本文轉載自微信公眾號「劉丹冰Aceld」，作者劉丹冰Aceld 。轉載本文請聯系劉丹冰Aceld公眾號。

一、chatGPT與OpenAI

ChatGPT 是 OpenAI 公司的一個技術產品，chatGPT使用了 GPT（Generative Pre-trained Transformer）技術，是一個用于對話生成的預訓練語言模型，OpenAI還有很多其他模型。

(來自：chatGPT的解釋)

OpenAI是一家人工智能研究公司，它開發并提供了一系列人工智能技術和產品，包括SDK開發包。

(來自：chatGPT的解釋)

可以理解為：

OpenAI提供的SDK能力更加豐富，而chatGPT是使用OpenAI的GPT技術實現的一款自然語言處理模型產品。

所以要接入chatGPT的能力，還是要看OpenAI所能提供的開放接口能力如何。

二、OpenAI目前公開的幾款產品

2.1 chatGPT

我們可以通過 chat.openai.com/chat 來打開chatGPT的在線聊天界面(需要先注冊，目前不支持國內注冊)。

圖片

具體的chatGPT聊天的情況，這里不贅述了，chatGPT的實力目前在網絡上已經被證實。

就目前個人使用的情況來看。目前在搜索知識相關的內容，用chatGPT之后，很少會再打開Baidu和Google。除非一些系統性的知識，或者極個別業務類知識搜索。但是對于科普類、以及常見類知識，chatGPT的答復明顯要比搜索引擎更精準，且十分清楚你意圖搜索的內容是什么。

2.2 DALL·E

DALL·E 是 OpenAI 研發的一種新型的生成式預訓練語言模型，它能夠從文字描述中生成全新的圖片。它可以生成各種各樣的圖片，從卡通形象到復雜的科技圖像，它是一種非常先進且有趣的人工智能技術。

(來自：chatGPT的解釋)

我們打開網址：labs.openai.com 可以更直觀看見這款產品。

圖片

圖片

2.3 GPT-3

GPT-3(Generative Pretrained Transformer 3)：這是 OpenAI 最強大的 NLP 模型，擁有出色的語言生成能力。

（來自chatGPT的解釋）

網上流傳可以寫出論文的就是GPT-3這款產品，chatGPT實際也是應用GPT-3的"text-davinci-003"模型。

圖片

網址為：https://platform.openai.com/playground 右側Model選擇"text-davinci-003"。

圖片

2.4 CLIP

CLIP(Contrastive Language-Image Pretraining)：這是一種跨語言和圖像的模型，可以在圖像和文本間進行對比。

這里不再介紹。官方網站是 clip.openai.com 但是我沒有打開。

三、基于OpenAI的Demo開發

OpenAI接口文檔

platform.openai.com/doc

從目前官方的接口文檔來看：OpenAI的原生接口支持Python和Node.js語言，但也同時支持RESTFul的API接口形式。所以目前其他語言可以通過Http的API請求形式，來調用OpenAI的接口。

這里先以Python為例，嘗試調通一個接口。

3.1 Model

在開始之前，我們需要理解的最關鍵的一個概念，就是OpenAI的訓練模型Model。

對于我們從來沒有接觸過人工智能技術的人來說，始終認為人工智能開發一定是要自己訓練的，但是OpenAI完全降低了人工智能的業務開發門檻，我們完全不需要神經網絡、NLP、深度學習等人工智能領域工程師及算法工程師，就可以直接使用OpenAI訓練好的強大模型為我們進行業務賦能。

