基于ChatGPT的命令行工具（一）

开发日志 › Python › ChatGPT

最近ChatGPT在世界范围内炒得如火如荼（虽然我都用上好几个月了），也正因为ChatGPT的火爆，最近官网的使用体验极其糟糕，5分钟一掉线不说，历史记录有时候都刷不出来，这助长了我自己造轮子摆脱网页端的想法，正好会那么一点点的Python，为什么不做呢。

放心，这个博客不是AI写的，百分百纯手工

ChatGPT API申请

OpenAI的账号怎么申请已经有无数篇文章阐述过了这里就不浪费时间，但是右上角明明有个大大的API申请摆在那却很少有人会注意到，这也足够能说明ChatGPT所带来的舒适圈之强了（说来惭愧，我也是网站崩了后才开始认真考虑这件事），总而言之，点进[API申请页](OpenAI API)后就能申请到密钥让你进行后续开发。

PS：千万不要把你的密钥暴露在Github等公共平台，一旦被检测到就会直接失效。

使用openai库向ChatGPT发送请求

做好了一切准备后，终于开始写码环节，根据OpenAI的官方文档，要使用Python发送请求，需要在开发环境安装openai库并用内置的连接。
官方示例：

1
2
3
4
5
6
7
8

import openai

response = openai.Completion.create(
model="text-davinci-003",
   prompt=generate_prompt(animal),
   temperature=0.6
)

但是不幸的是，大陆的IP因为不可抗力，已经无法访问OpenAI了，更别说发送请求，因此必须要设置代理服务器。

1
2
os.environ["HTTP_PROXY"] = "代理服务器IP:端口"
os.environ["HTTPS_PROXY"] = "代理服务器IP:端口"```

业务开发阶段

在了解了API的使用方式后就可以进行实际代码的编写了，之所以选择开发成命令行的形式，也是注重效率的考虑，我的目标是可以不打开浏览器按下一个键就能直接使用，并且尽量要即时响应，正因如此，命令行工具的高效率、高相应、可扩展性成了不二之选。

但是不能为了命令行而放弃官网对于使用者最重要的功能——对话记录，没有上下文分析的ChatGPT就跟new Bing没有任何区别（请微软赶紧把会话限制去掉），因此在用命令行进行操作的同时，我们同时要想一个办法让AI明白之前的内容，在说出解决方案之前，先看一下官方文档中的请求标准吧。

1
2
3
4
{
  "model": "gpt-3.5-turbo",
  "messages": [{"role": "user", "content": "Hello!"}]
}

在由json数组组成的消息参数中，每条消息由最简单的两个参数”role”和”content”组成，role是告诉AI这条信息扮演的角色（system-系统，user-用户，assistant-AI），content就是具体内容，而将这些信息放在一个数组里让AI连续读取就是让AI读懂上下文的秘诀（我猜官网的历史记录也是差不多的原理）。因此，依照这个设计思路，我们将对话内容储存为json并保持更新，并在每次使用的时候读取，我们就能获得一个不会丢失记忆的本地端ChatGPT（而且哪怕算上传输与读取的时间，生成速度也是吊打被挤爆的官网），多个这样的记录（我称之为实例）之间的切换就可以模拟原本的使用体验——但是更加迅捷，更加高效。

说到实例那必然就能想到类与对象的设计模式，首先程序启动的时候从实例文件夹中扫描可用实例（处于效率考虑，这里并不涉及实际的文件读写），由用户选择实例后程序将对应记录读出存储在内存中，那之后用户输入的每条信息以及ChatGPT发来的返回值都会被记录在实例中。不光如此，还能实现不同实例中的切换（我敢保证切换速度比官网快100倍）满足用户对话题迅速切换的渴望。

关于具体设计，首先可以确定的就是需要一个ChatGPT类来管理ChatGPT相关的所有内容（密钥，回复，实例切换），以及一个可以存放单个实例的类（接受路径从中读出消息记录），程序运行后首先由玩家指定实例，实例类获得具体内容后传参给ChatGPT类，ChatGPT负责等待用户的输入以及ChatGPT的回复，对此有不解的读者可以将整个程序视作一个管道，数据从json文件中流出，流经实例类后储存在ChatGPT类中，再由ChatGPT类流向ChatAPI，这样的思考也有益于我们的程序设计。

总结以及一些经验之谈

因为篇幅原因，具体的代码部分就不贴上来了（而且设计思路也给明了，复刻一个非常容易）。我并不是一个Python高手，但是这个程序我花了不到两天就开发完毕了，这还是归功于ChatGPT老师对我的大力指导，以前遇到错误只能一筹莫展到处去搜（还都是一些老掉牙的文章），有了ChatGPT的归纳总结后，很多问题反而能靠独立思考去解决了（和小黄鸭分析法异曲同工吧），也是多亏了我是个C++程序员，在因为代理卡住的时候第一时间怀疑内核有问题，及时排查了故障原因（就是Python的内核问题，更新就能解决）。

在开发的过程中，我也偶尔会想，自己耗费这么多时间去做这种事情有什么意义，明明打开官网输入问题就能水到渠成，我为什么要单独把功能分离出来自己造轮子，但是当开发完毕的那一刻，一切都豁然开朗，保守估计这个命令行工具也节省了我80%去官网折腾那神秘的服务器的时间，那一刻ChatGPT真正成为了生产力工具，Productivity Evolution!果然偶尔极客一把也没什么不好的。

那么为什么这篇文章的标题上有个“（一）”呢？很简单，这只是第一步，ChatGPT的潜能远不止这些，当然这都是后话了。

也是多亏了ChatGPT，我重拾了写博客的动力（虽然这篇博客不是AI写的），之后几天还会更新一篇编译器的还有一篇游戏引擎相关的博客，敬请期待。

哦对了，项目地址：https://github.com/Ancaeus-whisper/ChatGPTCommand，欢迎各位来捧场喵