使用Node js來調(diào)用chat API實現(xiàn)智能問答的功能

本文適合對OPenAI的API接口應(yīng)用實戰(zhàn)感興趣的小伙伴閱讀。

歡迎關(guān)注前端早茶，與廣東靚仔攜手共同進階～

前言

下面我們利用參數(shù)，使用node js來調(diào)用chat API實現(xiàn)智能問答的功能。

為了使朋友們更清晰地了解怎么去調(diào)用chat API去生成一個智能問答系統(tǒng)，這里采用了基于node.js 的Visual Studio Code的極簡代碼的方式來進行示例。

正文

使用Visual Studio Code來對接Chat API的具體流程如圖3.2所示。

圖3.2 智能問答交互序列圖

序列圖解釋如下：

（1）輸入答案：用戶在UI界面輸入其需要回答的問題。

（2）調(diào)用Chat API：前端直接傳入?yún)?shù)，調(diào)用chat API服務(wù)。

（3）用戶身份校驗：OpenAI 服務(wù)器利用調(diào)用者提供的key，校驗用戶身份。

（4）獲取問題的答案：OpenAI 服務(wù)器生成問題的答案。

（5）返回答案：前端UI獲取Chat API的相應(yīng)結(jié)果。

（6）處理答案：前端UI根據(jù)需要對答案進行處理。

（7）展示答案：前端UI將處理后的答案展示給用戶。

后面是利用Visual Studio Code 來調(diào)用Chat API去實現(xiàn)智能問答的步驟。

具體步驟

初始化node.js項目

首先，打開VS Code，新建項目。項目建好后，在主菜單選擇”Terminal”，打開終端，輸入命令：

npm init -y 

注意：此命令會將項目初始化，生成項目所需的文件夾和模塊。

然后，我們在項目初始化后，新建“.evn”文件，作為環(huán)境變量文件，evn文件里輸入申請OpenAI API時獲得的key，如下：

API_KEY=sk-XWre0xkvyusgJHqODU8LQIE5bkFJxrlT1A9zR3276FRSH0WA

最后在終端子輸入命令進行加載環(huán)境變量：

npm i dotenv openai

引入環(huán)境變量文件

完成node.js項目初始化之后，開始配置并引入環(huán)境變量。

首先新建名為“question.js”的文件，在第一行加上引入環(huán)境變量的代碼，具體如下：

import { config } from "dotenv"               //引入配置環(huán)境變量組件
config()                                  //進行環(huán)境變量配置
console.log(process.env.API_KEY)

然后打開同一目錄下的“package.json”文件，在其中加入運行配置，代碼結(jié)果如下：

{
  "name": "vs",
  "version": "1.0.0",
  "description": "",
  "type": "module",
  "main": "index.js",
  "scripts": {
    "dev": "node question.js"
  },
  "keywords": [],
  "author": "",
  "license": "ISC",
  "dependencies": {
    "dotenv": "^16.0.3",
    "openai": "^3.2.1"
  }
}

最后，在完成上面的配置修改后，打開終端，輸入npm run dev并回車，可以看到引入環(huán)境變量成功，輸出結(jié)果如下：

sk-XWre0xkvyusgJHqODU8LQIE5bkFJxrlT1A9zR3276FRS

調(diào)用chat API接口

由于node.js的openai組件可以直接調(diào)用chat API的接口，因此引入openai組件即可省去很多步驟。

首先，在代碼中加上引入openai組件中的Configuration,、OpenAIApi兩個類，具體如下：

import { Configuration, OpenAIApi } from "openai"

然后，引入上述兩個類之后，在其后定義接口及接口配置，其中的請求參數(shù)具體賦值按照上一節(jié)所述寫入，代碼如下：

const res = await openai
    .createChatCompletion({
        //請求參數(shù)
        model: "gpt-3.5-turbo",
        messages: [{ role: "user", content: input }],
        temperature: 0.2,
        max_tokens: 1000,
        top_p: 1,
        n: 1,
    }
    )

增加輸入輸出命令行

在完成了接口及其配置的代碼之后，需要對問題的輸入與答案輸出進行處理。這是一個輕量級代碼的極簡示例，因而我們使用簡潔的readline組件來作為輸入輸出介質(zhì)。

首先，定義輸入輸出的代碼如下：

import readline from "readline"   //引入readline組件的readline類
//定義輸入輸出界面
const userInterface = readline.createInterface({
    input: process.stdin,
    output: process.stdout
})

