目錄

• 實現(xiàn)過程
• 1、前期的引入和配置密鑰
• 2、具體的使用
• 3、細節(jié)講解
• （1）關鍵參數(shù)
• （2）openai通用參數(shù)

實現(xiàn)過程

最近在嘗試openai的相關函數(shù)，所以今天就來盤點盤點下 createChatCompletion 函數(shù)，聽說是專門為了聊天創(chuàng)立的api，看看是要怎么用的？

1、前期的引入和配置密鑰

這里我就簡單帶過了，可以看我之前的文章，引入過程大同小異。

cnpm install openai   // 下載
const { Configuration, OpenAIApi } = require("openai");  // 在項目里通過require引入
// 設置密鑰
const configuration = new Configuration({ 
    apiKey: aikey
}); 
const openai = new OpenAIApi(configuration);

2、具體的使用

const completion = await openai.createChatCompletion({
  model: "gpt-3.5-turbo",
  messages: [{role: "user", content: "Hello world", name: "sanwu"}],
});

接口返回的信息在這里 console.log(completion.data.choices[0].message);

3、細節(jié)講解

（1）關鍵參數(shù)

model 這里是選用聊天的模型，每個模型都有它對應的領域，聊天的話，基本上我們選用下圖的/v1/chat/completions行的模型，有gpt-4, gpt-4-0314, gpt-4-32k, gpt-4-32k-0314, gpt-3.5-turbo, gpt-3.5-turbo-0301等模型可以選中。

ENDPOINTMODEL NAME/v1/chat/completionsgpt-4, gpt-4-0314, gpt-4-32k, gpt-4-32k-0314, gpt-3.5-turbo, gpt-3.5-turbo-0301/v1/completionstext-davinci-003, text-davinci-002, text-curie-001, text-babbage-001, text-ada-001/v1/editstext-davinci-edit-001, code-davinci-edit-001/v1/audio/transcriptionswhisper-1/v1/audio/translationswhisper-1/v1/fine-tunesdavinci, curie, babbage, ada/v1/embeddingstext-embedding-ada-002, text-search-ada-doc-001/v1/moderationstext-moderation-stable, text-moderation-latest

messages 這里是定義發(fā)起消息者的角色定位、姓名、具體消息內(nèi)容。

角色定位和消息內(nèi)容是必須的參數(shù)。想想也是，聊天過程中，文本內(nèi)容是基本，而要正確理解文本的含義，通常我們會結(jié)合對方的角色定位來綜合考慮，所以這兩者是必須的，反倒是姓名，一般來說不會影響到回復結(jié)果，所以僅僅是記錄一下，是非必須參數(shù)。

（2）openai通用參數(shù)

temperature 控制結(jié)果的隨機性，范圍在0~2， 0是固定結(jié)果，值越大結(jié)果越隨機。

top_p 跟temperature類似，不過值在0~1之間，默認值為1，如果設置成0.1，則代表取得是前10%概率質(zhì)量的結(jié)果。

n 每個問題prompt要給的答案數(shù)，這里設置多了，會快速消耗配額的。

stream 是否返回部分進度。

stop 最大長度為 4 的字符串列表，一旦生成的 tokens 包含其中的內(nèi)容，將停止生成并返回結(jié)果。

max_tokens 生成結(jié)果時的最大 tokens 數(shù)，不能超過模型的上下文長度，一般最大可設置為2048，新的gpt-4似乎就是4096。

presence_penalty 主題的重復度，區(qū)間也是-2~2， -2的重復度最高。

frequency_penalty 字符的重復度，區(qū)間是-2~2， -2的重復字符最多。

logit_bias 修改指定標記出現(xiàn)在完成中的可能性。 接受一個 json 對象，該對象將標記（由標記器中的標記 ID 指定）映射到從 -100 到 100 的關聯(lián)偏差值。從數(shù)學上講，偏差會在采樣之前添加到模型生成的 logits 中。確切的效果因模型而異，但 -1 和 1 之間的值應該會減少或增加選擇的可能性；像 -100 或 100 這樣的值應該導致相關令牌的禁止或獨占選擇。

以上就是openai createChatCompletion函數(shù)使用實例的詳細內(nèi)容，更多關于openai createChatCompletion函數(shù)的資料請關注其它相關文章！