ChatGPT-3.5-turbo 模型 API 体验

最近，OpenAI 发布了 ChatGPT 新的模型。据 OpenAI 的官方消息，本次开放了 ChatGPT 和 Whisper 的模型 API，可以供用户使用并集成到他们的应用程序中。本次发布的 ChatGPT 的模型为 GPT-3.5-turbo，从 OpenAI 的官方网站上查询，已经可以查到这个模型的使用示例。本次发布的模型，能力上比之前开放的模型能力要强很多，同时在价格上还要更低，价格为 0.002 美元/每1000 tokens，比之前的模型整整便宜了 10 倍!

废话少说，本文就简单的讲讲如何使用最新的 GPT-3.5-turbo 模型吧。从 OpenAI 官方文档里查阅了一下示例代码，官方提供了 Python 的示例代码，我们可以从中提取到所需要发送的报文内容。

# Note: you need to be using OpenAI Python v0.27.0 for the code below to work
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?"}
    ]

可以发现，GPT-3.5-turbo 的 API 需要发送的报文主体有 model 和 messages 两个部分，其中 messages 可以发送多条记录。在 message 的示例文本里，有三种角色，通过实测，这三种角色分别代表:

• system: 可以理解为 AI 的人设
• user: 用户发送的信息
• assistant: 模型返回给你的信息

这样，我们就知道通过上述信息，知道 http 需要发送的报文格式了，它是一个 JSON 的数据格式

{
    "model":"gpt-3.5-turbo",
    "messages":[
        {"role": "system", "content": "你是一个编程助手，能够帮我编写C#代码，并且给我提示"},
        {"role": "user", "content": "你好，你叫什么名字"},
        {"role": "assistant", "content": "你好，我是一个语言模型AI，没有实体名字，你可以随意称呼我。"}
    ]
}

访问的接口是

https://api.openai.com/v1/chat/completions

其中，Header 部分信息：

• ContentType:application/json
• Authorization:Bearer 你的 apikey

使用 API 调试助手 postman 实测一下，在 Header 里写入你的 api key，raw 信息选择 json，根据你的需要发送 JSON 报文，OpenAI 返回的数据格式如下所示

{
    "id": "chatcmpl-6pWU3qzNuTBLU7U0tUw6NqaQhWbHF",
    "object": "chat.completion",
    "created": 1677737615,
    "model": "gpt-3.5-turbo-0301",
    "usage": {
        "prompt_tokens": 39,
        "completion_tokens": 35,
        "total_tokens": 74
    },
    "choices": [
        {
            "message": {
                "role": "assistant",
                "content": "您好，我是个AI助手，没有具体的名字。您需要我帮助您处理json文件格式吗？"
            },
            "finish_reason": "stop",
            "index": 0
        }
    ]
}

拿到接口返回的 JSON 数据，可以根据自己的需要解析就可以了，这里 content 里的文本就是接口返回给你的回答。