ChatGPT学习心得一（使用node+react做了一个案例）
项目地址
项目截图
使用技术栈
node+SQLite+redis+nginx+log4js+express+jenkins+cdn+react+antd+react-scrollbars-custom+iconfont+webpack+postman+axios+redux+immutable+npm+yarn+openai等等
官网
https://openai.com/blog/chatgpt/
官方聊天应用
https://chat.openai.com/chat/79014944-0302-45ff-bd25-073803e37216
官方Javascript沙盒应用
https://platform.openai.com/codex-javascript-sandbox
官方技术文档
https://platform.openai.com/docs/introduction
node调用ChatGPT的API
装包：
yarn add openai
获取API Keys:
https://platform.openai.com/docs/api-reference/introduction
https://platform.openai.com/account/api-keys
获取Organization ID：
https://platform.openai.com/account/org-settings
node代码：
const { Configuration, OpenAIApi } = require('openai')
const configuration = new Configuration({
organization: 'xxx',
apiKey: 'xxx',
})
const openai = new OpenAIApi(configuration)
//增加
const chatAdd = async (req, res) => {
const {
talkId = '',
name = '',
messageType = '1',
message = '',
modelType = '1',
promptType = '1',
} = req.body
const uid = uuidv4()
const now = Date.now()
const talkRedis = await redisClient.get('talk')
let talkList = JSON.parse(talkRedis)
const resultIndex = talkList.findIndex((item) => item.uid === talkId)
if (resultIndex >= 0) {
if (message && message.trim() !== '') {
const chatRedis = await redisClient.get('chat')
let chatList = JSON.parse(chatRedis)
chatList = Array.isArray(chatList) ? chatList : []
let currentChatList = chatList
.filter((item) => item.talkId === talkId)
.sort((a, b) => a.createTime - b.createTime)
let prompt = ''
if (promptType === '1') {
if (currentChatList.length > 0) {
let shotChatList = currentChatList
if (currentChatList.length > 10) {
shotChatList = currentChatList.slice(currentChatList.length - 10)
}
shotChatList.forEach((item) => {
let { messageType, message } = item
if (messageType === '1') {
prompt += `YOU:${message}n`
} else if (messageType === '2') {
//message = encodeURIComponent(message)
prompt += `${message}n`
}
})
}
prompt += `YOU:${message}n`
} else if (promptType === '2') {
if (currentChatList.length > 0) {
let shotChatList = currentChatList
if (currentChatList.length > 10) {
shotChatList = currentChatList.slice(currentChatList.length - 10)
}
shotChatList.forEach((item) => {
const { messageType, message } = item
if (messageType === '1') {
prompt += `n/* Command: ${message} */n`
} else if (messageType === '2') {
//message = encodeURIComponent(message)
prompt += `${message}n`
}
})
}
prompt += `<|endoftext|>/* I start with a blank HTML page, and incrementally modif it via <script> injection. Written for Chrome. */n/* Command: Add "Hello World", by adding an HTML DOM node */nvar helloWorld = document.createElement('div');nhelloWorld.innerHTML = 'Hello World';ndocument.body.appendChild(helloWorld);n/* Command: Clear the page. */nwhile (document.body.firstChild) {n document.body.removeChild(document.body.firstChild);n}nn/* Command: ${message} */n`
