怎么在chatGPT Python API中啟用上下文管理

這篇文章主要介紹“怎么在chatGPT Python API中啟用上下文管理”，在日常操作中，相信很多人在怎么在chatGPT Python API中啟用上下文管理問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么在chatGPT Python API中啟用上下文管理”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

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(jīng)給出了格式，但是沒有很詳細的說明，可能對于高階開發(fā)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(jié)構(gòu)化數(shù)據(jù)并進行提交
completion = openai.ChatCompletion.create(
                # max_tokens = inf # 默認inf 最大令牌數(shù)
                presence_penalty = 1, # 懲罰機制，-2.0 到 2.0之間，默認0，數(shù)值越小提交的重復令牌數(shù)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(diào)整回復的精確度使用
                n = 1,  # 默認條數(shù)1
                user = ids,    # 用戶ID，用于機器人區(qū)分不同用戶避免多用戶時出現(xiàn)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(shù)據(jù)

這是一個最基本的結(jié)構(gòu)，其中參數(shù)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(fā)者是玖河."},
        {"role": "user", "content": "你好chatGPT"},
        {"role": "assistant", "content": "您好，有什么需要我?guī)兔Φ膯栴}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(guān)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(guān)系。謝謝您提供信息讓我更了解你們~"},
        {"role": "user", "content": "你現(xiàn)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(tài)。"},
        {"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(fā)者開發(fā)的插件"}
        ]
 
# 結(jié)構(gòu)化數(shù)據(jù)并進行提交
completion = openai.ChatCompletion.create(
                # max_tokens = inf # 默認inf 最大令牌數(shù)
                presence_penalty = 1, # 懲罰機制，-2.0 到 2.0之間，默認0，數(shù)值越小提交的重復令牌數(shù)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(diào)整回復的精確度使用
                n = 1,  # 默認條數(shù)1
                user = ids,    # 用戶ID，用于機器人區(qū)分不同用戶避免多用戶時出現(xiàn)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(shù)據(jù)

下面啟用上下文管理的數(shù)據(jù)結(jié)構(gòu)和沒有啟用的數(shù)據(jù)結(jié)構(gòu)略有不同：

① system 代表系統(tǒng)設(shè)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(shù)據(jù)的儲存建議使用數(shù)據(jù)庫形式進行儲存，優(yōu)點是能持久數(shù)據(jù)，并且調(diào)取數(shù)據(jù)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(diào)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(shù)據(jù)結(jié)構(gòu)順序必須是從上至下的數(shù)據(jù)結(jié)構(gòu)，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(shè)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(shù)據(jù)就可以。

三、還有一個重要的點：提交的這些數(shù)據(jù)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(shù)據(jù)的時候就盡可能的增加你們之間對話的內(nèi)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(wěn)定，白嫖版的也能用，就是速度會慢一些而且不穩(wěn)定容易掛掉。

到此，關(guān)于“怎么在chatGPT Python API中啟用上下文管理”的學習就結(jié)束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續(xù)學習更多相關(guān)知識，請繼續(xù)關(guān)注億速云網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>