在本篇文中，将解释如何与OpenAI聊天完成 API 集成以使用它们并创建自己的 ChatGPT 版本。将使用Spring Boot程序与ChatGPT的 开放API集成。
我们将Spring Boot程序公开一个 REST 端点，它将以requestParam的形式发起请求，然后对其进行处理，并以可读的文本格式返回响应。
让我们按照以下步骤操作：
前提条件
我们将使用OpenAI的ChatGPT完成API在我们程序里的调用。
该API的各个重要参数描述如下：
模型： 我们将向“gpt-3.5-turbo”发送请求
GPT-3.5 Turbo是一种极其强大的人工智能驱动的语言模型。它拥有 8192 个处理器核心和多达 3000 亿个参数，是迄今为止最大的语言模型之一。在广泛的自然语言处理任务中表现优秀，可以用于生成文章、回答问题、对话、翻译和编程等多种应用场景。它的能力使得人们可以通过自然语言与计算机进行更加自然、灵活和高效的交互。
Messages： 这表示发送到模型的实际请求类，以便模型可以解析消息并以人们可读的格式生成相应的响应。
包含两个子属性：
role： 指定消息的发送者（请求时为“user”，响应时为“assistant”）。
content: 这才是真正的消息。
Message DTO 如下所示：
public class Message {
private String role;
private String content;
// getters & setters
}话不多说，让我们开始与我们的 Spring Boot 应用程序集成。
创建一个基本的 Spring Boot 应用程序。为此，请前往start.spring.io并使用以下选择：
我们只需要 Spring Web 依赖项：
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>创建一个Controller 代码：
package com.akash.mychatGPT.controller;
import com.akash.mychatGPT.dtos.ChatRequest;
import com.akash.mychatGPT.dtos.ChatResponse;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.client.RestTemplate;
@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) {
// 创建请求
ChatRequest request = new ChatRequest(model, prompt, 1, 1.1);
// 调用API
ChatResponse response = restTemplate.postForObject(apiUrl, request, ChatResponse.class);
if (response == null || response.getChoices() == null || response.getChoices().isEmpty()) {
return "No response";
}
// 返回响应
return response.getChoices().get(0).getMessage().getContent();
}
}创建一个ChatRequest类：
package com.akash.mychatGPT.dtos;
import java.util.ArrayList;
import java.util.List;
public class ChatRequest {
private String model;
private List<Message> messages;
private int n;// 如果我们想增加要生成的响应的数量，可以指定。默认值为1。
private double temperature;// 控制响应的随机性。默认值为1 (大多数随机)。
// 构造方法, Getters & setters
}在这里，我们使用以下属性，将其放入 application.properties 中：
openai.model=gpt-3.5-turbo
openai.api.url=https://api.openai.com/v1/chat/completions
openai.api.key=<generated_key_goes_here>重要提示：关于 OpenAI API 密钥的说明：
OpenAI 允许生成唯一的 API 密钥来使用 OpenAI API。为此，请点击（
https://platform.openai.com/account/api-keys）。在这里，需要注册并创建 API 密钥（如下面的快照所示）。确保保证其安全，一定保存好！
单击“创建新密钥”并按照屏幕上的步骤操作。就可以拥有了自己的 OpenAI API 密钥。如果没有注册过，想体验一下的话，私信我发你体key。
接下来，我们用于RestTemplate调用 OpenAI API URL。因此，让我们添加一个拦截器，如下所示：
package com.akash.mychatGPT.config;
import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.web.client.RestTemplate;
@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;
}
}拦截器拦截请求并将 OpenAI API 密钥添加到请求标头中。
就是这样，现在我们可以简单地使用主类运行应用程序并开始调用 API。
package com.akash.mychatGPT;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
@SpringBootApplication
public class MyChatGptApplication {
public static void main(String[] args) {
SpringApplication.run(MyChatGptApplication.class, args);
}
}测试
本次使用Postman 进行演示。将想要问的问题传递给该模型。
例子#1
http://localhost:8080/chat?prompt=what are some good Spring Boot libraries。
例子#2
GPT 3.5 Turbo 模型足够先进，可以表现出高度真实的响应。（由于有数十亿行文本，该模型已经过训练）。
注意：对 OpenAI API curl 的实际调用如下所示：
curl --location 'https://api.openai.com/v1/chat/completions' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer $OPENAI_API_KEY' \
--data '{
"model": "gpt-3.5-turbo",
"messages": [
{
"role": "user",
"content": "Hello!"
}
]
}'注意事项
在开发应用程序时，以下是可能遇到的常见问题。
问题1：
com.fasterxml.jackson.databind.exc.InvalidDefinitionException: Cannot construct instance of `com.akash.mychatGPT.Message` (no Creators, like default constructor, exist): cannot deserialize from Object value (no delegate- or property-based Creator)
at [Source: (org.springframework.util.StreamUtils$NonClosingInputStream); line: 10, column: 9] (through reference chain: com.akash.mychatGPT.ChatResponse["choices"]->java.util.ArrayList[0]->com.akash.mychatGPT.ChatResponse$Choice["message"])确保创建一个无参数构造函数，并为以下对象提供 getter 和 setter：
问题2：
org.springframework.web.client.HttpClientErrorException$TooManyRequests: 429 Too Many Requests:
"{<EOL> "error": {<EOL> "message": "You exceeded your current quota, please check your plan and billing details.",<EOL> "type": "insufficient_quota",<EOL> "param": null,<EOL> "code": null<EOL> }<EOL>}<EOL>"OpenAI 提供了基本配额。当前电子邮件 ID 的配额已用完，需要使用了新的电子邮件 ID。
问题3：
org.springframework.web.client.HttpClientErrorException$TooManyRequests: 429 Too Many Requests: "{<EOL> "error": {<EOL> "message": "Rate limit reached for default-gpt-3.5-turbo in organization org-V9XKg3mYkRRTJhHWq1lYjVtS on requests per min. Limit: 3 / min. Please try again in 20s. Contact us through our help center at help.openai.com if you continue to have issues. Please add a payment method to your account to increase your rate limit. Visit https://platform.openai.com/account/billing to add a payment method.",<EOL> "type": "requests",<EOL> "param": null,<EOL> "code": null<EOL> }<EOL>}<EOL>"一段时间后尝试调用 API。（为了安全起见，良好的工作时间是 30 分钟）。
总结
在这篇短文中，我们了解了 OpenAI 的 GPT 3.5 Turbo 模型。如何生成供个人使用的密钥。
然后，我们还研究了将常用的 Spring Boot 应用程序与 OpenAI 聊天完成 API 集成、对端点进行实际调用，并验证了响应。
注意事项
OpenAI 的 API 是受监管的资源。我们对 API 的调用量是有限的，可以在此处进行跟踪。