}
let completion
try {
let hooks = [
{
value: '1',
lable: 'text-davinci-003',
},
{
value: '2',
lable: 'code-davinci-002',
},
]
let resultIndex = hooks.findIndex((item) => item.value === modelType)
let model = 'text-davinci-003'
if (resultIndex >= 0) {
model = hooks[resultIndex].lable
}
const completionRes = await openai.createCompletion({
model,
// prompt:
// 'YOU:你好n你好。很高兴见到你。nYOU:你叫什么名字n我叫小爱。很高兴见到你！nYOU:介绍一下元宵节n',
prompt,
max_tokens: 2048,
})
completion = completionRes.data
} catch (error) {
res.send({
code: 200,
data: {
isRobotBusy: true,
},
message: '失败-机器人无应答',
})
return
}
if (
Array.isArray(completion.choices) &&
completion.choices.length > 0 &&
completion.choices[0].text
) {
const values = []
let robotMessage = completion.choices[0].text
robotMessage = robotMessage.replace(/n/, '')
//robotMessage = decodeURIComponent(robotMessage)
values.push(`(
'${uid}',
'${talkId}',
'${name}',
'${messageType}',
'${message}',
'${now}',
'${now}',
'新增'
)`)
const uidForRobot = uuidv4()
values.push(`(
'${uidForRobot}',
'${talkId}',
'robot',
'2',
'${robotMessage}',
'${now + 1000}',
'${now + 1000}',
'新增'
)`)
const valuesStr = values.join(',')
let err = await runSql(
`INSERT INTO chat (
uid,
talkId,
name,
messageType,
message,
createTime,
updateTime,
remarks
)
VALUES ${valuesStr}`
)
if (err) {
res.send({
code: 400,
data: {
err: err.stack,
},
message: '添加失败',
})
} else {
await refreshRedis({ tableName: 'chat' })
res.send({
code: 200,
data: {
//isRobotBusy: true,
prompt,
robotMessage,
},
message: '添加成功',
})
}
} else {
res.send({
code: 400,
data: {},
message: '失败-机器人无应答',
})
}
} else {
res.send({
code: 400,
data: {},
message: '失败-参数：message',
})
}
} else {
res.send({
code: 400,
data: {},
message: '失败-参数：talkId',
})
}
}
chatGPT 是一款由 OpenAI 开发的聊天机器人模型，它能够模拟人类的语言行为，与用户进行自然的交互。它的名称来源于它所使用的技术—— GPT-3架构，即生成式语言模型的第3代。
chatGPT的核心技术是 GPT-3 架构。它通过使用大量的训练数据来模拟人类的语言行为，并通过语法和语义分析，生成人类可以理解的文本。它可以根据上下文和语境，提供准确和恰当的回答，并模拟多种情绪和语气。这样，就可以让用户在与机器交互时，感受到更加真实和自然的对话体验。
chatGPT 的应用场景也很广泛。它可以用于处理多种类型的对话，包括对话机器人、问答系统和客服机器人等。它还可以用于各种自然语言处理任务，比如文本摘要、情感分析和信息提取等。例如，在一个问答系统中，chatGPT可以提供准确的答案，解决用户的疑惑；在一个客服机器人中，它可以帮助用户解决问题，提供更好的服务体验。
在未来，chatGPT 的发展方向将会更加多元。它可能会引入更多的语言模型和深度学习技术，使得它的性能更加优秀。它也可能会拓展到更多的应用场景，为更多的人群提供服务。例如，它可能会进一步拓展到更多的语言领域，支持更多的语言；也可能会更加灵活，可以根据不同的目标来进行微调，适应不同的场景和需求。
此外，chatGPT 也面临着一些风险和挑战。其中，最主要的问题是隐私和安全。由于 chatGPT 涉及到大量的个人信息，因此如果不加以保护，就有可能被黑客攻击和泄露。此外，由于 chatGPT 模拟人类的语言行为，因此如果不加以控制，它也可能会发生一些不良信息的传播。
另一方面，在技术方面，chatGPT 也面临着一些挑战。由于它依赖于深度学习和大规模数据，因此如果数据质量不高或者模型不稳定，它的性能就会受到影响。此外，由于它所处理的是自然语言，因此它也需要面对语言多样性和变化性等问题。
总之，chatGPT 是一款先进的聊天机器人模型，它可以为各种应用场景提供智能化的对话功能。通过它，可以让用户在与机器交互时，感受到更加真实和自然的对话体验。在未来，它将会更加成熟，为人类带来更多的便利。
聪明的你应该已经发现了，这篇文章是由chatAI自己生成的。