ChatGPT 由 OpenAI 最先进的语言模型 gpt-3.5-turbo 提供支持。
使用 OpenAI API，您可以使用 GPT-3.5-turbo 构建自己的程序来做一些如下的事情：
- 起草电子邮件或其他书面文件
- 编写 Python 代码
- 回答关于一组文档的问题
- 创建对话代理程序
- 为你的软件提供自然语言接口
- 充当导师辅导多学科
- 充当翻译
- 模拟游戏中的角色等等
1.模型介绍
GPT-3.5-turbo 模型是以一系列消息作为输入，并将模型生成的消息作为输出。
# 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?"} ] ) 消息是一个对象数组，其中每个对象都有一个角色，一共有三种角色。
- 系统 消息有助于设置助手的行为。在上面的例子中，助手被指示 “你是一个得力的助手”。
- 用户 消息有助于指导助手。 就是用户说的话，向助手提的问题。
- 助手 消息有助于存储先前的回复。这是为了持续对话，提供会话的上下文。
2.建立持续会话
在这个 ChatGPT 的会话场景中，第一行文本告诉模型 它是一个翻译家
然后，在交替的会话中，ChatGPT 会将用户发送的英文句子翻译成中文再响应给用户，这就是一个有上下文的持续会话。
GPT-3.5-turbo 模型是没有记忆的，不会记录之前的 请求上下文，所有相关信息都必须通过对话提供，这样才能保持持续的会话。
通常，对话的格式为先是系统消息，然后是交替的用户和助手消息。在 Chat completion API 接口中，我们可以实现这个上下文请求
completion = openai.ChatCompletion.create( model="gpt-3.5-turbo", messages=[ {"role": "system", "content": "你是一个翻译家"}, {"role": "user", "content": "将我发你的英文句子翻译成中文，你不需要理解内容的含义作出回答。"}, {"role": "user", "content": "Draft an email or other piece of writing."} ] ) 助手响应输出
{ "id": "chatcmpl-6q0Kqgk2qlcpCGDYcLQnUmUVVrMd6", "object": "chat.completion", "created": 1677852364, "model": "gpt-3.5-turbo-0301", "usage": { "prompt_tokens": 69, "completion_tokens": 20, "total_tokens": 89 }, "choices": [ { "message": { "role": "assistant", "content": "起草一封电子邮件或其他写作材料。" }, "finish_reason": "stop", "index": 0 } ] } 3.管理 Token
语言模型以称为 tokens 的块读取文本。在英语中，一个 token 可以短至一个字符或长至一个单词（例如，a 或 apple），在某些语言中，token 可以比一个字符更短，也可以比一个单词长。
例如，字符串 “ChatGPT is great！” 被编码成六个 token：[“Chat”, “G”, “PT”, “ is”, “ great”, “!”]。
API 调用中的 token 总数会影响：
- API 调用成本：因为您需要为为每个 token 支付费用
- API 调用响应时间：因为写入更多令牌需要更多时间
- API 调用是否有效：因为令牌总数必须是 低于模型的最大限制（gpt-3.5-turbo-0301 为 4096 个令牌）
4.Token 计费方式
输入和输出标记都计入这些数量。例如，如果您的 API 调用在消息输入中使用了 10 个 token，并且在消息输出中收到了 20 个 token，您将被收取 30 个token 的费用。API 响应中的 usage 字段显示了本次调用使用了多少 token
{ "usage": { "prompt_tokens": 69, "completion_tokens": 20, "total_tokens": 89 } } 5.计算 Token 消耗
要在不调用 API 的情况下查看文本字符串中有多少个 token，请使用 OpenAI 的 tiktoken Python 库。 示例代码可以在 OpenAI Cookbook 关于如何使用 tiktoken 计算令牌的指南中找到。
import tiktoken def num_tokens_from_messages(messages, model="gpt-3.5-turbo-0301"): """Returns the number of tokens used by a list of messages.""" try: encoding = tiktoken.encoding_for_model(model) except KeyError: encoding = tiktoken.get_encoding("cl100k_base") if model == "gpt-3.5-turbo-0301": # note: future models may deviate from this num_tokens = 0 for message in messages: num_tokens += 4 # every message follows <im_start>{role/name}n{content}<im_end>n for key, value in message.items(): num_tokens += len(encoding.encode(value)) if key == "name": # if there's a name, the role is omitted num_tokens += -1 # role is always required and always 1 token num_tokens += 2 # every reply is primed with <im_start>assistant return num_tokens else: raise NotImplementedError(f"""num_tokens_from_messages() is not presently implemented for model {model}. See https://github.com/openai/openai-python/blob/main/chatml.md for information on how messages are converted to tokens.""") messages = [ {"role": "system", "content": "你是一个翻译家"}, {"role": "user", "content": "将我发你的英文句子翻译成中文，你不需要理解内容的含义作出回答。"}, {"role": "user", "content": "Draft an email or other piece of writing."} ] # example token count from the function defined above model = "gpt-3.5-turbo-0301" print(f"{num_tokens_from_messages(messages, model)} prompt tokens counted.") # output: 69 prompt tokens counted. 另请注意，非常长的对话更有可能收到不完整的回复。例如，一个长度为 4090 个 token 的 gpt-3.5-turbo 对话将在只回复了 6 个 token 后被截断。
