如何使用 Python 快速构建自己的 ChatGPT 聊天机器人

大家好，我是小寒。‍‍‍

自从 OpenAI 推出 ChatGPT 以来，互联网一直没有停止对技术或人类未来的猜测。

ChatGPT 已成为一种革命性产品，有可能影响人类工作的几乎所有领域。

对于开发人员来说，集成这些 API 代表着创新的新前沿。

Gradio 基础介绍

Gradio 是一个用 Python 编写的开源工具。

Gradio 为机器学习开发人员提供了一种方便的方式来共享他们的模型。

为了构建 Web 应用程序，你需要熟悉 Gradio 的基本构建块。

「Gradio 允许你以两种方式设计 Web 应用程序：Interface 和 Block。」

Interface

它是一个高级类，可让你使用几行代码构建组件。

你可以为文本、图像、音频和视频构建输入/输出组件。

这具有较低的设计灵活性。

「Gradio 界面的一个简单示例。」

import gradio as gr
def sketch_recognition(img):
    pass# Implement your sketch recognition model here...

gr.Interface(fn=sketch_recognition, inputs="sketchpad", outputs="label").launch()

Block

Gradio Block 提供了一种更底层的构建界面的方法。

「随着灵活性的提高，这使开发人员可以更深入地构建复杂的 Web 界面。」

Block 具有高级功能，「可让你将组件灵活地放置在屏幕上的任何位置、改进的数据流控制以及用于交互式用户体验的事件处理程序。」

import gradio as gr
 
def greet(name):
    return"Hello " + name + "!"
    
with gr.Blocks() as demo: 
    name = gr.Textbox(label="Name") 
    output = gr.Textbox(label="Output Box") 
    greet_btn = gr.Button("Greet") 
    greet_btn.click(fn=greet, inputs=name, outputs=output, api_name="greet") 
    
demo.launch()

获取 OpenAI 的 api key

在构建聊天界面之前，我们需要访问 OpenAI API .

让我们看一下 OpenAI API 的请求和响应结构。

import openai
openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Who won the world series in 2020?"},
        {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},
        {"role": "user", "content": "Where was it played?"}
    ]
)

• 预先配置系统角色为模型以特定方式运行提供一些上下文。
• 用户角色存储用户提示
• 助理角色保存来自模型的响应。

而这个消息列表负责维护对话的上下文。

{
 'id': 'chatcmpl-6p9XYPYSTTRi0xEviKjjilqrWU2Ve',
 'object': 'chat.completion',
 'created': 1677649420,
 'model': 'gpt-3.5-turbo',
 'usage': {'prompt_tokens': 56, 'completion_tokens': 31, 'total_tokens': 87},
 'choices': [
   {
    'message': {
      'role': 'assistant',
      'content': 'The 2020 World Series was played in Arlington, Texas at the Globe Life Field.'},
    'finish_reason': 'stop',
    'index': 0
   }
  ]
}

构建 ChatGPT 聊天机器人

应用前端

with gr.Blocks() as demo: 
    chatbot = gr.Chatbot(value=[], elem_id="chatbot").style(height=650)    

现在，我们需要一个文本框以便传递提示。

Gradio 具有 Row 和 Column 类，可让您垂直和水平添加组件。

with gr.Row():   
      with gr.Column(scale=0.85):
          txt = gr.Textbox(
                show_label=False,
                placeholder="Enter text and press enter",
                ).style(container=False)

• 使用 gr.Row() 容器，我们创建了一个布局块。这会为其他组件创建一行，使其水平放置在一行中。

• 在第 2 行中，我们使用 gr.Column() 在前一个容器中创建了另一个布局块。与 Row 不同的是，它垂直堆叠其他组件或块。

• 在列容器内，我们定义了一个文本框组件。这将接受用户的任何文本输入。我们可以配置一些参数以使其更加用户友好。

• 列容器内的 scale 参数对里面的组件进行缩放。值为 0.85 表示它将在单行中占据屏幕的 85%。

如果你希望添加任何其他组件，你可以使用 Row 和 Column 容器的组合来添加它们。

with gr.Blocks() as demo:  
    radio = gr.Radio(value='gpt-3.5-turbo', choices=['gpt-3.5-turbo','gpt-4'], label='models')
    chatbot = gr.Chatbot(value=[], elem_id="chatbot").style(height=650)
    with gr.Row():
        with gr.Column(scale=0.70):
            txt = gr.Textbox(
                show_label=False,
                placeholder="Enter text and press enter, or upload an image",
            ).style(container=False) 

到目前为止，我们已经创建好了应用的前端。

应用后端

这样，我们就成功地构建了 Web 应用程序的前端。

现在，剩下的部分就是让它运行起来。

我们需要做的第一件事是处理输入。

def add_text(history, text):
    global messages  #message[list] is defined globally
    history = history + [(text,'')]
    messages = messages + [{"role":'user', 'content': text}]
    return history, ""

def generate_response(history, model):
        global messages

        response = openai.ChatCompletion.create(
            model = model,
            messages=messages,
            temperature=0.2,
        )

        response_msg = response.choices[0].message.content
        messages = messages + [{"role":'assistant', 'content': response_msg}]
        
        for char in response_msg:
            history[-1][1] += char
            #time.sleep(0.05)
            yield history

我们收到响应。最后的循环负责在接收到文本时按顺序呈现文本，以改善用户体验。

该循环负责在接收到文本时按顺序呈现文本，以改善用户体验。

with gr.Blocks() as demo:
    radio = gr.Radio(value='gpt-3.5-turbo', choices=['gpt-3.5-turbo','gpt-4'], label='models')
    chatbot = gr.Chatbot(value=[],elem_id="chatbot").style(height=550)
    with gr.Row():
        with gr.Column(scale=0.90):
            txt = gr.Textbox(
                show_label=False,
                placeholder="Enter text and press enter",
            ).style(container=False) 

    txt.submit(add_text, [chatbot, txt], [chatbot, txt], queue=False).then(
            generate_response, inputs =[chatbot,radio],outputs = chatbot,)
            
demo.queue()

当用户提交文本时，它需要一个聊天机器人对象和提示作为输入。然后将其输出发送到聊天机器人组件。之后，将触发 generate_response 函数。这将在聊天机器人中按顺序呈现响应。

现在，聊天 Web 应用程序已准备就绪。

下面我们来看一下最终效果吧。

最后

—

今天的分享就到这里。如果觉得不错，点赞，转发安排起来吧。

接下来我们会分享更多的 「深度学习案例以及python相关的技术」，欢迎大家关注。

最后，最近新建了一个 python 学习交流群，会经常分享 「python相关学习资料，也可以问问题，非常棒的一个群」。

「进群方式：加我微信，备注 “python”」

往期回顾

Fashion-MNIST 服装图片分类-Pytorch实现

python 探索性数据分析（EDA）案例分享

深度学习案例分享 | 房价预测 - PyTorch 实现

万字长文 |  面试高频算法题之动态规划系列

面试高频算法题之回溯算法（全文六千字）  

    

如果对本文有疑问可以加作者微信直接交流。进技术交流群的可以拉你进群。