發人員現在可以通過我 API 將 ChatGPT 和 Whisper 模型集成到他們的應用程序和產品中。

在之前的 API 版本中使用的是 text-davinci-003 版本的模型，該模型不具有上下文對話功能，而且生成內容比 ChatGPT 要差不少，所以社區也出現了很多包裝網頁版 ChatGPT 來提供服務的項目，但是穩定性都不太好，因為要依賴網頁。現在官方正式對外發布了 ChatGPT 版本的 API，這對于開發者來說是一個天大的好消息，當然對于 OpenAI 甚至整個行業來說都是意義非凡的，在接下來的一段時間里勢必會出現一大批優秀的 AI 應用。

最新對外發布的 API 是由 gpt-3.5-turbor 驅動的，這是 OpenAI 最先進的語言模型了，通過該 API 可以來做很多事情了。

• 寫一封電子郵件或者其他文章
• 編寫 Python 代碼
• 回答關于一組文件的問題
• 給你的軟件一個自然語言界面
• 語言翻譯
• 模擬視頻游戲的角色等等

新的聊天模型需要將一系列的消息作為輸入，這樣就可以具有上下文對話的功能了，當然也可以進行單輪任務，和之前一樣的。

要實現新的 API 需要 v0.27.0 版本的 Python 包：

pip3 install openai==v0.27.0

然后就可以直接使用 openai 包來和 openai 進行交互了：

import openai
openai.api_key = "sk-xxxx"
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[
            {"role": "system", "content": "你是一個AI機器人助手。"},
            {"role": "user", "content": "哪個隊將贏得2023年NBA總冠軍?"},
        ]
)

最主要的一個輸入參數是 messages，這是一個消息對象數組，其中每個對象都包含一個角色（system、user、assitstant）和消息內容，整個對話可以是一條消息，也可以是多條。

通常情況下，對話的格式是先有一個 system 的系統消息，系統消息有助于設置助手的行為。用戶消息就是我們應用程序的終端用戶產生的，也就是我們要咨詢的問題。助手消息就是 openai 反饋給我們的數據，當然也可以由開發者自行編寫。

當我們將上一次的助手消息一起回復的時候就會具有上下文關聯的能力了。

import openai
openai.api_key = "sk-xxxx"
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[
            {"role": "system", "content": "你是一個AI機器人助手。"},
            {"role": "user", "content": "哪個隊將贏得2023年NBA總冠軍?"},
            {"role": "assistant", "content": "湖人隊將獲得總冠軍！"},
            {"role": "user", "content": "誰會當選FMVP?"}
        ]
)
result = ''
for choice in response.choices:
    result += choice.message.content
    
print(result)

比如我們這里加入了前面的消息，最后可以得到上下文關聯的消息：

由于預測這種事情實際上是很難的，因為許多因素都可能影響到這個決定，所以作出最準確的預測很難。但是，湖人隊有很多球員都有機會獲得FMVP獎項，像勒布朗·詹姆斯、安東尼·戴維斯、凱爾·庫茲馬等都有可能成為FMVP。