北国春迟，春寒料峭略带阴霾，但ChatGPT新接口模型gpt-3.5-turbo的更新为我们带来了一丝暖意，使用成本更加亲民，比高端产品ChatGPT Plus更实惠也更方便，毕竟ChatGPT Plus依然是通过网页端来输出，Api接口是以token的数量来计算价格的，0.002刀每1000个token，token可以理解为字数，说白了就是每1000个字合0.01381人民币，以ChatGPT无与伦比的产品力而言，如此低的使用成本让所有市面上其他所有类ChatGPT产品都黯然失光。
本次让我们使用Python3.10光速接入ChatGPT API的新模型gpt-3.5-turbo。
OpenAI库的SDK方式接入
OpenAI官方同步更新了接口Api的三方库openai，版本为0.27.0，如果要使用新的模型gpt-3.5-turbo，就必须同步安装最新版本：
pip3 install openai==0.27.0
随后建立chat.py文件：
import openai openai.api_key = "openai的接口apikey" completion = openai.ChatCompletion.create( model="gpt-3.5-turbo", messages=[{"role": "user", "content": "北国风光，千里冰封，万里雪飘，请接着续写，使用沁园春的词牌"}] ) print(completion["choices"][0]["message"]["content"])
程序返回：
瑶池冰缘，雪舞凄美， 隔窗寒意，似乎钻进衣袖。 寒塘渡鸭，雪中梅影， 孤独是一片银白的姿态。 冰雪如花，开放在草莓园里， 可爱的雪人，瑟瑟发抖着欢呼。 北风凛冽，寒暄难挡， 四季明媚，但冬日尤甜美。 千里冰封，万里雪飘， 窗外天下壮观，此时正是京城美。
闪电般秒回，让用惯了ChatGPT网页端的我们几乎不能适应。
gpt-3.5-turbo，对得起turbo的加成，带涡轮的ChatGPT就是不一样。
ChatGPT聊天上下文
我们知道ChatGPT的最大特色就是可以联系语境中的上下文，换句话说，ChatGPT可以根据之前的回答来优化之后的回答，形成上下文关系，让人机对话更加连贯和富有逻辑性。
这里取决于输入参数中的role参数，每一个role的取值，对应的场景不一样，其中system用于在对话开始时给ChatGPT一个指示或声明，有点像引导词，使得后续的回答更具有个性化和专业化。user是用于给用户提问的或者说是用来给用户输入引导词的。assistant顾名思义，是用于输入ChatGPT的回答内容:
import openai openai.api_key = "apikey" class ChatGPT: def __init__(self,chat_list=[]) -> None: # 初始化对话列表 self.chat_list = [] # 显示接口返回 def show_conversation(self,msg_list): for msg in msg_list: if msg['role'] == 'user': print(f"Me: {msg['content']}\n") else: print(f"ChatGPT: {msg['content']}\n") # 提示chatgpt def ask(self,prompt): self.chat_list.append({"role":"user","content":prompt}) response = openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=self.chat_list) answer = response.choices[0].message['content'] # 添加历史对话，形成上下文关系 self.chat_list.append({"role":"assistant","content":answer}) self.show_conversation(self.chat_list)
这里每一次会话都会加入chat_list的聊天列表，角色为assistant，为了让ChatGPT分析上下文，下面开始测试：
if __name__ == '__main__': chat = ChatGPT() chat.ask("你是一位南宋词人，词风婉约，有点类似李清照女士，请使用蝶恋花词牌描写北国春光")
程序返回：
Me: 你是一位南宋词人，词风婉约，有点类似李清照女士，请使用蝶恋花词牌描写北国春光 ChatGPT: 北国春光，清冽宜人。望眼欲穿的远山如翠起伏，遥远而缥缈。层层叠叠的林木，新绿徜徉，婆娑摇曳。风儿吹起，沁人心脾，点点梅花飘至，宛如仙境。 花间蝶恋，春色满园。莺莺燕燕，鸟鸣花落，时时惹人遐思。碧空万里，蓝天白云，彩云飘飘，缤纷夺目。柳絮飘飘，轻羽翩翩，小河潺潺，流水声声，婉转动人。 清风拂面，落英缤纷。听着草虫唱起，充满阳光的气息，轻轻飘荡，仿佛一条无形的小河，展开春天的美好，留下美好的记忆。人间万象，却只有这春色无边，似乎奔向远方的快乐。
此时再次发问：
chat.ask("请使用另外一种粗狂阳刚的风格再写一遍上面的词")
程序返回：
Me: 请使用另外一种粗狂阳刚的风格再写一遍上面的词 ChatGPT: 北国春光，不柔不媚，金色的阳光照在地上，充满了男子气概。 草原上风吹不断，那些疯狂的野花，在春风中舞蹈。 看！那些猛禽静静地盘旋在高空，监视着整片草原，威武雄壮。 花丛间，一只雄性蜂鹰跃跃欲飞，看上去仿佛要冲破天际。 这里的春天有时带着风沙，但这并不能阻止狂放豪迈的草原奔腾前行，而这样的北国春光，怎会轻易被遗忘！
虽然内容有些尬，但确实联系了上下文。
需要注意的是，token不仅计算ChatGPT的接口返回内容，也会计算用户的发送内容，token的计算方法不是简单的一词一个，例如中文输入，一个中文汉字占2个字节数，而对于一次中文测试中，50个汉字被算为100个tokens，差不多是英文的一倍，而token还计算api发送中的角色字段，如果像上文一样实现上下文操作，就必须发送ChatGPT接口返回的历史聊天列表，这意味着ChatGPT上下文聊天的成本并不是我们想象中的那么低，需要谨慎使用。
原生ChatGPT接口异步访问
除了官方的SDK，新接口模型也支持原生的Http请求方式，比如使用requests库：
pip3 install requests
直接请求openai官方接口：
import requests h = { 'Content-Type': 'application/json', 'Authorization': 'Bearer apikey' } d = { "model": "gpt-3.5-turbo", "messages":[{"role": "user", "content": "请解释同步请求和异步请求的区别"}], "max_tokens": 100, "temperature": 0 } u = 'https://api.openai.com/v1/chat/completions' r = requests.post(url=u, headers=h, json=d).json() print(r)
