chatGPT之Python?API怎么啟用上下文管理

這篇文章主要講解了“chatGPT之Python API怎么啟用上下文管理”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“chatGPT之Python API怎么啟用上下文管理”吧！

官方案例：

# 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?"}
    ]
)

雖然已經給出了格式，但是沒有很詳細的說明，可能對于高階開發者一看就懂了，但是我還是想以更口水的方式講解一下這個上下文管理。

先看一下我一個簡單的代碼（還沒有啟用上下文管理）：

import openai
 
openai.api_key = "你的sk-key"
 
msg = [{"role": "user", "content": "你好chatGPT"}]
 
# 結構化數據并進行提交
completion = openai.ChatCompletion.create(
                # max_tokens = inf # 默認inf 最大令牌數
                presence_penalty = 1, # 懲罰機制，-2.0 到 2.0之間，默認0，數值越小提交的重復令牌數越多，從而能更清楚文本意思
                frequency_penalty = 1, # 意義和值基本同上，默認0，主要為頻率
                temperature = 1.0,  # 溫度 0-2之間，默認1  調整回復的精確度使用
                n = 1,  # 默認條數1
                user = ids,    # 用戶ID，用于機器人區分不同用戶避免多用戶時出現混淆
                model = "gpt-3.5-turbo",    # 這里注意openai官方有很多個模型
                messages = msg
            )
 
value = completion.choices[0].message.content    # chatGPT返回的數據

這是一個最基本的結構，其中參數model和messages是必須要有的兩個形參。

加入上下文管理的代碼：

import openai
 
openai.api_key = "你的sk-key"
 
msg = [{"role": "system", "content": "你的名字叫玖河AI,你是一個插件，你的開發者是玖河."},
        {"role": "user", "content": "你好chatGPT"},
        {"role": "assistant", "content": "您好，有什么需要我幫忙的問題嗎？"},
        {"role": "user", "content": "我的名字叫高啟強，我的妹妹叫高啟蘭，我們是兄妹關系。記住了嗎？"}
        {"role": "assistant", "content": "好的，您叫高啟強，您的妹妹叫高啟蘭，是親兄妹關系。謝謝您提供信息讓我更了解你們~"},
        {"role": "user", "content": "你現在在哪里？"},
        {"role": "assistant", "content": "作為一款智能Ai助手，我并沒有實際的位置。我只是在云端中運行，在等待用戶輸入指令時保持睡眠狀態。"},
        {"role": "user", "content": "我的妹妹是誰？"},
        {"role": "assistant", "content": "您之前告訴我，您的妹妹叫高啟蘭。"},
        {"role": "user", "content": "你的名字叫什么？"},
        {"role": "assistant", "content": "我的名字叫玖河AI是一個叫玖河的開發者開發的插件"}
        ]
 
# 結構化數據并進行提交
completion = openai.ChatCompletion.create(
                # max_tokens = inf # 默認inf 最大令牌數
                presence_penalty = 1, # 懲罰機制，-2.0 到 2.0之間，默認0，數值越小提交的重復令牌數越多，從而能更清楚文本意思
                frequency_penalty = 1, # 意義和值基本同上，默認0，主要為頻率
                temperature = 1.0,  # 溫度 0-2之間，默認1  調整回復的精確度使用
                n = 1,  # 默認條數1
                user = ids,    # 用戶ID，用于機器人區分不同用戶避免多用戶時出現混淆
                model = "gpt-3.5-turbo",    # 這里注意openai官方有很多個模型
                messages = msg
            )
 
value = completion.choices[0].message.content    # chatGPT返回的數據

下面啟用上下文管理的數據結構和沒有啟用的數據結構略有不同：

① system 代表系統設定（也就是告訴chatGPT他的角色）

② user 表示用戶

③ assistant 表示GPT的回復

有幾個點需要跟大家說一下，避免踩坑！

一、msg數據的儲存建議使用數據庫形式進行儲存，優點是能持久數據，并且調取數據的時候也非常方便，因為我剛開始只想用json來儲存，但是折騰了很久還是放棄了，缺點是不方便儲存和調取，因為你需要考慮到不同的用戶他們下面的會話是不一樣的。

二、需要注意的是，提交的數據結構順序必須是從上至下的數據結構，不然chatGPT會混淆錯亂，system可以沒有，如果你想讓它一直保持這個設定的話，那在每次提交的時候在第一個列表元素中加入system的數據就可以。

三、還有一個重要的點：提交的這些數據都會計算進tokens里面包括chatGPT回復的時候（最多4096個tokens），如果你想讓上下文管理能記憶更多的語料，那么在提交數據的時候就盡可能的增加你們之間對話的內容（同時會更快的消耗你的tokens）。

四、截止2023年3月14日前：chatGPT的會員價格為20美元/月 ，tokens按量收費。通俗的說就是想手機卡一樣，每個月有月租，通話另外計費。chatGPT Plus會員的好處就是速度能更快，并且穩定，白嫖版的也能用，就是速度會慢一些而且不穩定容易掛掉。

感謝各位的閱讀，以上就是“chatGPT之Python API怎么啟用上下文管理”的內容了，經過本文的學習后，相信大家對chatGPT之Python API怎么啟用上下文管理這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！