把一个长方形木框拉成平行四边形后（把ChatGPT接入我的个人网站）

效果图

详细内容和使用说明可以查看我的个人网站文章 把ChatGPT接入我的个人网站

献给有外网服务器的小伙伴

如果你本人已经有一台外网的服务器    
    
    
，并且页拥有一个OpenAI API Key     


     


     


    ，那么下面就可以参照我的教程来搭建一个自己的ChatGPT    
    
    
。

需要的环境 Centos7（其他服务器也行） nodejs

这里主要用到了node环境




 




 




 


，所有的代码也是由JavaScript编写

安装依赖库

首先需要安装OpenAI提供的js库——openai
   

   

   

，使用npm安装即可

npm install openai

然后再安装一个用于后面管理js后台运行的库——forever

npm install forever 编写代码 const WebSocket = require(ws) const {Configuration, OpenAIApi} = require(openai) const wss = new WebSocket.Server({port:8080}) const config = new Configuration({apiKey: OPENAI_API_KEY}); //这里的OPENAI_API_KEY是你自己的key const openai = new OpenAIApi(config); const welcomeStr = "Hello     

     

     

   ，我是胡海龙 




  




  




  

，这是我基于OpenAI搭建的类似ChatWindow

  


  


  


，你可以像使用ChatGPT一样来使用它     
     
     
  ，如何搭建以及源码可以联系我：hhlworkspace@qq.com"; wss.on(connection, ws=>{ ws.on(message, async (message)=>{ if(message ==[$check$]){ ws.send([$alive$]) }else{ const completion = await openai.createCompletion({ model: text-davinci-003, prompt: +message, max_tokens: 2048, stream: true, user: huhailong1121 },{responseType: stream}); completion.data.on("data",(data)=>{ const lines = data ?.toString() ?.split("\n") .filter((line) => line.trim() !== ""); for (const line of lines) { const message = line.replace(/^data: /, ""); if (message === "[DONE]") { break; // Stream finished } try { const parsed = JSON.parse(message); ws.send(parsed.choices[0].text) } catch (error) { console.error("Could not JSON parse stream message", message, error); } } }) } }) })

上面的代码含义：开启一个Websocket服务  




   




   




   
，然后接收到用户发送的消息后


 



 



 



，使用openai库发起请求                ，然后把返回的数据推给前端用户   




    




    




    ，前端用户接收的时候用解析markdown的组件接收就可以     


     


     


    。下面主要说一下请求openai的部分

const {Configuration, OpenAIApi} = require(openai) const config = new Configuration({apiKey: OPENAI_API_KEY}); const openai = new OpenAIApi(config); const completion = await openai.createCompletion({ model: text-davinci-003, prompt: +message, max_tokens: 2048, stream: true, user: huhailong1121 },{responseType: stream}); completion.data.on("data",(data)=>{ const lines = data ?.toString() ?.split("\n") .filter((line) => line.trim() !== ""); for (const line of lines) { const message = line.replace(/^data: /, ""); if (message === "[DONE]") { break; // Stream finished } try { const parsed = JSON.parse(message); ws.send(parsed.choices[0].text) } catch (error) { console.error("Could not JSON parse stream message", message, error); } } })

首先是引入openai库中的 Configuration, OpenAIApi


















，然后配置apiKey               ，配置好以后创建请求——openai.createCompletion    



     



     



     ，注意


















，这里要使用同步去处理以下    
    
    
，参数的含义：

model：使用的模型     


     


     


    ，目前新的模型是text-davinci-003 prompt：用户的提问和需求 max_tokens：这个参数决定了能一次返回多少长度的结果




 




 




 


，如果不是用stream的话这个设置的小可能会导致结果被截断 stream：是否使用流方式返回结果
   

   

   

，我这里使用了流方式返回结果     

     

     

   ，因为这样可以给用户更全的数据 




  




  




  

，不会截断

  


  


  


，而且不会造成长时间阻塞     
     
     
  ，可以实时的动态的生成结果  




   




   




   
，给用户的体验更好 user：用户标识


 



 



 



，这个不设置也可以                ，还有其他更多的参数可以参考网上的资料

使用流后需要对data进行监听   




    




    




    ，监听中将返回的流先转为字符串


















，然后通过换行截取               ，去掉头部的data字符串后剩余的可以转为一个json对象    



     



     



     ，其中choices数组里面的text就是我们要的结果


















，所以将它发送给用户即可




 




 




 


。

前端代码相对简单    
    
    
，就是单纯的websocket接收数据     


     


     


    ，然后渲染




 




 




 


，只是样式上需要设计和调整
   

   

   

，如果有需要前端代码的小伙伴可以前往我的个人网站进行下载     

     

     

   ，注册登录后点击资源即可下载：

如果对你有帮助记得要点赞哦~~~
   

   

   

。