我們可以理解為OpenAI現在已經有很多基礎能力相當成熟的“AI大秘書”為我們進行服務。

他們的名字分別是：davinci(達芬奇)、curie(居里)、babbage(巴貝奇)和ada(艾達)等。

注意：任何由更快的模型（如Ada）執行的任務都可以由更強大的模型（如Curie或Davinci）執行，所以只需要記住“達芬奇最強”即可。

綜上，在我們進行使用OpenAI進行業務接口開發時，應該嘗試不同的場景，選擇最適合的Model為我們提供分析能力。

當然，OpenAI不僅僅只有這些模型，在OpenAI的官方文檔上有說明可以給開發者提供的開發能力，如下：

圖片

這五大能力，各自提供了接口讓開發者進行接入和使用。其中“Fine-tuning"將是定制化的model訓練接口，當然是你不希望使用OpenAI現有的"大秘書"。

全部Model模型List可見OpenAI官方文檔：platform.openai.com/doc

在GPT-3模型中，各個“AI大秘書”的最新版本和情況如下：

圖片

3.2 基于"text-davinci-003"的text文本處理Demo（Python）

代碼很簡單，如下：

圖片

1) openai的sdk

對于python來講，安裝openai環境十分的簡單，如下指令即可：

pip install openai

如果你用的Golang語言或其他語言，不需要安裝環境，直接調用官方的RESTFul接口即可。

2) API_KEY

這里面需要一個api_key，api_key的獲取辦法是，首先要注冊OpenAI賬號，如果您之前已經可以使用OpenAI產品，說明你已經有了賬號，然后在platform.openai.com/acc 網頁中，生成API_KEY即可。

圖片

3) propmt提示信息

prompt = "用Golang寫一個API-Server,且有一個路由/tal,給客戶端返回'你好TAL'的能力"

在文本Model中，就是我們的輸入問題文本。

接下來，我們來執行上述的python代碼，得到如下結果：

圖片

這樣就已經基于"text-davinci-003"的能力得到了我們想要的答案，也證明我們Demo的調度是通過的。

四、OpenAI的基于Golang接口開發及微信GPT案例

4.1 基礎結構體定義

const BASEURL = "https://api.openai.com/v1/"

// ChatGPTResponseBody 請求體
type ChatGPTResponseBody struct {
    ID      string                 `json:"id"`
    Object  string                 `json:"object"`
    Created int                    `json:"created"`
    Model   string                 `json:"model"`
    Choices []ChoiceItem           `json:"choices"`
    Usage   map[string]interface{} `json:"usage"`
}

type ChoiceItem struct {
    Text         string `json:"text"`
    Index        int    `json:"index"`
    Logprobs     int    `json:"logprobs"`
    FinishReason string `json:"finish_reason"`
}

// ChatGPTRequestBody 響應體
type ChatGPTRequestBody struct {
    Model            string  `json:"model"`
    Prompt           string  `json:"prompt"`
    MaxTokens        int     `json:"max_tokens"`
    Temperature      float32 `json:"temperature"`
    TopP             int     `json:"top_p"`
    FrequencyPenalty int     `json:"frequency_penalty"`
    PresencePenalty  int     `json:"presence_penalty"`
}

4.2 Golang的OpenAI請求RESTful接口封裝

// Completions gtp文本模型回復
//curl https://api.openai.com/v1/completions
//-H "Content-Type: application/json"
//-H "Authorization: Bearer your chatGPT key"
//-d '{"model": "text-davinci-003", "prompt": "你好，Aceld", "temperature": 0, "max_tokens": 7}'
func Completions(msg string) (string, error) {
    requestBody := ChatGPTRequestBody{
        Model:            "text-davinci-003",
        Prompt:           msg,
        MaxTokens:        1024,
        Temperature:      0.7,
        TopP:             1,
        FrequencyPenalty: 0,
        PresencePenalty:  0,
    }
    requestData, err := json.Marshal(requestBody)

    if err != nil {
        return "", err
    }
    log.Printf("request gtp json string : %v", string(requestData))
    req, err := http.NewRequest("POST", BASEURL+"completions", bytes.NewBuffer(requestData))
    if err != nil {
        return "", err
    }