然后對調(diào)用openai的類的方法進行改造，使其將問題內(nèi)容作為輸入，Chat API返回的答案作為輸出，具體代碼如下：

//調(diào)用openai組件，發(fā)送請求
userInterface.on("line", async input => {
    const res = await openai
        .createChatCompletion({
            //請求參數(shù)
            model: "gpt-3.5-turbo",
            messages: [{ role: "user", content: input }],
            temperature: 0.2,
            max_tokens: 1000,
            top_p: 1,
            n: 1,
        }
        )
    console.log(res.data.choices[0].message.content)
    userInterface.prompt()
})

完整代碼

至此，我們的極簡智能問答功能已經(jīng)完成?？偞a清單包括以下文件：

l.env文件：該文件通常用于存儲應(yīng)用程序的環(huán)境變量，這些變量可以包含敏感的配置信息，如數(shù)據(jù)庫連接字符串、API 密鑰、密碼等。環(huán)境變量可以在應(yīng)用程序的不同部分之間共享，并且可以在運行時根據(jù)不同的環(huán)境進行配置，這個例子里存儲了key的值。

lpackage-lock.json文件：該文件是項目中的一個自動生成的文件，用于管理項目的依賴關(guān)系和版本信息。它主要用于鎖定依賴版本、提高項目的構(gòu)建速度、確保依賴的完整性、版本控制中的共享和協(xié)作。文件通常由 npm 在安裝依賴時自動生成和更新，無需手動編輯。

lpackage.json文件：該文件在項目中起著非常重要的作用，它用于管理項目的元數(shù)據(jù)、依賴關(guān)系、腳本和其他配置信息，幫助開發(fā)者更好地組織和管理項目，并與其他開發(fā)者共享和協(xié)作。

lquestion.js文件：主要代碼執(zhí)行的js文件，此系統(tǒng)的功能性代碼在這里實現(xiàn)。

lworkspace.code-workspace文件：該文件在 中用于定義工作區(qū)的配置信息，包括項目管理、編輯器布局、首選項設(shè)置等，幫助開發(fā)者更好地組織和管理項目，并在團隊協(xié)作中提供一致的開發(fā)環(huán)境。

lnode_modules文件夾：此文件夾是在 Node.js 項目中用于存儲第三方依賴模塊的文件夾。當你在 Node.js 項目中使用 npm 或者 yarn 等包管理工具安裝依賴時，這些依賴模塊會被下載并存放在 node_modules 文件夾中。通常來說，此文件夾由項目自動產(chǎn)生及維護，無需人工干預(yù)。

這里需要手動添加或修改的代碼有三個文件：question.js、package.json、.evn，其余文件均使用初始化（前面輸入的“npm init -y ”命令）后生成的文件即可。

question.js代碼如下：

import { config } from "dotenv"
import { Configuration, OpenAIApi } from "openai"
import readline from "readline"
//讀取配置文件中的key
const openai = new OpenAIApi(
    new Configuration({
        apiKey: process.env.API_KEY,
    })
)

//定義輸入輸出界面
const userInterface = readline.createInterface({
    input: process.stdin,
    output: process.stdout
})

userInterface.prompt()

//調(diào)用openai組件，發(fā)送請求
userInterface.on("line", async input => {
    const res = await openai
        .createChatCompletion({
            //請求參數(shù)
            model: "gpt-3.5-turbo",
            messages: [{ role: "user", content: input }],
            temperature: 0.2,
            max_tokens: 1000,
            top_p: 1,
            n: 1,
        }
        )
    console.log(res.data.choices[0].message.content)
    userInterface.prompt()
})
package.json代碼如下：
{
  "name": "vs",
  "version": "1.0.0",
  "description": "",
  "type": "module",
  "main": "index.js",
  "scripts": {
    "dev": "node question.js"  //手動修改此行
  },
  "keywords": [],
  "author": "",
  "license": "ISC",
  "dependencies": {
    "dotenv": "^16.0.3",
    "openai": "^3.2.1"
  }
}

上面的demo出至OPenAI的API接口應(yīng)用實戰(zhàn)這本書

感興趣的朋友可以看看~

最后

開獎時間：2024 年 07 月 26 日 21:00

注意事項：提前加我微信好友，避免開獎后聯(lián)系不到導(dǎo)致機會作廢