R資料處理-用R丟多個問題給ChatGPT並儲存答案 [Stack Overflow練題002]
若想知道怎麼在R裡面透過API向ChatGPT一次提問多個問題，並且將每個問題與各自的答案對應整理好，請看今天的練習。
前言
ChatGPT正式推出已經滿2年了（2022年12月推出），這2年間許多公司也推出類似的服務，使生成式AI與生活更加緊密連結。
相信大家多多少少在工作、娛樂、創作或搜尋資訊等各方面使用過ChatGPT，或至少剛推出時有嚐鮮一下。如果最近還有持續在用，應該會發現比當初的版本有了許多進步，尤其是生成回覆的時間大概縮短了兩輩子這麼多。
雖然回覆時間已經很快了，但若有多個問題要問，並想把答案都整理好，一問一答的複製貼上流程是不是稍嫌冗長呢？例如想把作業的題目一口氣輸入……例如想直接整理下面這個表格：
| 國家 | 人口 | 首都 |
--------------------
| 美國 | | |
| 巴西 | | |
| 日本 | | |
| 南非 | | |
| 德國 | | |
有沒有辦法直接完成呢？
題目
這次在Stack Overflow看到的提問是使用者想透過API，在R裡面直接向ChatGPT提問並且把答案整理進表格，提問原帖在此。
提問帖作者展示了「單獨提出問題」的話，可以正常運作。
但是如果想要把兩個問題同時丟給ChatGPT並儲存答案則會失敗。更簡單的說法，提問者想要自動完成下面這個命名為test的表格：
> test
x y
1 Is Arkansas in the United States?
2 Is Arkansas in India?
其中x是整理在一起的2個問題，而y則想要放置答案。
解答
解答-1. 透過套件與API向ChatGPT提問
這個問題其實是資料結構的問題，只是套了一個「向ChatGPT提問」的主題。本質上來說，可以分解成3個部分：
- 建立data.frame
- 產生一個vector
- 把vector指派為data.frame的一個新欄位
但要給出一個「能完全重現」的解答，我們還是要按部就班進行。因此第一步先看看怎麼使用套件與API（直接擷取提問者的發文）。
### load current ChatGPT package: https://github.com/jcrodriguez1989/chatgpt
install.packages("chatgpt")
library(chatgpt)
### load GPT API
Sys.setenv(OPENAI_API_KEY = "XXX")
首先是安裝與讀取套件，這部分沒有問題，直接複製並執行程式碼即可。第二步則是要取得API key，讓R可以跟ChatGPT「對話」。（關於API的介紹可以看這篇文章）
要取得API，要前往OpenAI的API網站，並登入平常使用ChatGPT的帳號。點選「Create new secret key」後再輸入一些名稱等基本設定，就可以成功建立新的API了，建立完成會看到下面的視窗。
注意這邊是唯一一次能看到完整API key的機會，關閉之前務必先複製下來，若不慎遺失了的話就要再建立新的來用了。這邊拿到的API key就是用來取代前面提問者的程式碼Sys.setenv(OPENAI_API_KEY = "XXX")這一段裡面的XXX。
接下來就可以正式開始用ask_chatgpt()提問了！
……很遺憾，直接使用的話會得到：You exceeded your current quota, please check your plan and billing details.這個錯誤訊息……是的，使用API要以流量計費，因此必須先在API網站內的Billing頁面，點選「Add payment details」新增付費方式（信用卡資訊）。API的費用相關資訊可以參考這篇文章，計價方式非常划算，加值最少的5美元都可以用很久。
解答-2. 批次提問並將解答儲存進表格
設定完成，可以透過R向ChatGPT提問後，接著正式處理今天的提問（終於！）。首先我們看看原提問者是哪裡出錯：
### write into dataframe
test <- data.frame(x = c("Is Arkansas in the United States?", "Is Arkansas in India?"))
### ask_chatgpt
test <- test %>%
mutate(y = cat(ask_chatgpt(x)))
首先是不應該使用cat()這個函式，它的用途是直接把要的文字貼到terminal上，而貼出來的東西只能給人類的眼睛讀，對程式來說不是一個物件。比較以下兩種結果：
> class(cat(ask_chatgpt("Is Arkansas in the United States?")))
*** ChatGPT input:
Is Arkansas in the United States?
Yes, Arkansas is a state located in the United States.[1] "NULL"
> class(ask_chatgpt("Is Arkansas in the United States?"))
*** ChatGPT input:
Is Arkansas in the United States?
[1] "character"
用class()要求R提供資料的類型，這邊的意思是要求R告訴我們ChatGPT對這一題的答案，也就是："Yes, Arkansas is a state located in the United States."這一句話是什麼資料型態，cat()得到的結果是"NULL"，連物件都不是無法判斷。注意[1]後面的文字才是程式的回答，因為cat()會強迫把文字貼到terminal上，導致ChatGPT的回答先貼完後，程式才作答。另一方面，不使用cat()的話就會回答"character"，也就是字串。
提問者會使用cat()應該是因為套件作者的範例有用這個函式，如果只是單獨提問的話這可以得到最簡潔的結果，回傳的答案連""都不會有，但若要將答案進一步處理的話就不能這樣使用。
單純拿掉cat()？結果仍然不對。
test <- test %>%
mutate(y = ask_chatgpt(x))
Error in `mutate()`:
ℹ In argument: `y = ask_chatgpt(x)`.
Caused by error in `gpt_get_completions()`:
! list(message = "Invalid type for 'messages[9].content[0]': expected an object, but got a string instead.", type = "invalid_request_error", param = "messages[9].content[0]", code = "invalid_type")
Run `rlang::last_trace()` to see where the error occurred.
這邊的原因則是ask_chatgpt()預設你要放一個且只有一個問題進去，但是mutate()相當於把整個欄位（test的x）都放進去。
我們必須「一個一個地」提問才行，那是不是應該用迴圈呢？用迴圈可以達成目的，但這邊只有兩個問題還好，當項目一多時迴圈會跑到天~長~地~久。若需要執行的步驟可以用apply家族處理，使用apply家族才是比較好的作法。
test <- data.frame(
x = c("Is Arkansas in the United States?", "Is Arkansas in India?")
)
test$y <- sapply(test$x, ask_chatgpt)
這段先建立只有一個欄位（x）的data.frame，接著用sapply()把ask_chatgpt()這個函式套用到test$x裡面的每一個物件，其結果會是一個跟test$x一樣長的vector，再把這個vector指派成data.frame的另一個欄位（y）。
惡作劇完成！
非常簡單的程式碼，但要說明每一個步驟卻變成這麼長的文章。而且文章的內容已經預設大家對R、資料結構、資料類型、apply家族都有基本認識，畢竟這邊若要展開又是另一篇長文了……如果對這些略過的部分有疑問，以後再另外做個分析講解吧！
你可能也想看
