使用 Rust 實現與 ChatGPT 對話

0x00 開篇

近期 ChatGPT 在國內又㕛叒叕火了，但是其實我覺得這次火的莫名其妙。我爲什麼說 “又” 呢，其實 ChatGPT 在去年 11 月底的時候已經出現了，12 月份我就看到當時很多羣裏的小夥伴都在聊這個事情。但是最近我咋感覺有人在炒作呢？？？聽說有人靠 chatGPT 又發財了。

開頭又講多了，本篇文章呢，帶大家使用 OpenAI 的 API 來實現與 ChatGPT 的對話。

0x01 找接口

代碼其實非常簡單，感興趣的小夥伴可以進行二次開發。官方文檔提供了 python 、nodejs的 library，第三方社區提供了C#、Go、Java 等 library，就連虛幻引擎都有庫，但是就是沒有 Rust 的相關 library，Rust 社區的大佬們不給力啊，哈哈。

其實我自己去 Rust 的 crate.io 上搜過，發現也有幾個openai相關的 library，我沒有測試，大家可以試用下。

沒有庫，那隻能是自己調用 API 去實現了。其實，我們僅僅用到了一個接口

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

主要的參數介紹：

model ：訓練模型，官方有三種模型，分別是GPT-3、Codex、Content filter, 這裏我們僅僅選用 GPT 的模型，可以理解和生成自然語言。

而在 GPT-3 模型下又存在了不同等級的 GPT 模型，這裏我們當然選擇的是 GPT-3 中最強的模型 text-davinci-003。

prompt ：用於生成完成、編碼爲字符串、字符串數組、標記數組或標記數組數組的提示。說白了就是我們與 GPT 對話的內容。

max_token : 在結果中產生的最大數量的 token，可選參數，默認爲 16。我們傳遞的prompt 的 token 數不能超過模型的上下文長度。大多數模型的上下文長度爲 2048 個 token（text-davinci-003 模型支持 4000 個）。對於常見的英語文本，一個 token 通常對應 4 個字符的文本。說白了，這個是接口的花費，每 1000 個 token 等於 0.02 美元，該字段影響結果的字數。

temperature：採樣溫度，可選參數，默認爲 1，值的範圍是 0-2 之間閉區間 ([0-2])。該值越大，輸出的結果則更加隨機，值越小結果越準確。

0x02 代碼實現

瞭解清楚接口的使用方法了，我們就可以開搞了。j 有接口請求，異步操作需要用到 reqwest 和 tokio library。返回的結果需要 json 解析，還需要用到 serde library （不是必須）。

注：爲了演示結果，並沒有按照規範去處理每個錯誤結果，在代碼中使用了大量的 unwrap，實際開發場景並不推薦。

#[tokio::main]

async fn main() {

    // 請填入自己賬號的openai 的 api_key

    let api_key = "";



    // 對話內容

    let prompt = "chatgpt是什麼";



    // 完成時要生成的最大 token 數

    let max_tokens = 4000;



    // 訓練模型

    // 功能最強大的 GPT-3 模型。可以完成其他模型可以完成的任何任務，通常具有更高的質量、更長的輸出和更好的指令遵循。還支持在文本中插入補全。

    let model = "text-davinci-003";



    let url = "https://api.openai.com/v1/completions";

    let mut headers = HeaderMap::new();

    headers.insert(CONTENT_TYPE, "application/json".parse().unwrap());

    headers.insert(AUTHORIZATION, format!("Bearer {}", api_key).parse().unwrap());



    let body = format!(r#"{{"model": "{}", "prompt": "{}", "max_tokens": {}, "temperature": 0}}"#, model, prompt, max_tokens);

    let response = reqwest::Client::builder().build().unwrap()

        .post(url)

        .headers(headers)

        .body(body)

        .send().await.unwrap()

        .json::<GPTResult>().await.unwrap();



    // dbg!(&response);



    let choices = response.choices.unwrap();

    let choice = choices.get(0).unwrap();

    println!("{:?}", choice.text.as_ref().unwrap().trim());

}

代碼輸出結果:

代碼實現其實很簡單，總共不過幾十行代碼。

0x03 獲取自己的 API KEY

簡單說下如何拿到 openAI 的 apikey 吧。前提你需要一個 openAI 賬號，沒有的話可以想辦法註冊，也可以在羣內艾特我，告訴你們註冊的方法。

登錄 OpenAI 的後臺 https://platform.openai.com/login，找到 Uses - API Keys ，點擊 Create new secret key，即可生成。

每個新賬號都會贈送 18 美元，接口調用會慢慢消耗贈送的 18 美元，換算關係如下，上面我也提到了，大約每 4 個英文字符等於 1 個token，1000 個 token 大約 750 個單詞。Davinci 模型 1000 個 token 花費 0.02 美元。如果不調用 API 接口，只是正常使用官網的 Chat GPT 聊天，那這個是免費的。

0x04 小結

Chat-GPT 火了，它會替代人類部分的工作嗎？它的應用場景有哪些呢？這些都需要我們去思考，目前在國內已經很多公司將 Chat-GPT 接入了微信公衆號、小程序等等，這也算是二次開發吧。如果有朋友想更深入的瞭解 Chat-GPT 還可以做哪些事情， 可以參考 OpenAI 的官方文檔（文末附上）。

0x05 參考資料

 OpenAI API 官方文檔：https://platform.openai.com/docs/introduction

0x06 源碼

Gitee 源碼: 點擊下方 “閱讀原文” 免費獲取本節課程源碼

Github 源碼: 請前往公衆號菜單 - 教程源碼 - Github 來獲取

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/H7QuqhcxLCpagoY3htZ72A