Python+ChatGPT编程5分钟快速上手，强烈推荐！！！

最近一段时间chatGPT火爆出圈！无论是在互联网行业，还是其他各行业都赚足了话题。

俗话说：“外行看笑话，内行看门道”，今天从chatGPT个人体验感受以及如何用的角度来分享一下。

1、chatGPT是个啥？

chatGPT是最近新出来的玩意？并不是！在国内，chatGPT最早是在2022年11月就由AI target=_blank class=infotextkey>OpenAI于推出的。只是去年底火了一把，后力不足又遇春节，热度草草就结束了。

先讲一下，OpenAI是美国一所人工智能研究公司，chatGPT 只是 OpenAI 公司其中的一个技术产品，除了chatGPT, OpenAI也还有很多其他“有意思”的产品。

OpenAI旨在降低人工智能业务开发门槛，我们完全不需要神经网络、NLP、深度学习等人工智能领域工程师及算法工程师，就可以直接使用OpenAI训练好的强大模型为我们进行业务赋能。

具体可查阅它的官网：

https://openai.com/

再来讲一讲chatGPT是什么，chatGPT采用了 GPT（Generative Pre-trained Transformer）技术，用专业词汇来讲，是一个用于对话生成的预训练语言模型，用简单通俗来解释：是一款利用AI技术实现出来的聊天机器人。

提到AI聊天机器人，这类技术应用场景在互联网行业此前并不少见，甚至很多，那为什么chatGPT能快速脱颖而出，成为爆品。得益于它的强大能力：整合信息和语言组织能力，接近于人类常识、认知。体验过chatGPT的人，想必很多人的第一感受给我是一样的：chatGPT很像一个真人！这个人还是一个业务能力很强，知无不言的行家能手，不厌其烦地为你解答各种业务问题，它的答复比其他搜索引擎更加精准，可以十分清楚你的搜索意图。

显然易见的是，比起冷冰冷的机器，我们更愿意跟人打交道，这背后要归功于OpenAI在AI对齐问题上做出的诸多努力，致力于探索如何让语言模型遵循人类的意图、符合人类价值观，让ChatGPT表现得更有“人味儿”。

如下体验后截的两张示例图（如果你再不努力，重复低效劳力者终将AI取代）

从给出来的答案中，可以发现提问方式的不同，答案也会有所不同，即便是针对同一个关键词，chatGPT给出来的答案也会有所差异，通过Regenerate response不断调优，致力生成一个更佳完美适合你提问预期需要的答案。

2、chatGPT怎么注册？

看到上面的介绍，如果你还没有体验过chatGPT，想必早已蠢蠢欲动了，我们可以通过访问：

https://chat.openai.com/chat

使用前，需要先注册，注册过程有一点点小门槛，还不会如何注册的，可以参考前几天发的推文。

ChatGPT保姆级注册教程，亲测有效！

注册成功后，就可以在chatGPT在线聊天界面，通过关键字提问畅所欲言了。

3、chatGPT怎么用？

chatGPT爆火后，很多行业都在探索如何将其结合到生活工作场景中。如chatGPT+医疗、chatGPT+OA、chatGPT+自动运维、chatGPT+智能客服，甚至chatGPT如何结合应用到测试场景等等。包括在国内也有很多同类产品早在布局：

今天我们暂不聊chatGPT如何和具体场景结合，单纯从开发的角度，聊一聊chatGPT本身如何使用。

OpenAI官网提供了一套接口文档：

platform.openai.com

从目前接口文档中来看，OpenAI的原生接口支持Python/ target=_blank class=infotextkey>Python和Node.js两类语言，但也同时支持RESTFul的API接口形式。所以目前其他语言可以通过Http的API请求形式来调用OpenAI的接口。

以Python为例，在编写代码之前，先安装openai环境，安装指令如下：

pip install openai

在调用openai API需要一个API_KEY, API_KEY的获取办法访问：

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

在网页中，生成API_KEY

示例1：利用chatGPT API实现文本处理响应

# 公众号：测试开发技术

import os
import openai

OPENAI_API_KEY="xxxxxx"
openai.api_key = os.getenv("OPENAI_API_KEY",OPENAI_API_KEY)

prompt = "用Python写一个mock server"

response = openai.Completion.create(
  model="text-davinci-003",
  prompt=prompt,
  temperature=0.5,
  max_tokens=1024,
  n=1,
  stop=None
)

print(response.choices[0].text)

本示例是基于"text-davinci-003"模型来对text文本进行处理的，"text-davinci-003"是chatGPT最常用的模型之一。

运行结果如下：

这样就已经基于"text-davinci-003"的能力得到了我们想要的答案。

示例2: 利用chatGPT实现python代码bug自动修复

import os
import openai

openai.api_key = os.getenv("OPENAI_API_KEY")

response = openai.Completion.create(
  model="code-davinci-002",
  prompt="##### Fix bugs in the below functionn n### Buggy Pythonnimport Randomna = random.randint(1,12)nb = random.randint(1,12)nfor i in range(10):n    question = "What is "+a+" x "+b+"? "n    answer = input(question)n    if answer = a*bn        print (Well done!)n    else:n        print("No.")n    n### Fixed Python",
  temperature=0,
  max_tokens=182,
  top_p=1.0,
  frequency_penalty=0.0,
  presence_penalty=0.0,
  stop=["###"]
)

从上面两者示例，大家不难看出，代码写起来并不复杂，不同功能实现起来的区别在于使用到的model以及设置参数的不同罢了，具体更多玩法，留给大家探索了。

4、小结

本篇文章算是对chatGPT一个小结，对于刚接触chatGPT的读者来讲，还是非常有帮助的。chatGP官方提供了大量的API，对于技术从业者是极大利好的，至于怎么和实际生活工作场景结合起来，将取决你的技术功底+商业嗅觉了。

本文转载自微信公众号「测试开发技术」