GPT想必是最近互联网最火的话题了，作为一个Unity开发者，今天来介绍一下如何在Unity中使用GPT。
一、API 密钥
使用GPT的API首先要获得密钥，如下进入OpenAI官网(https://platform.openai.com/account/api-keys)–>选择自己的账号–>查看API密钥，然后创建一个自己的密钥（创建的后要记得复制好密钥）。
二、GPT模型
进入OpenAI文档(https://platform.openai.com/docs/models)页面可以看到目前主要可以使用的AI模型，如下从GPT3.0到GPT4.0。
目前可以免费使用的最高版本就是GPT-3.5,所以这里主要来介绍一下如何集成 gpt-3.5-turbo。
三、gpt-3.5-turbo 集成
进入API文档(https://platform.openai.com/docs/api-reference/chat/create)选择Chat,就是gpt-3.5-turbo的使用文档。
OpenAI的接口访问主要都是使用Post请求，这里gpt-3.5-turbo的Post地址是：
https://api.openai.com/v1/chat/completions
请求与回调内容都是Json。
发送请求格式Request：
{
"model": "gpt-3.5-turbo",
"messages": [{"role": "user", "content": "Hello!"}]
}
回调相应格式Respond:
{
"id": "chatcmpl-123",
"object": "chat.completion",
"created": 1677652288,
"choices": [{
"index": 0,
"message": {
"role": "assistant",
"content": "\n\nHello there, how may I assist you today?",
},
"finish_reason": "stop"
}],
"usage": {
"prompt_tokens": 9,
"completion_tokens": 12,
"total_tokens": 21
}
}
在Unity中则可以直接使用UnityWebRequest来实现Post请求：
UnityWebRequest request = new UnityWebRequest(m_ApiUrl, "POST")
m_ApiUrl就是前面的Post地址。
在发送的信息中"model"就是使用示例中的"gpt-3.5-turbo"，这是最新的可以免费使用的AI模型。
发送的消息"messages"中每个message都包含一个"role"（角色）和一个"content"（角色对于的内容）。
"role"可以选择 “system”, “user”, 或 “assistant”：
- "system"一般作为角色设定，比如NPC扮演的话可以设定NPC的身份、特点等；
- "user"就是用户角色；
- "assistant"就是AI的角色身份。
这里可能会好奇，为什么我们向GPT请求要发送AI角色的内容，其实这里我们主要是把上一次的提问和AI的回答都传回去，这样GPT就相当于有了记忆，知道我们前面对话说了啥，因此对话就不会是一个个孤立的问答了，官方的ChatGPT聊天同样是使用了这个原理。
这里给上完整的gpt-3.5-turbo示例请求代码
public class GptTurboScript : MonoBehaviour
{
/// <summary>
/// api地址
/// </summary>
public string m_ApiUrl = "https://api.openai.com/v1/chat/completions";
/// <summary>
/// gpt-3.5-turbo
/// </summary>
public string m_gptModel = "gpt-3.5-turbo";
/// <summary>
/// 缓存对话
/// </summary>
[SerializeField]public List<SendData> m_DataList = new List<SendData>();
/// <summary>
/// AI人设
/// </summary>
public string Prompt;
private void Start()
{
//运行时，添加人设
m_DataList.Add(new SendData("system", Prompt));
}
public
/// <summary>
/// 调用接口
/// </summary>
/// <param name="_postWord">发送的消息</param>
/// <param name="_openAI_Key">密钥</param>
/// <param name="_callback">GPT的回调</param>
/// <returns></returns>
IEnumerator GetPostData(string _postWord,string _openAI_Key, System.Action<string> _callback)
{
//缓存发送的信息列表
m_DataList.Add(new SendData("user", _postWord));
using (UnityWebRequest request = new UnityWebRequest(m_ApiUrl, "POST"))
{
PostData _postData = new PostData
{
model = m_gptModel,
messages = m_DataList
};
string _jsonText = JsonUtility.ToJson(_postData);
byte[] data = System.Text.Encoding.UTF8.GetBytes(_jsonText);
request.uploadHandler = (UploadHandler)new UploadHandlerRaw(data);
request.downloadHandler = (DownloadHandler)new DownloadHandlerBuffer();
request.SetRequestHeader("Content-Type", "application/json");
request.SetRequestHeader("Authorization", string.Format("Bearer {0}", _openAI_Key));
yield return request.SendWebRequest();
if (request.responseCode == 200)
{
string _msg = request.downloadHandler.text;
MessageBack _textback = JsonUtility.FromJson<MessageBack>(_msg);
if (_textback != null && _textback.choices.Count > 0)
{
string _backMsg = _textback.choices[0].message.content;
//添加记录
m_DataList.Add(new SendData("assistant", _backMsg));
_callback(_backMsg);
}
}
}
}
#region 数据包
[Serializable]public class PostData
{
public string model;
public List<SendData> messages;
}
[Serializable]
public class SendData
{
public string role;
public string content;
public SendData() { }
public SendData(string _role,string _content) {
role = _role;
content = _content;
}
}
[Serializable]
public class MessageBack
{
public string id;
public string created;
public string model;
public List<MessageBody> choices;
}
[Serializable]
public class MessageBody
{
public Message message;
public string finish_reason;
public string index;
}
[Serializable]
public class Message
{
public string role;
public string content;
}
#endregion
}
使用只需要调用GetPostData这个方法，传入你要发送的消息和你的API密钥，然后在_callback回调中获取到GPT返回的信息就可以了。
四、GPT绘画
和gpt-3.5-turbo类似，画图的Post接口为：
https://api.openai.com/v1/images/generations
发送请求格式Request：
{
"prompt": "A cute baby sea otter",
"n": 2,
"size": "1024x1024"
}
"prompt"为要绘制的图片描述；"n"为绘制数量；"size"为图片大小。
回调相应格式Respond:
{
"created": 1589478378,
"data": [
{
"url": "https://..."
