如何在 Python 开发环境中调用 ChatGPT 模型?

news2024/11/24 19:10:33

在这里插入图片描述

本文将演示在本地的 python 项目中调用 ChatGPT 模型。

      • 写在前面
      • 第一步:获取 API Key
      • 第二步:安装 OpenAI 第三方库
      • 第三步:Python 开发环境中调用 ChatGPT 模型


写在前面

作为一名程序员,在开发过程当中时常需要使用 ChatGPT 来完成一些任务,但总是使用网页交互模式去 Web 端访问 ChatGPT 是很麻烦的,这时候我们可以使用代码来调用 ChatGPT 模型,以实现在本地和 Web 端一样的效果。

本文将演示 Python 开发语言对 ChatGPT 模型的调用,总体分为三步:

  • 步骤一:获取 API Key,访问 OpenAI 官网下的 API 网站获取自己的密钥;
  • 步骤二:安装 OpenAI 第三方库;
  • 步骤三:使用 Python 调用 ChatGPT 模型 API。

第一步:获取 API Key

每一个账号在注册成功之后都会有自己专属的 API key。首先使用我们注册的 ChatGPT 账号密码登录 OpenAI 官网(https://platform.openai.com/overview)

在这里插入图片描述
登录后进入以下界面,选择“View API keys”;

在这里插入图片描述
如果我们是第一次来到该页面,需要先自己创建 key,选择“Create new secret key”;

在这里插入图片描述
创建成功后如下,属于自己的 API key 已生成,复制使用即可。

在这里插入图片描述

第二步:安装 OpenAI 第三方库

这里 python 安装第三方库需要使用到 pypi,在浏览器输入“pypi”,就可以看到 Python Package Index,点击进入;

pypi:Python Package Index 首字母简写,表示的是 Python 的 Packag 索引,这是 Python 的官方索引。

在这里插入图片描述

随后搜索 openai,可以找到 openai 当前的库;

在这里插入图片描述
在这里插入图片描述
我们选择 openai 0.27.4 版本,进入。这里面告知了我们 openai 第三方库的安装方式:使用命令 pip install openai

在这里插入图片描述
接下来使用本地 anaconda 窗口输入命令下载即可。 进入 anaconda 的 prompt 界面;

在这里插入图片描述
然后在 prompt 界面中输入命令 pip install openai 进行第三方库的安装;

在这里插入图片描述
安装完成之后,再使用命令 pip list 查看已安装的包,能看到 “openai” 说明第三方库安装成功。

在这里插入图片描述

第三步:Python 开发环境中调用 ChatGPT 模型

此处基于 python 开发环境(Python 项目)来调用 OpenAI 的第三方库,所以我们本地需要有已经搭建好的 python 开发环境,没有 python 环境的参见此文:

一文掌握 Python、Anaconda、PyCharm 的安装和使用

来到开发工具 PyCharm,新建一个项目,界面如下:

在这里插入图片描述
映入眼帘的是新项目默认生成的一段入门基础代码,运行后会输出 “Hi, PyCharm”,能运行成功说明我们的 python 环境是没有问题的。

在这里插入图片描述
接下来在项目文件夹下创建文件夹和 .py 文件,就可以编写代码了;

在这里插入图片描述

# 1.引入必须的包
import os
import openai

# 2.获取api-key
openai.api_key = "你自己的API-key"

# 3.使用OpenAI的API完成ChatGPT模型调用
#    model:指的就是ChatGPT模型
#    prompt:向ChatGPT提出的问题
#    max_tokens:返回的最大字符个数
response = openai.Completion.create(
  model="text-davinci-003",
  prompt="请用python语言生成一个二分法查找算法",
  max_tokens=256,
)

# 4.打印结果
message=response.choices[0].text
print(message)

代码编写完成之后,运行此程序,可以看到已生成二分查找算法;

在这里插入图片描述
ChatGPT 模型调用成功。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/494454.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

项目创建第一天 搭建前端环境

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言一、环境是什么?二、使用步骤1.前台搭建方式1.创建项目2.目录结构3. 安装elementui4. 创建路由5.使用axios6.bug记录6.1出现跨域问题6.2 解决方式6.…

硬盘数据突然消失怎么回事?硬盘数据突然消失怎么找回

硬盘上的数据对每个人都至关重要,它可能是我们的珍贵回忆,多年学习的总结,或者一些不可告人的秘密。而硬盘中的数据可能会在不知情的情况下消失或被删除,这种情况对我们来说十分痛苦和困扰。然而,我们不必担心&#xf…

SLAM论文速递:SLAM—(2021)Amos-SLAM:一种基于视觉和几何的抗动态双阶段SLAM方法—5.65(1)

论文信息 题目: Visual SLAM in dynamic environments based on object detection 基于目标检测的动态环境下的视觉SLAM论文地址: https://www.sciencedirect.com/science/article/pii/S2214914720304402发表期刊: Defence Technology,&…

【python】pytorch包:深度学习(序章)

今日听闻师姐说pytorch实现深度学习要比keras更好用一些,特此记录 Part 0. 机器学习 与 深度学习 的联系与区别 参考B站视频链接 联系 深度学习是机器学习的分支,人工神经网络为基础,对数据的特征进行学习的方法 区别 特征抽取 机器学…

TensorRT入门实战,TensorRT Plugin介绍以及TensorRT INT8加速

文章目录 一、TensorRT介绍,工作流程和优化策略TensorRT是什么TensorRT的工作流程TRT优化策略介绍 二、TensorRT的组成和基本使用流程三、TensorRT的基本使用流程四、TensorRT Demo代码 : SampleMNISTCaffe Parser方式构建 五. TensorRT Plugin基本概念工作流程API介绍Dynamic …