    apiKey := "XXXXXXXXXX申請的API_KEYXXXXXXXXXX"
    req.Header.Set("Content-Type", "application/json")
    req.Header.Set("Authorization", "Bearer "+apiKey)
    client := &http.Client{}
    response, err := client.Do(req)
    if err != nil {
        return "", err
    }
    defer response.Body.Close()
    if response.StatusCode != 200 {
        return "", errors.New(fmt.Sprintf("status code != 200, code is %d", response.StatusCode))
    }
    body, err := ioutil.ReadAll(response.Body)
    if err != nil {
        return "", err
    }

    gptResponseBody := &ChatGPTResponseBody{}
    log.Println(string(body))
    err = json.Unmarshal(body, gptResponseBody)
    if err != nil {
        return "", err
    }

    var reply string
    if len(gptResponseBody.Choices) > 0 {
        reply = gptResponseBody.Choices[0].Text
    }
    log.Printf("response text: %s \n", reply)
    return reply, nil
}

我們依然可以通過上述封裝的Golang接口去請求OpenAI的Model模型，獲得我們得到的結果。這里的Demo運行就不再展示。

然后，基于Golang的API能力再加上微信小程序的代理程序模塊（由于涉及到微信代理作弊程序，這里代碼省略），可以代理本地微信程序的消息轉發，最終可以實現的效果如下：

圖片

目前也有第三方實現的Golang的GPT接口封裝，項目名稱為go-gpt3。

開源代碼在 github.com/sashabaranov ，實現基本代碼如下：

package main

import (
    "context"
    "fmt"
    gogpt "github.com/sashabaranov/go-gpt3"
)

func main() {
    c := gogpt.NewClient("XXXXXXX  your API KEY XXXXXXXX")
    ctx := context.Background()

    req := gogpt.CompletionRequest{
        Model:     gogpt.GPT3Ada,
        MaxTokens: 5,
        Prompt:    "隨便說說",
    }
    resp, err := c.CreateCompletion(ctx, req)
    if err != nil {
        return
    }
    fmt.Println(resp.Choices[0].Text)
}

是的，這很令人驚奇，你現在已經具備使用人工能力開發業務了，且接口竟然如此的簡單。至于model的選擇和參數和接口的選擇，詳細看OpenAI文檔就可以了，本文是快速入門，這里就不再贅述了。

五、有關接入OpenAI的功能假設模型

5.1 智能ToB運營售前、售后、技術支持系統

整體思路為，應用OpenAI提供的Files大文件訓練和Fine-tune自定義業務Model能力。嘗試基于已有的成熟Model再疊加業務內容，進行簡單的知識補充即可。

圖片

5.2 智能家庭助理

方案和上述方案類似，只不過需要將詳細的操作手冊換成常見的QA匯總文本。

六、方案可行性評估

注:解決方案為基于OpenAI模型的初探方案，商業模式和產品可行請問你們的產品經理。

先說下我這里的想到的幾個問題，進行拋轉：

1、chatGPT如果在短時間內在中國出現一個普及類的大眾產品問世，所以現在普通業務企業接入可能將毫無意義，因為大家都會在那個普及的產品上去提問知識，就好比當搜索引擎剛出來的時候，我們在自己的產品植入搜索引擎能力，短期有點效果，長期是無意義的。最后大家都會到一個地方去搜索。

2、對于OpenAI能力的性能問題以及回答問題的準確性，目前還沒有商業應用落地的真實數據，第一口吃螃蟹還需要謹慎一些。

3、chatGPT就國內來說，在幾個月之前就已經有一小波熱提峰值，但是很快就下去了，但近期突然引起大家熱議，或有資本運作及推動，學習知識沒錯，在沒有掌握充足的相關知識和應用領域客觀調研下，要小心自己不要成為"韭菜"哦~^_^~。

4、科學很重要，科學的普及更重要，而普及才是最難的，引用AI來創造價值才是最難的。目前chatGPT只是展示了潛力，但潛力不能當飯吃，只有實力才能當飯吃。目前chatGPT還是“流行話題”占比高一些，聊這個話題會顯得高級，所以才喜歡聊，但又有多少人真的懂，多少人真的了解且認真思考過，甚至又有多少人去試用一下。

關于作者