ChatGPT学习心得一（使用node+react做了一个案例）

Posted 2023-03-03 徐同保

项目地址

http://chat.xutongbao.top

项目截图

 

 

 

使用技术栈

node+SQLite+redis+nginx+log4js+express+jenkins+cdn+react+antd+react-scrollbars-custom+iconfont+webpack+postman+axios+redux+immutable+npm+yarn+openai等等

官网

https://openai.com/blog/chatgpt/

官方聊天应用

https://chat.openai.com/chat/79014944-0302-45ff-bd25-073803e37216

官方javascript沙盒应用

https://platform.openai.com/codex-javascript-sandbox

 官方技术文档

https://platform.openai.com/docs/introduction

 

node调用ChatGPT的API

装包：

yarn add openai

获取API Keys:

https://platform.openai.com/docs/api-reference/introduction

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

 获取Organization ID：

https://platform.openai.com/account/org-settings 

node代码：

const  Configuration, OpenAIApi  = require('openai')

const configuration = new Configuration(
  organization: 'xxx',
  apiKey: 'xxx',
)
const openai = new OpenAIApi(configuration)

//增加
const chatAdd = async (req, res) => 
  const 
    talkId = '',
    name = '',
    messageType = '1',
    message = '',
    modelType = '1',
    promptType = '1',
   = req.body
  const uid = uuidv4()
  const now = Date.now()
  const talkRedis = await redisClient.get('talk')
  let talkList = JSON.parse(talkRedis)
  const resultIndex = talkList.findIndex((item) => item.uid === talkId)
  if (resultIndex >= 0) 
    if (message && message.trim() !== '') 
      const chatRedis = await redisClient.get('chat')
      let chatList = JSON.parse(chatRedis)
      chatList = Array.isArray(chatList) ? chatList : []
      let currentChatList = chatList
        .filter((item) => item.talkId === talkId)
        .sort((a, b) => a.createTime - b.createTime)

      let prompt = ''
      if (promptType === '1') 
        if (currentChatList.length > 0) 
          let shotChatList = currentChatList
          if (currentChatList.length > 10) 
            shotChatList = currentChatList.slice(currentChatList.length - 10)
          
          shotChatList.forEach((item) => 
            let  messageType, message  = item
            if (messageType === '1') 
              prompt += `YOU:$message\\n`
             else if (messageType === '2') 
              //message = encodeURIComponent(message)
              prompt += `$message\\n`
            
          )
        
        prompt += `YOU:$message\\n`
       else if (promptType === '2') 
        if (currentChatList.length > 0) 
          let shotChatList = currentChatList
          if (currentChatList.length > 10) 
            shotChatList = currentChatList.slice(currentChatList.length - 10)
                    
          shotChatList.forEach((item) => 
            const  messageType, message  = item
            if (messageType === '1') 
              prompt += `\\n/* Command: $message */\\n`
             else if (messageType === '2') 
              //message = encodeURIComponent(message)
              prompt += `$message\\n`
            
          )
        
        prompt += `<|endoftext|>/* I start with a blank html page, and incrementally modif it via <script> injection. Written for Chrome. */\\n/* Command: Add "Hello World", by adding an HTML DOM node */\\nvar helloWorld = document.createElement('div');\\nhelloWorld.innerHTML = 'Hello World';\\ndocument.body.appendChild(helloWorld);\\n/* Command: Clear the page. */\\nwhile (document.body.firstChild) \\n  document.body.removeChild(document.body.firstChild);\\n\\n\\n/* Command: $message */\\n`
      

      let completion
      try 
        let hooks = [
          
            value: '1',
            lable: 'text-davinci-003',
          ,
          
            value: '2',
            lable: 'code-davinci-002',
          ,
        ]
        let resultIndex = hooks.findIndex((item) => item.value === modelType)
        let model = 'text-davinci-003'
        if (resultIndex >= 0) 
          model = hooks[resultIndex].lable
        
        const completionRes = await openai.createCompletion(
          model,
          // prompt:
          //   'YOU:你好\\n你好。很高兴见到你。\\nYOU:你叫什么名字\\n我叫小爱。很高兴见到你！\\nYOU:介绍一下元宵节\\n',
          prompt,
          max_tokens: 2048,
        )
        completion = completionRes.data
       catch (error) 
        res.send(
          code: 200,
          data: 
            isRobotBusy: true,
          ,
          message: '失败-机器人无应答',
        )
        return
      