复旦微的 JFM7K325T 国产化设计资料(PCIE711)

板卡概述 PCIE711 是一款基于 PCIE 总线架构的高性能数据预处理 FMC载板,板卡采用复旦微的 JFM7K325T FPGA 作为实时处理器,实现 各个接口之间的互联。该板卡可以实现 100%国产化。 板卡具有 1 个 FMC(HPC)接口,1 路…

字符设备注册与注销

1、对于字符设备驱动而言,当驱动模块加载成功以后需要注册字符设备,同样,卸载驱动模 块的时候也需要注销掉字符设备。字符设备的注册和注销函数原型如下所示 static inline int register_chrdev(unsigned int major, const char *name,const…

虹科方案 | HK-Edgility系统随时随地保护您的远程工作

通过上次的文章,我们了解到虹科HK-Edgility软件系统《将云计算扩展到边缘》的解决方案。今天的文章,我们将带您了解虹科系统在远程工作的方案简介。 一、时代背景 在当今新的数字化工作空间中,员工需要从家中、远程办公室和旅途中访问公司业务…

作为团队管理者,如何获得团队成员的信任和认可?

作为团队管理者,获得团队成员的信任和认可是非常重要的。只有当团队成员信任你并认可你的领导能力,才能更好地协同工作,提高工作效率和完成团队目标。那么,如何才能获得团队成员的信任和认可呢?以下是一些实用的建议。…

全球首个天基蜂窝语音通话,打通了,这个重大新闻非常值得关注

4月25日,美国卫星通信初创公司——AST SpaceMobile,宣布打通了全球首个天基蜂窝语音通话。 对于卫星通信乃至整个通信行业来说,这是一个重大新闻,非常值得关注。 去年,我们还只是实现了手机和卫星之间的双向短消息通信…

柯桥学习商务英语的四个阶段

商务英语第一阶段   第一阶段也被称为“商务零基础”,这个课程主要针对零起点或长期没接触英语的学习者;有一定英语基础,想提高英语发音的学员。   从零入门,从ABC开始。通过对英语的初步了解与认识,最终使学员达…

用 Yjs + React 写一个支持协同的 TODO 应用

大家好,我是前端西瓜哥。 为了测试 Yjs 的协同能力,我实现了支持协同简单的 TODO 应用。 支持的功能 创建房间;新增、删除、完成、清空所有待办;撤销重做;显示其他用户的光标位置; 技术栈 列一下用到的…

多线程并发编程学习笔记11(小滴课堂)数据同步接口

中间表设计: 我们原来有一张学生表。 然后我们去设计中间表: 基础环境搭建: 既然是搭建环境那肯定要先从maven入手,引入依赖: 然后我们需要去配置我们的mybatis的xml文件。 同样中间表的数据库我们也要进行配置&#…

Python+opencv:图像修复

简介:OpenCV 是一个开源的计算机视觉库,它包含了许多图像处理和计算机视觉算法。使用 OpenCV 进行图像修复主要依赖于传统的图像处理技术。 OpenCV 图像修复方法及其原理: 1、去噪:图像去噪是消除图像中的噪声,提高图…

H3C路由器(通用)限速(命令行)配置方法

1 配置需求或说明 1.1 适用产品系列 本手册适用于如下产品:MSR 全系列路由器 1.2 配置需求及实现的效果 MSR路由器G0/0接口连接公网,G0/1接口连接内网,内网网关地址为MSR路由器VLAN1虚接口地址192.168.1.1/24,需要实现对内网I…

Python小姿势 - 如果你不会Python,不要紧,按照以下步骤操作即可:

如果你不会Python,不要紧,按照以下步骤操作即可: 在百度搜索“Python随机数”,找到第一个搜索结果;在搜索结果页面,随机点开一个链接;在新打开的页面,查看页面标题,作为你…

【郭东白架构课 模块二:创造价值】24|节点四:如何减少语义上的分歧?

你好,我是郭东白。上节课我们通过一个篇幅比较长的电商案例,详细展示了为什么在架构活动中会出现语义分歧。同时也描述了,架构师在统一语义这个环节中所要创造的真正价值是什么。即,看到不同角色之间语境的差异,然后通…

案例2:东方财富股吧文本分析----code模块封装命令行运行版

案例2:东方财富股吧文本分析----code模块封装命令行运行版 0. 先导语1.东方财富股吧文本信息爬取1.1 模块getGuBaNews.py的内容1.2 东方财富股吧文本信息爬取主运行文件run_main_getnews.py内容1.3 命令行运行 2.东方财富股吧文本信息分析2.1 模块gubaNewsAnalyse.p…

『python爬虫』11. xpath解析实战之获取csdn文章信息(保姆级图文)

目录 网页结构分析爬取思路得到所有的文章遍历每个文章得到其中的信息 实现代码总结 欢迎关注 『python爬虫』 专栏,持续更新中 欢迎关注 『python爬虫』 专栏,持续更新中 网页结构分析 我的csdn主页 https://blog.csdn.net/u011027547我们先找一篇文章…

AI 工具合辑盘点(八)持续更新 之 AI 面部生成工具和AI 角色生成工具

(一)AI 面部生成工具 需要一张真实人物的肖像画来用于你的营销材料?正在寻找具有特定面部特征的模特,但你的预算有限?正在创建你的买家人物,但不想从互联网上窃取图片? 如果是这样&#xff0c…