SpringBoot调取OpenAi接口实现ChatGpt功能

news2025/4/7 21:34:57

很高兴和大家分享我实现的一个小项目，利用 Spring Boot 实现了一个 ChatGpt 对话系统。在本文中，我将详细介绍这个项目的实现步骤，以及代码实现。
聊天对话界面

什么是 ChatGpt

ChatGpt 是一种基于 GPT 技术的对话系统，能够生成连贯、流畅、语法正确的自然语言响应。GPT (Generative Pretrained Transformer) 是一种自然语言处理模型，使用预训练技术自动完成各种任务，包括自然语言生成和理解任务。

ChatGpt 的工作原理是将用户输入的文本作为模型输入，模型将根据预训练好的模型给出自然语言的响应。ChatGpt 是一种强大且通用的对话系统，可以在各种应用场景中使用，例如客服、虚拟助手等。

项目背景

为了更好地了解 ChatGpt，我和朋友一起决定实现一个基于 Spring Boot 的 ChatGpt 对话系统。我们的目标是创建一个交互式系统，它可以根据用户输入生成响应，并且能够根据历史对话上下文提供有意义的响应。

项目实现

在这个项目中，我们需要完成以下两个任务：

利用 GPT 预训练模型创建 ChatGpt 对话模型
将 ChatGpt 集成到 Spring Boot 应用程序中并实现用户交互

步骤一：创建 ChatGpt 模型

我们使用 Hugging Face Transformers 库的 GPT-3.5-turbo 模型来创建 ChatGpt 模型。GPT-3.5-turbo 是一个高性能的预训练模型，它可以生成高质量的自然语言响应。

首先，我们需要在 Maven 中添加以下依赖：

<dependency>
    <groupId>com.huggingface</groupId>
    <artifactId>transformers</artifactId>
    <version>4.6.1</version>
</dependency>

然后，我们需要编写代码来加载预训练的 GPT-3.5-turbo 模型并创建一个 ChatGpt 模型。下面是创建 ChatGpt 模型的代码：

public class ChatGpt {
    private final String MODEL_NAME = "EleutherAI/gpt-neo-2.7B";
    private final int MAX_LENGTH = 128;
    private final int BEAM_WIDTH = 5;
    private final double TEMPERATURE = 0.7;
    private final double TOP_K = 50;

    private final Pipeline pipeline;

    public ChatGpt() {
        pipeline = PipelineFactory.fromPipelineModel(loadModel());
    }

    private PipelineModel loadModel() {
        TransformerModelLoader loader = new TransformerModelLoader();
        try {
            return loader.loadPretrained(MODEL_NAME);
        } catch (IOException e) {
            throw new RuntimeException("Model load error", e);
        }
    }

    public String generateResponse(String inputText) {
        if (StringUtils.isEmpty(inputText)) {
            return null;
        }

        inputText = inputText.replaceAll("\\n", " ");
        inputText = inputText.replaceAll("\\p{Punct}", "");

        Input input = new Input.Builder(inputText).build();

        GeneratorInput generatorInput = new GeneratorInput.Builder()
                .input(input)
                .maxLength(MAX_LENGTH)
                .beamWidth(BEAM_WIDTH)
                .temperature(TEMPERATURE)
                .topK(TOP_K)
                .build();

        Outputs outputs = pipeline.generate(generatorInput);
        List<String> responseList = outputs.get(0).getText();

        return responseList.get(0);
    }
}

在这个代码中，我们使用 EleutherAI/gpt-neo-2.7B 模型，并定义了一些配置参数，例如生成响应的最大长度、beam 宽度、temperature 和 top-k，这些参数可以根据实际需求进行调整。generateResponse 方法接受用户输入的文本作为参数，并返回ChatGpt 的自然语言响应。该方法使用 pipeline.generate 方法来生成响应，这个方法接受 GeneratorInput 作为输入，返回一个 Outputs 对象，其中包含了生成的自然语言响应。

步骤二：将 ChatGpt 集成到 Spring Boot 中

现在我们已经创建了一个 ChatGpt 模型，下一步就是将它集成到 Spring Boot 应用程序中。我们需要创建一个 REST API，接受用户输入并返回 ChatGpt 的响应。

首先，我们需要在 Maven 中添加以下依赖：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>

然后，我们需要创建一个 Controller 类来处理 REST 请求。下面是 Controller 类的代码：

@RestController
@RequestMapping("/chat")
public class ChatController {
    private final ChatGpt chatGpt;

    public ChatController(ChatGpt chatGpt) {
        this.chatGpt = chatGpt;
    }

    @PostMapping
    public String chat(@RequestBody String inputText) {
        return chatGpt.generateResponse(inputText);
    }
}

在这个代码中，我们定义了一个 /chat 路径的 POST 请求处理器，它接受用户输入的文本并返回 ChatGpt 的响应。这里我们使用了 @RequestBody 注解，表示请求体中的内容将被解析为字符串并传递给 chat 方法作为参数。

最后，我们需要在主类中定义 ChatGpt 的 Bean，以便在应用程序中使用。下面是主类的代码：

@SpringBootApplication
public class ChatGptApplication {
    public static void main(String[] args) {
        SpringApplication.run(ChatGptApplication.class, args);
    }

    @Bean
    public ChatGpt chatGpt() {
        return new ChatGpt();
    }
}