1、开始咯
我们来看看如何在 Spring Boot 中调用 OpenAI ChatGPT API。
我们将创建一个 Spring Boot 应用程序，该应用程序将通过调用 OpenAI ChatGPT API 生成对提示的响应。
2、OpenAI ChatGPT API
在开始具体讲解之前，让我们先探讨一下我们将在本教程中使用的 OpenAI ChatGPT API。我们将调用创建聊天完成 API 来生成对提示的响应。
2.1 API 参数与认证
我们看一下API的强制请求参数：
- model：这是我们将向其发送请求的模型的版本。该模型有几个版本可用。我们将使用 gpt-3.5-turbo 模型，这是该模型公开的最新版本；
- message：消息是对模型的提示。每条消息都需要两个字段：角色和内容。角色字段指定消息的发送者。请求中它将是“用户”，响应中它将是“助手”。内容字段是实际的消息。
为了使用 API 进行身份验证，我们将生成一个 OpenAI API 密钥。我们将在调用 API 时在 Authorization 标头中设置此密钥。
cURL 格式的示例请求如下所示：
$ curl https://api.openai.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-d '{
"model": "gpt-3.5-turbo",
"messages": [{"role": "user", "content": "Hello!"}]
}'
此外，该 API 还接受许多可选参数来修改响应。
接着，我们将重点关注一个简单的请求，但让我们看一下一些有助于调整响应的可选参数：
- n：如果我们想增加生成的响应数量，可以指定。默认值为 1；
- temperature：控制响应的随机性。默认值为 1（最随机）；
- max_tokens：用于限制响应中令牌的最大数量。默认值是无穷大，这意味着响应将与模型可以生成的一样长。一般来说，最好将此值设置为合理的数字，以避免生成很长的响应并产生很高的成本。
2.2 API Response
API 响应将是一个带有一些元数据和选择字段的 JSON 对象。选择字段将是一个对象数组。每个对象都有一个文本字段，其中包含对提示的响应。
选择数组中的对象数量将等于请求中的可选 n 参数。如果未指定 n 参数，则选项数组将包含单个对象。
具体代码：
{
"id": "chatcmpl-123",
"object": "chat.completion",
"created": 1677652288,
"choices": [{
"index": 0,
"message": {
"role": "assistant",
"content": "\n\n 来啦，老弟……"
},
"finish_reason": "stop"
}],
"usage": {
"prompt_tokens": 9,
"completion_tokens": 12,
"total_tokens": 21
}
}
响应中的使用字段将包含提示和响应中使用的令牌数量。这用于计算 API 调用的成本。
3、具体案例
我们将创建一个使用 OpenAI ChatGPT API 的 Spring Boot 应用程序。
为此，我们将创建一个 Spring Boot Rest API，该 API 接受提示作为请求参数，将其传递给 OpenAI ChatGPT API，并将响应作为响应正文返回。
3.1 添加依赖
首先，我们创建一个 Spring Boot 项目。我们需要该项目的 Spring Boot Starter Web 依赖：
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
3.2 DTO
接下来，我们创建一个与 OpenAI ChatGPT API 的请求参数对应的 DTO：
public class ChatRequest {
private String model;
private List<Message> messages;
private int n;
private double temperature;
public ChatRequest(String model, String prompt) {
this.model = model;
this.messages = new ArrayList<>();
this.messages.add(new Message("user", prompt));
}
// getters and setters
}
继续定义 Message 类：
public class Message {
private String role;
private String content;
// constructor, getters and setters
}
然后，我们为响应创建一个 DTO：
public class ChatResponse {
private List<Choice> choices;
// constructors, getters and setters
public static class Choice {
private int index;
private Message message;
// constructors, getters and setters
}
}
3.3 控制器
我们创建一个控制器，它将接受提示作为请求参数并返回响应作为响应正文：
@RestController
public class ChatController {
@Qualifier("openaiRestTemplate")
@Autowired
private RestTemplate restTemplate;
@Value("${openai.model}")
private String model;
@Value("${openai.api.url}")
private String apiUrl;
@GetMapping("/chat")
public String chat(@RequestParam String prompt) {
// create a request
ChatRequest request = new ChatRequest(model, prompt);
// call the API
ChatResponse response = restTemplate.postForObject(apiUrl, request, ChatResponse.class);
if (response == null || response.getChoices() == null || response.getChoices().isEmpty()) {
return "No response";
}
// return the first response
return response.getChoices().get(0).getMessage().getContent();
}
}
分析一下代码中一些重要部分：
- 我们使用 @Qualifier 注释来注入我们将在下一节中创建的 RestTemplate bean；
- 使用 RestTemplate bean，我们使用 postForObject() 方法调用 OpenAI ChatGPT API。 postForObject() 方法将 URL、请求对象和响应类作为参数；
- 最后，我们读取回复的选择列表并返回第一个回复。
3.4 RestTemplate
我们定义一个自定义 RestTemplate bean，它将使用 OpenAI API 密钥进行身份验证：
@Configuration
public class OpenAIRestTemplateConfig {
@Value("${openai.api.key}")
private String openaiApiKey;
@Bean
@Qualifier("openaiRestTemplate")
public RestTemplate openaiRestTemplate() {
RestTemplate restTemplate = new RestTemplate();
restTemplate.getInterceptors().add((request, body, execution) -> {
request.getHeaders().add("Authorization", "Bearer " + openaiApiKey);
return execution.execute(request, body);
});
return restTemplate;
}
}
3.5 Properties
在 application.properties 文件中提供 API 的属性：
openai.model=gpt-3.5-turbo
openai.api.url=https://api.openai.com/v1/chat/completions
openai.api.key=your-api-key
然后，就可以运行程序了。文章来源：https://www.toymoban.com/news/detail-659811.html
4、总结
我们探索了 OpenAI ChatGPT API 以生成对提示的响应。我们创建了一个 Spring Boot 应用程序，它调用 API 来生成对提示的响应。文章来源地址https://www.toymoban.com/news/detail-659811.html
到了这里，关于在 Spring Boot 中使用 OpenAI ChatGPT API的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
