营销型网站建设明细报,网站会说话,h5app,国内网页加速器效果图 详细内容和使用说明可以查看我的个人网站文章 把ChatGPT接入我的个人网站 献给有外网服务器的小伙伴
如果你本人已经有一台外网的服务器#xff0c;并且页拥有一个OpenAI API Key#xff0c;那么下面就可以参照我的教程来搭建一个自己的ChatGPT。
需要的环境
Cento…效果图 详细内容和使用说明可以查看我的个人网站文章 把ChatGPT接入我的个人网站 献给有外网服务器的小伙伴
如果你本人已经有一台外网的服务器并且页拥有一个OpenAI API Key那么下面就可以参照我的教程来搭建一个自己的ChatGPT。
需要的环境
Centos7其他服务器也行nodejs
这里主要用到了node环境所有的代码也是由JavaScript编写
安装依赖库
首先需要安装OpenAI提供的js库——openai使用npm安装即可
npm install openai然后再安装一个用于后面管理js后台运行的库——forever
npm install forever编写代码
const WebSocket require(ws)
const {Configuration, OpenAIApi} require(openai)const wss new WebSocket.Server({port:8080})
const config new Configuration({apiKey: OPENAI_API_KEY}); //这里的OPENAI_API_KEY是你自己的keyconst openai new OpenAIApi(config);const welcomeStr Hello我是胡海龙这是我基于OpenAI搭建的类似ChatWindow你可以像使用ChatGPT一样来使用它如何搭建以及源码可以联系我hhlworkspaceqq.com;wss.on(connection, ws{ws.on(message, async (message){if(message [$check$]){ws.send([$alive$])}else{const completion await openai.createCompletion({model: text-davinci-003,prompt: message,max_tokens: 2048,stream: true,user: huhailong1121},{responseType: stream});completion.data.on(data,(data){const lines data?.toString()?.split(\n).filter((line) line.trim() ! );for (const line of lines) {const message line.replace(/^data: /, );if (message [DONE]) {break; // Stream finished}try {const parsed JSON.parse(message);ws.send(parsed.choices[0].text)} catch (error) {console.error(Could not JSON parse stream message, message, error);}}})}})
})上面的代码含义开启一个Websocket服务然后接收到用户发送的消息后使用openai库发起请求然后把返回的数据推给前端用户前端用户接收的时候用解析markdown的组件接收就可以。下面主要说一下请求openai的部分
const {Configuration, OpenAIApi} require(openai)
const config new Configuration({apiKey: OPENAI_API_KEY});const openai new OpenAIApi(config);const completion await openai.createCompletion({model: text-davinci-003,prompt: message,max_tokens: 2048,stream: true,user: huhailong1121},{responseType: stream});completion.data.on(data,(data){const lines data?.toString()?.split(\n).filter((line) line.trim() ! );for (const line of lines) {const message line.replace(/^data: /, );if (message [DONE]) {break; // Stream finished}try {const parsed JSON.parse(message);ws.send(parsed.choices[0].text)} catch (error) {console.error(Could not JSON parse stream message, message, error);}}})首先是引入openai库中的 Configuration, OpenAIApi然后配置apiKey配置好以后创建请求——openai.createCompletion注意这里要使用同步去处理以下参数的含义
model使用的模型目前新的模型是text-davinci-003prompt用户的提问和需求max_tokens这个参数决定了能一次返回多少长度的结果如果不是用stream的话这个设置的小可能会导致结果被截断stream是否使用流方式返回结果我这里使用了流方式返回结果因为这样可以给用户更全的数据不会截断而且不会造成长时间阻塞可以实时的动态的生成结果给用户的体验更好user用户标识这个不设置也可以还有其他更多的参数可以参考网上的资料
使用流后需要对data进行监听监听中将返回的流先转为字符串然后通过换行截取去掉头部的data字符串后剩余的可以转为一个json对象其中choices数组里面的text就是我们要的结果所以将它发送给用户即可。
前端代码相对简单就是单纯的websocket接收数据然后渲染只是样式上需要设计和调整如果有需要前端代码的小伙伴也可以联系我无偿分享联系方式见文章上半部分。
