ChatGPT使用步驟

SpringBoot使用

依賴

	<dependency>
            <groupId>com.theokanning.openai-gpt3-java</groupId>
            <artifactId>service</artifactId>
            <version>${gpt.server.version}</version>
        </dependency>

封裝了豐富的OpenAI 接口可直接使用

實例

    private final ChatGptProperties config;
    private OpenAiService service;
    @PostConstruct
    public void init() {
        ObjectMapper mapper = defaultObjectMapper();
        Proxy proxy = new Proxy(Proxy.Type.HTTP, new InetSocketAddress(config.getProxyDomain(), config.getProxyPort()));
        OkHttpClient client = defaultClient(config.getApiKey(), Duration.ofMinutes(1))
                .newBuilder()
                .proxy(proxy)
                .build();
        Retrofit retrofit = defaultRetrofit(client, mapper);
        OpenAiApi api = retrofit.create(OpenAiApi.class);
        service = new OpenAiService(api);
    }

    @PostMapping("/completions/chat")
    public R chatCompletions(@RequestBody(required = false) FnRequest param) {
        final List<ChatMessage> messages = new ArrayList<>();
        final ChatMessage systemMessage = new ChatMessage(ChatMessageRole.USER.value(), param.getData().toString());
        messages.add(systemMessage);
        ChatCompletionRequest chatCompletionRequest = ChatCompletionRequest
                .builder()
                .model("gpt-3.5-turbo")
                .messages(messages)
                .temperature(0.6d)
                .n(1)
                .frequencyPenalty(1.2d)
                .presencePenalty(1.6d)
//                .stream(true)
//                .user("testing")
                .maxTokens(1024)
                .logitBias(new HashMap<>())
                .build();
        StringBuffer stringBuffer = new StringBuffer();
        String br = System.getProperty("line.separator");
        service.createChatCompletion(chatCompletionRequest).getChoices()
                .forEach(c -> stringBuffer.append(c.getMessage().getContent()).append(br));
        return R.ok(stringBuffer.toString());
    }

接口參數(shù)含義

temperature: 0.0 to 2.0 (默認 1.0) 溫度，越高越隨機，越低越有規(guī)律（或確定性）。

top_p: 0.0 to 1.0 (默認 1.0) 使用溫度的另一種選擇，也叫核采樣（nucleus sampling），建議不要同時使用 temperature 和 top_p。top_p 表示模型只考慮概率最高的 top_p 的 token，比如 top_p=0.1，表示模型只考慮概率最高的 10% 的 token。

n: number (默認 1) 生成的回復數(shù)量。

stream: boolean (默認 False) 是否使用流式模式，如果設(shè)置為 True，將發(fā)送部分消息增量，就像在 ChatGPT 中一樣。什么意思捏，就是每次單獨給你蹦幾個詞，好讓你動態(tài)的去更新文本，像你在 ChatGPT 中等待完整的回復一樣。

stop: string or array (默認 None) 用來停止生成的 token，可以是一個字符串，也可以是一個字符串列表，如果是字符串列表，那么只要其中一個 token 出現(xiàn)，就會停止生成，最多 4 個。

max_tokens: inf (默認 4096-prompt_token) 生成的最大 token 數(shù)量。

frequency_penalty 和 presence_penalty: -2.0 to 2.0 (默認 0) 用來懲罰重復的 token。關(guān)于此參數(shù)的更多細節(jié)在 4 中有介紹，看起來一個是處理的頻率，一個是處理的存在次數(shù)（整數(shù)）。這兩個參數(shù)的值越大，生成的文本越不會重復。

公式是這樣的：

mu[j] -> mu[j] - c[j] * alpha_frequency - float(c[j] > 0) * alpha_presence
logit_bias: dict (默認 None) 用來調(diào)整 token 的概率，可以接受 json。數(shù)值是 -100 to 100，-100 相當于直接禁用這個詞，100 相當于如果相關(guān)就必須使用。

user: dict (默認 None) 用來設(shè)置用戶的信息，具體內(nèi)容可以參考 5，主要是為了防止濫用。

升級ChatGPT PLUS

步驟

• 申請外國虛擬信用卡【Depay】
• 充值USTD虛擬貨幣【歐易】
• USTD充值到Depay
• Depay 的USTD 轉(zhuǎn) USD虛擬貨幣
• 將USD貨幣存入虛擬信用卡
• 通過虛擬信用卡充值到ChatGPT

優(yōu)點

• 優(yōu)先ChatGPT試用用戶
• 暢享絲滑的響應(yīng)速度
• 優(yōu)先體驗新功能

原文文章來源地址http://www.zghlxwxcb.cn/news/detail-469742.html

鳴謝

• 非常感謝你從頭到尾閱讀了這篇文章，希望其中的內(nèi)容對你有所啟發(fā)和幫助。如果你還有其他問題或需要進一步的了解，歡迎隨時關(guān)注我的動態(tài)并留言
• 最后可以給作者點個關(guān)注和小贊贊嘛，謝謝！
• 覺得有收藏價值可以進行收藏

到了這里，關(guān)于一文讀懂Springboot如何使用ChatGPT【OpenAI官方Springboot依賴，極強接口封裝】的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！