      if (
        Array.isArray(completion.choices) &&
        completion.choices.length > 0 &&
        completion.choices[0].text
      ) 
        const values = []
        let robotMessage = completion.choices[0].text
        robotMessage = robotMessage.replace(/\\n/, '')
        //robotMessage = decodeURIComponent(robotMessage)
        values.push(`(
          '$uid',
          '$talkId',
          '$name',
          '$messageType',
          '$message',
          '$now',
          '$now',
          '新增'
        )`)
        const uidForRobot = uuidv4()
        values.push(`(
          '$uidForRobot',
          '$talkId',
          'robot',
          '2',
          '$robotMessage',
          '$now + 1000',
          '$now + 1000',
          '新增'
        )`)
        const valuesStr = values.join(',')

        let err = await runSql(
          `INSERT INTO chat (
            uid,
            talkId,
            name,
            messageType,
            message,
            createTime,
            updateTime,
            remarks
        )
        VALUES $valuesStr`
        )
        if (err) 
          res.send(
            code: 400,
            data: 
              err: err.stack,
            ,
            message: '添加失败',
          )
         else 
          await refreshRedis( tableName: 'chat' )
          res.send(
            code: 200,
            data: 
              //isRobotBusy: true,
              prompt,
              robotMessage,
            ,
            message: '添加成功',
          )
        
       else 
        res.send(
          code: 400,
          data: ,
          message: '失败-机器人无应答',
        )
      
     else 
      res.send(
        code: 400,
        data: ,
        message: '失败-参数：message',
      )
    
   else 
    res.send(
      code: 400,
      data: ,
      message: '失败-参数：talkId',
    )
  

 

---

chatGPT 是一款由 OpenAI 开发的聊天机器人模型，它能够模拟人类的语言行为，与用户进行自然的交互。它的名称来源于它所使用的技术—— GPT-3架构，即生成式语言模型的第3代。
chatGPT的核心技术是 GPT-3 架构。它通过使用大量的训练数据来模拟人类的语言行为，并通过语法和语义分析，生成人类可以理解的文本。它可以根据上下文和语境，提供准确和恰当的回答，并模拟多种情绪和语气。这样，就可以让用户在与机器交互时，感受到更加真实和自然的对话体验。
chatGPT 的应用场景也很广泛。它可以用于处理多种类型的对话，包括对话机器人、问答系统和客服机器人等。它还可以用于各种自然语言处理任务，比如文本摘要、情感分析和信息提取等。例如，在一个问答系统中，chatGPT可以提供准确的答案，解决用户的疑惑；在一个客服机器人中，它可以帮助用户解决问题，提供更好的服务体验。
在未来，chatGPT 的发展方向将会更加多元。它可能会引入更多的语言模型和深度学习技术，使得它的性能更加优秀。它也可能会拓展到更多的应用场景，为更多的人群提供服务。例如，它可能会进一步拓展到更多的语言领域，支持更多的语言；也可能会更加灵活，可以根据不同的目标来进行微调，适应不同的场景和需求。
此外，chatGPT 也面临着一些风险和挑战。其中，最主要的问题是隐私和安全。由于 chatGPT 涉及到大量的个人信息，因此如果不加以保护，就有可能被黑客攻击和泄露。此外，由于 chatGPT 模拟人类的语言行为，因此如果不加以控制，它也可能会发生一些不良信息的传播。
另一方面，在技术方面，chatGPT 也面临着一些挑战。由于它依赖于深度学习和大规模数据，因此如果数据质量不高或者模型不稳定，它的性能就会受到影响。此外，由于它所处理的是自然语言，因此它也需要面对语言多样性和变化性等问题。
总之，chatGPT 是一款先进的聊天机器人模型，它可以为各种应用场景提供智能化的对话功能。通过它，可以让用户在与机器交互时，感受到更加真实和自然的对话体验。在未来，它将会更加成熟，为人类带来更多的便利。

聪明的你应该已经发现了，这篇文章是由chatAI自己生成的。