ChatGPT学英语口语软件（ChatGPT学习心得一（使用node+react做了一个案例））

项目地址

http://chat.xutongbao.top

项目截图

使用技术栈

node+SQLite+redis+nginx+log4js+express+jenkins+cdn+react+antd+react-scrollbars-custom+iconfont+webpack+postman+axios+redux+immutable+npm+yarn+openai等等

官网

https://openai.com/blog/chatgpt/

官方聊天应用

https://chat.openai.com/chat/79014944-0302-45ff-bd25-073803e37216

官方Javascript沙盒应用

https://platform.openai.com/codex-javascript-sandbox

 官方技术文档

https://platform.openai.com/docs/introduction

node调用ChatGPT的API

装包：

yarn add openai

获取API Keys:

https://platform.openai.com/docs/api-reference/introduction

 https://platform.openai.com/account/api-keys

 获取Organization ID：

https://platform.openai.com/account/org-settings 

node代码：

const { Configuration, OpenAIApi } = require(openai) const configuration = new Configuration({ organization: xxx, apiKey: xxx, }) const openai = new OpenAIApi(configuration) //增加 const chatAdd = async (req, res) => { const { talkId = , name = , messageType = 1, message = , modelType = 1, promptType = 1, } = req.body const uid = uuidv4() const now = Date.now() const talkRedis = await redisClient.get(talk) let talkList = JSON.parse(talkRedis) const resultIndex = talkList.findIndex((item) => item.uid === talkId) if (resultIndex >= 0) { if (message && message.trim() !== ) { const chatRedis = await redisClient.get(chat) let chatList = JSON.parse(chatRedis) chatList = Array.isArray(chatList) ? chatList : [] let currentChatList = chatList .filter((item) => item.talkId === talkId) .sort((a, b) => a.createTime - b.createTime) let prompt = if (promptType === 1) { if (currentChatList.length > 0) { let shotChatList = currentChatList if (currentChatList.length > 10) { shotChatList = currentChatList.slice(currentChatList.length - 10) } shotChatList.forEach((item) => { let { messageType, message } = item if (messageType === 1) { prompt += `YOU:${message}\n` } else if (messageType === 2) { //message = encodeURIComponent(message) prompt += `${message}\n` } }) } prompt += `YOU:${message}\n` } else if (promptType === 2) { if (currentChatList.length > 0) { let shotChatList = currentChatList if (currentChatList.length > 10) { shotChatList = currentChatList.slice(currentChatList.length - 10) } shotChatList.forEach((item) => { const { messageType, message } = item if (messageType === 1) { prompt += `\n/* Command: ${message} */\n` } else if (messageType === 2) { //message = encodeURIComponent(message) prompt += `${message}\n` } }) } prompt += `<|endoftext|>/* I start with a blank HTML page, and incrementally modif it via <script> injection. Written for Chrome. */\n/* Command: Add "Hello World", by adding an HTML DOM node */\nvar helloWorld = document.createElement(div);\nhelloWorld.innerHTML = Hello World;\ndocument.body.appendChild(helloWorld);\n/* Command: Clear the page. */\nwhile (document.body.firstChild) {\n document.body.removeChild(document.body.firstChild);\n}\n\n/* Command: ${message} */\n` } let completion try { let hooks = [ { value: 1, lable: text-davinci-003, }, { value: 2, lable: code-davinci-002, }, ] let resultIndex = hooks.findIndex((item) => item.value === modelType) let model = text-davinci-003 if (resultIndex >= 0) { model = hooks[resultIndex].lable } const completionRes = await openai.createCompletion({ model, // prompt: // YOU:你好\n你好    
    
    
。很高兴见到你    


     


     


  。\nYOU:你叫什么名字\n我叫小爱




 




 




