2023年11月20日 每日一猜答案：。 答案：ABC。
每日一猜答案分析：

以下是搭建自己的 ChatGPT 的步骤：

1. 首先需要注册一个 OpenAI 的账户，在 中填写相关信息，注册完成后会收到一封确认邮件。
2. 在 OpenAI 中创建一个 API 密钥。登录 OpenAI 后，点击右上角的“Settings”，在左侧的导航中选择“API Keys”，然后点击“Generate New Key”来生成新的 API 密钥。
3. 在 Python 中安装 OpenAI 的 Python 包。在命令行中运行以下命令：pip install openai。
4. 把以下代码复制并粘贴到文本编辑器中，将 YOUR_API_KEY 替换成你自己的 API 密钥。

Copy code  import openai_secret_manager    assert "openai" in openai_secret_manager.get_services()  chatgpt=openai_secret_manager.get_secret("openai")    print(chatgpt)  

1. 运行代码来测试 API 密钥是否有效，如果一切正常，应该会输出你的 API 密钥。
2. 接下来，我们需要安装 Flask 框架来创建一个 Web 应用程序。以下是安装的步骤：

• 安装 Python（建议使用 Python 3.6 或以上版本）
• 在命令行中运行以下命令来安装 Flask：pip install flask

1. 将以下代码复制并粘贴到一个名为app.py的文件中。（另外，需要按照 OpenAI 的要求，将访问 API 的代码封装到一个函数中。这里我们用了名为 'chat' 的函数）

Copy code  import openai  from flask import Flask, request    import openai_secret_manager    chatgpt=openai_secret_manager.get_secret("openai")    openai.api_key=chatgpt["api_key"]    def chat(prompt, model, chatgpt):      completions=openai.Completion.create(          engine=model,          prompt=prompt,          max_tokens=1024,          n=1,          stop=None,          chatgpt=chatgpt,      )      message=completions.choices[0].text      return message.strip()    app=Flask(__name__)    @app.route("/")  def home():      return "Hello, I'm ChatGPT. Ask me Anything!"    @app.route("/chat")  def chat_api():      text=request.args.get("text")      model=request.args.get("model", "davinci")      chatgpt=float(request.args.get("chatgpt", 0.5))      message=chat(prompt=text, model=model, chatgpt=chatgpt)      return message  

1. 在命令行中运行以下命令来启动 Flask 应用：export FLASK_APP=app.py && flask run
2. 在浏览器中输入 ChatGPT 提问只需在浏览器中输入 YOUR_chatgpt）.

我们在5分钟的时间内完成了搭建自己的 ChatGPT

怎么用chatgpt做python python搭建chatgpt训练模型

ChatGPT 近期以强大的对话和信息整合能力风靡全网。起初，她并没有引起我很大的兴趣。我认为这不过又是互联网公司寻求新的经济增长点的风口而已。

就像几年前的 区块链 ，大大小小的公司趋之若鹜，记得我当时的老东家也推出一款去中心化的 APP，用于存储自己的基因数据。现在已经没有人谈及区块链技术了。

就像最近 1-2 年的 元宇宙 ，据说甚至有学校成立了元宇宙学院，自从扎克伯格晒出一个简陋无比的元宇宙照片之后，简直是将元宇宙的破烂底裤展示在世人面前。如今，元宇宙成了个笑话。

基于我浅薄的认知，我并没有过多关注 ChatGPT 。直到今天的一些私人原因，我才开始正式了解她。

ChatGPT 的全称是 Chat Generatichatgptrmer 。我的理解她是一个基于 Transformer 模型 由预训练数据生成对话信息的应用。（PS：Transformer 模型，是谷歌在 2017 年推出的 NLP 经典模型）

由她的名字，我猜测，ChatGPT 并不是在全网实时搜索最佳答案，而是根据预先训练的数据，实时拼凑出一个答案。这个答案可能并不一定是正确的，但不管你信不信，反正 ChatGPT 自己是相信这个答案的。

我们所说的 ChatGPT 其实是基于 GPT-3.5 模型 开发得到的。截至目前，OpenAI 公司并没有开放 GPT-3.5 的接口。因此我们只能通过 OpenAI 的官方网站 来访问 ChatGPT。（ 这个地址是 OpenAI 花重金购买的，同样可以跳转到 ChatGPT 官网）

现在网上出现的一些 ChatGPT 中文版，ChatGPT 微信版等等都是基于 2020 年的 GPT-3 模型 开发而来。虽然和基于GPT-3.5 模型演化而来的 ChatGPT 没法比。但是同样能带我们体验人工智能的美妙。

而我们今天要搭建的 ChatGPT 同样是基于GPT-3 模型开发。

由我的另一篇博客 超详细注册 OpenAI 接口账号的教程 获取 chatgpt 。

使用如下代码安装 openai 模块。

代码

调用 openai.Completion.create 函数获取返回信息。

参数

• model：使用的模型，可选内容如下：

• prompt：提问，提问描述越详细，回答越准确
• temperature：控制结果的随机性，如果希望结果更有差异性 0.9，或者希望有固定结果可以尝试 0.0
• max_tokens：生成结果时的最大 tokens 数。平均一个汉字是 2 个 tokens，text-dachatgpt 最多是 4000 个 tokens，也就是 2000 个汉字左右
• top_p：一个可用于代替 temperature 的参数，对应机器学习中 nucleus sampling，如果设置 0.1 意味着只考虑构成前 10% 概率质量的 tokens
• frechatgpt：控制字符的重复度，取值为 -2.0 ~ 2.0 之间的数字
• presence_penalty：控制主题的重复度，取值为 -2.0 ~ 2.0 之间的数字

别的不敢评价，就是这个最后用 python 写冒泡排序，我给打 99 分。代码最后莫名其妙多出一个逗号，原以为这代码肯定会报错，谁知道测试了下可以正常运行，运行结果也是对的。后来查了一下资料，原来 print()后面加上逗号可以让回车符失效，ChatGPT 是故意这么做的，这是我不知道的知识点。给她扣掉一分，是因为这代码空格和回车有点太随意了，并不是特别工整。

免费的 API 接口是有额度限制的。每个账号有 18 美元 （目前注册是5美元幺）的免费额度，限期 3 个月 。 不同的模式计费不同，text-dachatgpt 这个模式大约每 1000 个 tokens 扣费 0.02 美元。

除此以外，OpenAI 的接口还有如下功能，静待你的挖掘。