
默认为<|endoftext|>
生成完成的提示，编码为字符串、字符串数组、标记数组或标记数组数组。

请注意，<|endoftext|> 是模型在训练期间看到的文档分隔符，因此如果未指定提示，模型将生成新文档的开头。

后缀
细绳
选修的
默认为空
插入文本完成后出现的后缀。

最大令牌数
整数
选修的
默认为16
完成时生成的最大令牌数。

您的提示加上的令牌计数max_tokens不能超过模型的上下文长度。大多数模型的上下文长度为 2048 个标记（最新模型除外，它支持 4096）。

温度
数字
选修的
默认为1
使用什么采样温度，介于 0 和 2 之间。较高的值（如 0.8）将使输出更加随机，而较低的值（如 0.2）将使输出更加集中和确定。

我们通常建议改变这个或top_p但不是两者。

top_p
数字
选修的
默认为1
一种替代温度采样的方法，称为核采样，其中模型考虑具有 top_p 概率质量的标记的结果。所以 0.1 意味着只考虑构成前 10% 概率质量的标记。

我们通常建议改变这个或temperature但不是两者。

n
整数
选修的
默认为1
为每个提示生成多少完成。

注意：因为这个参数会产生很多完成，它会很快消耗你的令牌配额。请谨慎使用并确保您对max_tokens和进行了合理的设置stop。

溪流
布尔值
选修的
默认为假
是否回流部分进度。如果设置，令牌将在可用时作为仅数据服务器发送事件发送，流由data: [DONE]消息终止。

日志概率
整数
选修的
默认为空
包括logprobs最有可能标记的对数概率，以及所选标记。例如，如果logprobs是 5，API 将返回 5 个最有可能的标记的列表。API 将始终返回logprob采样令牌的，因此响应中最多可能有logprobs+1元素。

的最大值logprobs为 5。如果您需要更多，请通过我们的帮助中心联系我们并描述您的用例。

回声
布尔值
选修的
默认为假
除了完成之外回显提示

停止
字符串或数组
选修的
默认为空
API 将停止生成更多令牌的最多 4 个序列。返回的文本将不包含停止序列。

存在_惩罚
数字
选修的
默认为0
-2.0 和 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标记，从而增加模型谈论新主题的可能性。

查看有关频率和存在惩罚的更多信息。

频率惩罚
数字
选修的
默认为0
-2.0 和 2.0 之间的数字。正值会根据新标记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。

查看有关频率和存在惩罚的更多信息。

最好的
整数
选修的
默认为1
在服务器端生成best_of完成并返回“最佳”（每个标记具有最高对数概率的那个）。无法流式传输结果。

与一起使用时n，best_of控制候选完成的数量并n指定要返回的数量 -best_of必须大于n。

注意：因为这个参数会产生很多完成，它会很快消耗你的令牌配额。请谨慎使用并确保您对max_tokens和进行了合理的设置stop。

logit_bias
地图
选修的
默认为空
修改指定标记出现在完成中的可能性。

接受一个 json 对象，该对象将令牌（由 GPT 分词器中的令牌 ID 指定）映射到从 -100 到 100 的相关偏差值。您可以使用此分词器工具（适用于 GPT-2 和 GPT-3）来转换文本到令牌 ID。从数学上讲，偏差会在采样之前添加到模型生成的对数中。确切的效果因模型而异，但 -1 和 1 之间的值应该会减少或增加选择的可能性；像 -100 或 100 这样的值应该导致相关令牌的禁止或独占选择。

例如，您可以传递“50256”: -100以防止生成 <|endoftext|> 标记。

用户
细绳
选修的
代表您的最终用户的唯一标识符，可以帮助 OpenAI 监控和检测滥用行为。了解更多。

示例请求
文本-davinci-003

文本-davinci-003
卷曲

卷曲

curl https://api.openai.com/v1/completions \\
  -H 'Content-Type: application/json' \\
  -H 'Authorization: Bearer YOUR_API_KEY' \\
  -d '
  "model": "text-davinci-003",
  "prompt": "Say this is a test",
  "max_tokens": 7,
  "temperature": 0
'

参数
文本-davinci-003

文本-davinci-003


  "model": "text-davinci-003",
  "prompt": "Say this is a test",
  "max_tokens": 7,
  "temperature": 0,
  "top_p": 1,
  "n": 1,
  "stream": false,
  "logprobs": null,
  "stop": "\\n"

回复
文本-davinci-003

文本-davinci-003


  "id": "cmpl-uqkvlQyYK7bGYrRHQ0eXlWi7",
  "object": "text_completion",
  "created": 1589478378,
  "model": "text-davinci-003",
  "choices": [
    
      "text": "\\n\\nThis is indeed a test",
      "index": 0,
      "logprobs": null,
      "finish_reason": "length"
    
  ],
  "usage": 
    "prompt_tokens": 5,
    "completion_tokens": 7,
    "total_tokens": 12

编辑
给定提示和指令，模型将返回提示的编辑版本。

创建编辑
邮政

https://api.openai.com/v1/edits _

为提供的输入、指令和参数创建新的编辑。

请求正文
模型
细绳
必需的
要使用的模型的 ID。您可以将text-davinci-edit-001或code-davinci-edit-001模型与此端点一起使用。

输入
细绳
选修的
默认为’’
用作编辑起点的输入文本。

操作说明
细绳
必需的
告诉模型如何编辑提示的指令。

n
整数
选修的
默认为1
为输入和指令生成多少编辑。

我们通常建议改变这个或top_p但不是两者。

我们通常建议改变这个或temperature但不是两者。

示例请求
text-davinci-edit-001

text-davinci-edit-001
卷曲

卷曲

curl https://api.openai.com/v1/edits \\
  -H 'Content-Type: application/json' \\
  -H 'Authorization: Bearer YOUR_API_KEY' \\
  -d '
  "model": "text-davinci-edit-001",
  "input": "What day of the wek is it?",
  "instruction": "Fix the spelling mistakes"
'

参数
text-davinci-edit-001

text-davinci-edit-001


  "model": "text-davinci-edit-001",
  "input": "What day of the wek is it?",
  "instruction": "Fix the spelling mistakes",


  "object": "edit",
  "created": 1589478378,
  "choices": [
    
      "text": "What day of the week is it?",
      "index": 0,
    
  ],
  "usage": 
    "prompt_tokens": 25,
    "completion_tokens": 32,
    "total_tokens": 57

图片
给定提示和/或输入图像，模型将生成新图像。