 
。很高兴见到你！\nYOU:介绍一下元宵节\n, prompt, max_tokens: 2048, }) completion = completionRes.data } catch (error) { res.send({ code: 200, data: { isRobotBusy: true, }, message: 失败-机器人无应答, }) return } if ( Array.isArray(completion.choices) && completion.choices.length > 0 && completion.choices[0].text ) { const values = [] let robotMessage = completion.choices[0].text robotMessage = robotMessage.replace(/\n/, ) //robotMessage = decodeURIComponent(robotMessage) values.push(`( ${uid}, ${talkId}, ${name}, ${messageType}, ${message}, ${now}, ${now}, 新增 )`) const uidForRobot = uuidv4() values.push(`( ${uidForRobot}, ${talkId}, robot, 2, ${robotMessage}, ${now + 1000}, ${now + 1000}, 新增 )`) const valuesStr = values.join(,) let err = await runSql( `INSERT INTO chat ( uid, talkId, name, messageType, message, createTime, updateTime, remarks ) VALUES ${valuesStr}` ) if (err) { res.send({ code: 400, data: { err: err.stack, }, message: 添加失败, }) } else { await refreshRedis({ tableName: chat }) res.send({ code: 200, data: { //isRobotBusy: true, prompt, robotMessage, }, message: 添加成功, }) } } else { res.send({ code: 400, data: {}, message: 失败-机器人无应答, }) } } else { res.send({ code: 400, data: {}, message: 失败-参数：message, }) } } else { res.send({ code: 400, data: {}, message: 失败-参数：talkId, }) } }

chatGPT 是一款由 OpenAI 开发的聊天机器人模型    
    
    
，它能够模拟人类的语言行为    


     


     


  ，与用户进行自然的交互   

   

   

。它的名称来源于它所使用的技术—— GPT-3架构




 




 




 
，即生成式语言模型的第3代     

     

     

 。

chatGPT的核心技术是 GPT-3 架构




  




  




  。它通过使用大量的训练数据来模拟人类的语言行为   

   

   

，并通过语法和语义分析     

     

     

 ，生成人类可以理解的文本
  


  


  


。它可以根据上下文和语境




  




  




  ，提供准确和恰当的回答
  


  


  


，并模拟多种情绪和语气     
     
     
。这样     
     
     
，就可以让用户在与机器交互时 




   




   




   ，感受到更加真实和自然的对话体验 




   




   




   。

chatGPT 的应用场景也很广泛

 



 



 


。它可以用于处理多种类型的对话

 



 



 


，包括对话机器人   
    
    
  、问答系统和客服机器人等               。它还可以用于各种自然语言处理任务               ，比如文本摘要


     


     


     
、情感分析和信息提取等  




    




    




   。例如  




    




    




   ，在一个问答系统中















，chatGPT可以提供准确的答案               ，解决用户的疑惑；在一个客服机器人中   



     



     



   ，它可以帮助用户解决问题















，提供更好的服务体验















。

在未来    
    
    
，chatGPT 的发展方向将会更加多元               。它可能会引入更多的语言模型和深度学习技术    


     


     


  ，使得它的性能更加优秀   



     



     



   。它也可能会拓展到更多的应用场景




 




 




 
，为更多的人群提供服务















。例如   

   

   

，它可能会进一步拓展到更多的语言领域     

     

     

 ，支持更多的语言；也可能会更加灵活




  




  




  ，可以根据不同的目标来进行微调
  


  


  


，适应不同的场景和需求    
    
    
。

此外     
     
     
，chatGPT 也面临着一些风险和挑战    


     


     


  。其中 




   




   




   ，最主要的问题是隐私和安全




 




 




 
。由于 chatGPT 涉及到大量的个人信息

 



 



 


，因此如果不加以保护               ，就有可能被黑客攻击和泄露   

   

   

。此外  




    




    




   ，由于 chatGPT 模拟人类的语言行为















，因此如果不加以控制               ，它也可能会发生一些不良信息的传播     

     

     

 。

另一方面   



     



     



   ，在技术方面















，chatGPT 也面临着一些挑战




  




  




  。由于它依赖于深度学习和大规模数据    
    
    
，因此如果数据质量不高或者模型不稳定    


     


     


  ，它的性能就会受到影响
  


  


  


。此外




 




 




 
，由于它所处理的是自然语言   

   

   

，因此它也需要面对语言多样性和变化性等问题     
     
     
。

总之     

     

     

 ，chatGPT 是一款先进的聊天机器人模型




  




  




  ，它可以为各种应用场景提供智能化的对话功能 




   




   




   。通过它
  


  


  


，可以让用户在与机器交互时     
     
     
，感受到更加真实和自然的对话体验

 



 



 


。在未来 




   




   




   ，它将会更加成熟

 



 



 


，为人类带来更多的便利               。

聪明的你应该已经发现了               ，这篇文章是由chatAI自己生成的  




    




    




   。