Python+ChatGPT实现5分钟快速上手编程

最近一段时间chatGPT火爆出圈！无论是在互联网行业，还是其他各行业都赚足了话题。

俗话说：“外行看笑话，内行看门道”，今天从chatGPT个人体验感受以及如何用的角度来分享一下。

1、chatGPT是个啥

chatGPT是最近新出来的玩意？并不是！在国内，chatGPT最早是在2022年11月就由OpenAI于推出的。只是去年底火了一把，后力不足又遇春节，热度草草就结束了。

先讲一下，OpenAI是美国一所人工智能研究公司，chatGPT 只是 OpenAI 公司其中的一个技术产品，除了chatGPT, OpenAI也还有很多其他“有意思”的产品。

OpenAI旨在降低人工智能业务开发门槛，我们完全不需要神经网络、NLP、深度学习等人工智能领域工程师及算法工程师，就可以直接使用OpenAI训练好的强大模型为我们进行业务赋能。

具体可查阅它的官网：https://openai.com/

再来讲一讲chatGPT是什么，chatGPT采用了 GPT（Generative Pre-trained Transformer）技术，用专业词汇来讲，是一个用于对话生成的预训练语言模型，用简单通俗来解释：是一款利用AI技术实现出来的聊天机器人。

提到AI聊天机器人，这类技术应用场景在互联网行业此前并不少见，甚至很多，那为什么chatGPT能快速脱颖而出，成为爆品。得益于它的强大能力：整合信息和语言组织能力，接近于人类常识、认知。体验过chatGPT的人，想必很多人的第一感受给我是一样的：chatGPT很像一个真人！这个人还是一个业务能力很强，知无不言的行家能手，不厌其烦地为你解答各种业务问题，它的答复比其他搜索引擎更加精准，十分清楚你的搜索意图

显然易见的是，比起冷冰冷的机器，我们更愿意跟人打交道，这背后要归功于OpenAI在AI对齐问题上做出的诸多努力，致力于探索如何让语言模型遵循人类的意图、符合人类价值观，让ChatGPT表现得更有“人味儿”。

如下体验后截的两张示例图（如果你再不努力，重复低效劳力者终将AI取代

从给出来的答案中，可以发现提问方式的不同，答案也会有所不同，即便是针对同一个关键词，chatGPT给出来的答案也会有所差异，通过Regenerate response不断调优，致力生成一个更佳完美适合你提问预期需要的答案。

2、chatGPT怎么用

chatGPT爆火后，很多行业都在探索如何将其结合到生活工作场景中。如chatGPT+医疗、chatGPT+OA、chatGPT+自动运维、chatGPT+智能客服，甚至chatGPT如何结合应用到测试场景等等。包括在国内也有很多同类产品早在布局：

今天我们暂不聊chatGPT如何和具体场景结合，单纯从开发的角度，聊一聊chatGPT本身如何使用。

OpenAI官网提供了一套接口文档：platform.openai.com

从目前接口文档中来看，OpenAI的原生接口支持Python和Node.js两类语言，但也同时支持RESTFul的API接口形式。所以目前其他语言可以通过Http的API请求形式来调用OpenAI的接口。

以Python为例，在编写代码之前，先安装openai环境，安装指令如下：

pip install openai

在调用openai API需要一个API_KEY, API_KEY的获取办法访问：

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

在网页中，生成API_KEY

示例1：利用chatGPT API实现文本处理响应

# 公众号：测试开发技术

import os
import openai

OPENAI_API_KEY="xxxxxx"
openai.api_key = os.getenv("OPENAI_API_KEY",OPENAI_API_KEY)

prompt = "用Python写一个mock server"

response = openai.Completion.create(
  model="text-davinci-003",
  prompt=prompt,
  temperature=0.5,
  max_tokens=1024,
  n=1,
  stop=None
)

print(response.choices[0].text)

本示例是基于"text-davinci-003"模型来对text文本进行处理的，"text-davinci-003"是chatGPT最常用的模型之一。

运行结果如下：

这样就已经基于"text-davinci-003"的能力得到了我们想要的答案。

示例2: 利用chatGPT实现python代码bug自动修复

import os
import openai

openai.api_key = os.getenv("OPENAI_API_KEY")

response = openai.Completion.create(
  model="code-davinci-002",
  prompt="##### Fix bugs in the below function\n \n### Buggy Python\nimport Random\na = random.randint(1,12)\nb = random.randint(1,12)\nfor i in range(10):\n    question = \"What is \"+a+\" x \"+b+\"? \"\n    answer = input(question)\n    if answer = a*b\n        print (Well done!)\n    else:\n        print(\"No.\")\n    \n### Fixed Python",
  temperature=0,
  max_tokens=182,
  top_p=1.0,
  frequency_penalty=0.0,
  presence_penalty=0.0,
  stop=["###"]
)

从上面两者示例，大家不难看出，代码写起来并不复杂，不同功能实现起来的区别在于使用到的model以及设置参数的不同罢了，具体更多玩法，留给大家探索了。

4、小结

本篇文章算是对chatGPT一个小结，对于刚接触chatGPT的读者来讲，还是非常有帮助的。chatGP官方提供了大量的API，对于技术从业者是极大利好的，至于怎么和实际生活工作场景结合起来，将取决你的技术功底+商业嗅觉了。正如雷军之前说过一句话：“站在风口，猪都会飞！”

到此这篇关于Python+ChatGPT实现5分钟快速上手编程的文章就介绍到这了,更多相关Python ChatGPT编程内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论