},
{
"url": "https://..."
}
]
}
返回的"url"就是图片的路径地址。
同样赋上完整的请求代码：
public class GPTImage : MonoBehaviour
{
//API key
[SerializeField] private string m_OpenAI_Key = "填写你的Key";
/// <summary>
/// api地址
/// </summary>
public const string m_ApiUrl = "https://api.openai.com/v1/images/generations";
/// <summary>
/// 调用接口
/// </summary>
/// <param name="_postWord"></param>
/// <param name="_openAI_Key"></param>
/// <param name="_callback"></param>
/// <returns></returns>
public IEnumerator GetPostData(string _postWord, Action<List<string>> _callback)
{
using (UnityWebRequest request = new UnityWebRequest(m_ApiUrl, "POST"))
{
PostData _postData = new PostData(_postWord, 10, "512x512");
string _jsonText = JsonUtility.ToJson(_postData);
byte[] data = System.Text.Encoding.UTF8.GetBytes(_jsonText);
request.uploadHandler = (UploadHandler)new UploadHandlerRaw(data);
request.downloadHandler = (DownloadHandler)new DownloadHandlerBuffer();
request.SetRequestHeader("Content-Type", "application/json");
request.SetRequestHeader("Authorization", string.Format("Bearer {0}", m_OpenAI_Key));
yield return request.SendWebRequest();
if (request.responseCode == 200)
{
string _msg = request.downloadHandler.text;
MessageBack _textback = JsonUtility.FromJson<MessageBack>(_msg);
if (_textback != null && _textback.data.Count > 0)
{
List<string> urlList= new List<string>();
for (int i = 0; i < _textback.data.Count; i++)
{
Debug.Log(_textback.data[i].url); //图片路径
urlList.Add(_textback.data[i].url);
}
_callback(urlList);
}
}
}
}
#region 数据包
[Serializable]
public class PostData
{
public string prompt;
public int n;
public string size;
public PostData(string _prompt, int _n, string _size)
{
prompt = _prompt;
n = _n;
size = _size;
}
}
[Serializable]
public class MessageBack
{
public string created;
public List<Data> data;
}
[Serializable]
public class Data
{
public string url;
}
#endregion
}
五、AICommand
AICommand是一位日本的开发者keijiro通过使用gpt-3.5-turbo来实现命令操控Unity，比如输入：创建物体、创建灯光、添加组件、改变颜色等。但这些命令使用英语才比较准确，通过下载源码（https://github.com/keijiro/AICommand）研究后，把发送给GPT的前置提示改成中文后就能比较好的识别中文命令了。
static string WrapPrompt(string input)
=> "Write a Unity Editor script.\n" +
" - It provides its functionality as a menu item placed \"Edit\" > \"Do Task\".\n" +
" - It doesn’t provide any editor window. It immediately does the task when the menu item is invoked.\n" +
" - Don’t use GameObject.FindGameObjectsWithTag.\n" +
" - There is no selected object. Find game objects manually.\n" +
" - I only need the script body. Don’t add any explanation.\n" +
"The task is described as follows:\n" + input;
如上，"input"为我们要输入的命令，前面部分为对命令的一些解释要求，其主要逻辑是让GPT先生成一个Editor模式下运行的脚本，脚本里面来实现我们描述的功能，比如“创建10个立方体”，当执行完这个脚本的功能后再把脚本删除，这样在感观上就像GPT能在Unity做一些操作。
在使用过程中遇到一些问题：
1.GPT给的脚本中时常给你一些使用提示，而我们需要的是存脚本才能正常运行，所以就需要在前置描述里面特别强调我们只需要纯代码文本。
2.因描述不准确、理解偏差或功能复杂等情况导致GPT生成的脚本并不能正常运行，其实这个目前并不好解决，AICommand能实现的也是一些简单基础的操作，但可以通过一些人为的操作，让GPT半自动的来实现一些更复杂的工作，比如可以让GPT在Unity生成脚本后我们在去挂载或修改脚本，这样加上人的操作虽然感觉不是那么智能，但也能提高很多效率。目前Unity商店中就有人做了一款类似的插件。
六、总结
目前GPT在Unity的应用虽还不能很高的智能化，但可以使用他生产代码、修改代码、以及给出一些优化、设计建议等，从而很大程度的提升我们的工作效率。
