Python+ChatGPT編程5分鐘快速上手，強烈推薦?。?！

最近一段時間chatGPT火爆出圈！無論是在互聯網行業，還是其他各行業都賺足了話題。

俗話說：“外行看笑話，內行看門道”，今天從chatGPT個人體驗感受以及如何用的角度來分享一下。

1、chatGPT是個啥？

chatGPT是最近新出來的玩意？并不是！在國內，chatGPT最早是在2022年11月就由OpenAI于推出的。只是去年底火了一把，后力不足又遇春節，熱度草草就結束了。

先講一下，OpenAI是美國一所人工智能研究公司，chatGPT 只是 OpenAI 公司其中的一個技術產品，除了chatGPT, OpenAI也還有很多其他“有意思”的產品。

OpenAI旨在降低人工智能業務開發門檻，我們完全不需要神經網絡、NLP、深度學習等人工智能領域工程師及算法工程師，就可以直接使用OpenAI訓練好的強大模型為我們進行業務賦能。

具體可查閱它的官網：

https://openai.com/

再來講一講chatGPT是什么，chatGPT采用了 GPT（Generative Pre-trained Transformer）技術，用專業詞匯來講，是一個用于對話生成的預訓練語言模型，用簡單通俗來解釋：是一款利用AI技術實現出來的聊天機器人。

提到AI聊天機器人，這類技術應用場景在互聯網行業此前并不少見，甚至很多，那為什么chatGPT能快速脫穎而出，成為爆品。得益于它的強大能力：整合信息和語言組織能力，接近于人類常識、認知。體驗過chatGPT的人，想必很多人的第一感受給我是一樣的：chatGPT很像一個真人！這個人還是一個業務能力很強，知無不言的行家能手，不厭其煩地為你解答各種業務問題，它的答復比其他搜索引擎更加精準，可以十分清楚你的搜索意圖。

顯然易見的是，比起冷冰冷的機器，我們更愿意跟人打交道，這背后要歸功于OpenAI在AI對齊問題上做出的諸多努力，致力于探索如何讓語言模型遵循人類的意圖、符合人類價值觀，讓ChatGPT表現得更有“人味兒”。

如下體驗后截的兩張示例圖（如果你再不努力，重復低效勞力者終將AI取代）

從給出來的答案中，可以發現提問方式的不同，答案也會有所不同，即便是針對同一個關鍵詞，chatGPT給出來的答案也會有所差異，通過Regenerate response不斷調優，致力生成一個更佳完美適合你提問預期需要的答案。

2、chatGPT怎么注冊？

看到上面的介紹，如果你還沒有體驗過chatGPT，想必早已蠢蠢欲動了，我們可以通過訪問：

https://chat.openai.com/chat

使用前，需要先注冊，注冊過程有一點點小門檻，還不會如何注冊的，可以參考前幾天發的推文。

ChatGPT保姆級注冊教程，親測有效！

注冊成功后，就可以在chatGPT在線聊天界面，通過關鍵字提問暢所欲言了。

3、chatGPT怎么用？

chatGPT爆火后，很多行業都在探索如何將其結合到生活工作場景中。如chatGPT+醫療、chatGPT+OA、chatGPT+自動運維、chatGPT+智能客服，甚至chatGPT如何結合應用到測試場景等等。包括在國內也有很多同類產品早在布局：

今天我們暫不聊chatGPT如何和具體場景結合，單純從開發的角度，聊一聊chatGPT本身如何使用。

OpenAI官網提供了一套接口文檔：

platform.openai.com

從目前接口文檔中來看，OpenAI的原生接口支持Python和Node.js兩類語言，但也同時支持RESTFul的API接口形式。所以目前其他語言可以通過Http的API請求形式來調用OpenAI的接口。

以Python為例，在編寫代碼之前，先安裝openai環境，安裝指令如下：

pip install openai

在調用openai API需要一個API_KEY, API_KEY的獲取辦法訪問：

https://platform.openai.com/account/api-keys

在網頁中，生成API_KEY

示例1：利用chatGPT API實現文本處理響應

# 公眾號：測試開發技術

import os
import openai

OPENAI_API_KEY="xxxxxx"
openai.api_key = os.getenv("OPENAI_API_KEY",OPENAI_API_KEY)

prompt = "用Python寫一個mock server"

response = openai.Completion.create(
  model="text-davinci-003",
  prompt=prompt,
  temperature=0.5,
  max_tokens=1024,
  n=1,
  stop=None
)

print(response.choices[0].text)

本示例是基于"text-davinci-003"模型來對text文本進行處理的，"text-davinci-003"是chatGPT最常用的模型之一。

運行結果如下：

這樣就已經基于"text-davinci-003"的能力得到了我們想要的答案。

示例2: 利用chatGPT實現python代碼bug自動修復

import os
import openai

openai.api_key = os.getenv("OPENAI_API_KEY")

response = openai.Completion.create(
  model="code-davinci-002",
  prompt="##### Fix bugs in the below function\n \n### Buggy Python\nimport Random\na = random.randint(1,12)\nb = random.randint(1,12)\nfor i in range(10):\n    question = \"What is \"+a+\" x \"+b+\"? \"\n    answer = input(question)\n    if answer = a*b\n        print (Well done!)\n    else:\n        print(\"No.\")\n    \n### Fixed Python",
  temperature=0,
  max_tokens=182,
  top_p=1.0,
  frequency_penalty=0.0,
  presence_penalty=0.0,
  stop=["###"]
)

從上面兩者示例，大家不難看出，代碼寫起來并不復雜，不同功能實現起來的區別在于使用到的model以及設置參數的不同罷了，具體更多玩法，留給大家探索了。

4、小結

本篇文章算是對chatGPT一個小結，對于剛接觸chatGPT的讀者來講，還是非常有幫助的。chatGP官方提供了大量的API，對于技術從業者是極大利好的，至于怎么和實際生活工作場景結合起來，將取決你的技術功底+商業嗅覺了。

本文轉載自微信公眾號「測試開發技術」，可以通過以下二維碼關注。轉載本文請聯系測試開發技術公眾號。