程序返回：
{'id': 'chatcmpl-6qDNQ9O4hZPDT1Ju902coxypjO0mY', 'object': 'chat.completion', 'created': 1677902496, 'model': 'gpt-3.5-turbo-0301', 'usage': {'prompt_tokens': 20, 'completion_tokens': 100, 'total_tokens': 120}, 'choices': [{'message': {'role': 'assistant', 'content': '\n\n同步请求和异步请求是指在客户端向服务器发送请求时，客户端等待服务器响应的方式不同。\n\n同步请求是指客户端发送请求后，必须等待服务器响应后才能继续执行后续的代码。在等待服务器响应的过程中，客户端的界面会被阻塞，用户无法进行'}, 'finish_reason': 'length', 'index': 0}]}
ChatGPT原生接口也支持异步方式请求，这里使用httpx:
pip3 install httpx
编写异步请求：
h = { 'Content-Type': 'application/json', 'Authorization': 'Bearer apikey' } d = { "model": "gpt-3.5-turbo", "messages":[{"role": "user", "content": "请解释同步请求和异步请求的区别"}], "max_tokens": 100, "temperature": 0 } u = 'https://api.openai.com/v1/chat/completions' import asyncio import httpx async def main(): async with httpx.AsyncClient() as client: resp = await client.post(url=u, headers=h, json=d) result = resp.json() print(result) asyncio.run(main())
程序返回:
{'id': 'chatcmpl-6qDNQ9O4hZPDT1Ju902coxypjO0mY', 'object': 'chat.completion', 'created': 1677902496, 'model': 'gpt-3.5-turbo-0301', 'usage': {'prompt_tokens': 20, 'completion_tokens': 100, 'total_tokens': 120}, 'choices': [{'message': {'role': 'assistant', 'content': '\n\n同步请求和异步请求是指在客户端向服务器发送请求时，客户端等待服务器响应的方式不同。\n\n同步请求是指客户端发送请求后，必须等待服务器响应后才能继续执行后续的代码。在等待服务器响应的过程中，客户端的界面会被阻塞，用户无法进行'}, 'finish_reason': 'length', 'index': 0}]}
我们也可以将异步请求方式封装到对话类中，完整代码：
import openai import asyncio import httpx openai.api_key = "apikey" h = { 'Content-Type': 'application/json', 'Authorization': f'Bearer {openai.api_key}' } d = { "model": "gpt-3.5-turbo", "messages":[{"role": "user", "content": "请解释同步请求和异步请求的区别"}], "max_tokens": 100, "temperature": 0 } u = 'https://api.openai.com/v1/chat/completions' class ChatGPT: def __init__(self,chat_list=[]) -> None: # 初始化对话列表 self.chat_list = [] # 异步访问 async def ask_async(self,prompt): d["messages"][0]["content"] = prompt async with httpx.AsyncClient() as client: resp = await client.post(url=u, headers=h, json=d) result = resp.json() print(result) # 显示接口返回 def show_conversation(self,msg_list): for msg in msg_list: if msg['role'] == 'user': print(f"Me: {msg['content']}\n") else: print(f"ChatGPT: {msg['content']}\n") # 提示chatgpt def ask(self,prompt): self.chat_list.append({"role":"user","content":prompt}) response = openai.ChatCompletion.create(model="gpt-3.5-turbo",messages=self.chat_list) answer = response.choices[0].message['content'] # 添加历史对话，形成上下文关系 self.chat_list.append({"role":"assistant","content":answer}) self.show_conversation(self.chat_list) if __name__ == '__main__': chat = ChatGPT() chat.ask("你是一位南宋词人，词风婉约，有点类似李清照女士，请使用蝶恋花词牌描写北国春光") chat.ask("请使用另外一种粗狂阳刚的风格再写一遍上面的词") asyncio.run(chat.ask_async("请解释同步请求接口和异步请求接口的区别"))
结语
低成本ChatGPT接口模型gpt-3.5-turbo更容易接入三方的客户端，比如微信、QQ、钉钉群之类，比起ChatGPT网页端，ChatGPT接口的响应速度更加迅速且稳定，ChatGPT，永远的神，没有之一，且不可替代，最后奉上异步上下文封装项目，与君共觞：github.com/zcxey2911/chatgpt_api_Contextual_async
经验首页