我的第一個 ChatGPT 聊天機器人

初始專案與環境設定

下載程式碼

請先使用下面這一段指令下載我們的範例程式碼。

git clone https://github.com/u8621011/HelloGPT.git

設定API key

程式碼下載完後，到【命令列視窗】輸入下方指令來複製 .env 設定檔，複製完後，修改 .env 檔裏面的OPENAI_API_KEY 變數，設定為你個人的 OpenAI API key。

cd HelloGPT

copy .env.example .env

準備 python 執行環境

#確認目前正在 HelloGPT目錄下

virtualenv env

env/bin/activate

pip install -r requirements.txt

以上環境準備好了後，請使用 Visual Studio Code 來開啟專案內的 my-first-bot.ipynb 檔。

開啟檔案後，請先選擇 vscode 的執行環境。

執行環境選擇完後，你就可以依序在 Juypter notebook Cell 上按【執行按鈕】執行 Cell了。

基本概念

def get_completion_from_messages(messages, model="gpt-3.5-turbo", temperature=0):

　　# 呼叫 OpenAI chat completion API

　　response = openai.ChatCompletion.create(

　　　　model=model,

　　　　messages=messages,

　　　　temperature=temperature, # 這個參數決定了模型輸出的隨機程度

　　)

　　# print(str(response.choices[0].message))

　　# 回傳模型生成的回應

　　return response.choices[0].message["content"]

messages =  [

　　{'role':'system', 'content':'你就像唐朝大詩人李白一樣，請使用四言絕句來跟我做回應。'},

　　{'role':'user', 'content':'你好'},

　　{'role':'assistant', 'content':'兄臺別來無恙'},

　　{'role':'user', 'content':'我很好，今天你打算去哪裏？'}  

]

response = get_completion_from_messages(messages, temperature=1)

print(response)

角色定義

messages 這資料結構的功能不只是保存了機器人和使用者對話記錄，它也可以讓我在正式對話前，設定機器人該扮演的角色跟它對話的背景材料。

我們可以使用的角色共有三個（system/assistant/user），他們之間的關係如下：

system 角色定義了你期待對話機器人的整體行為準則。

assistant 的部分，則是記錄對話機器人的回應。

user 的部分，則是使用者的對話。

所以 messages 裏面我們通常在第一則放 system 的系統設定，而後續則是存放著 user 跟 assistant 之間互相來來往往的訊息。

最後，我們再來多看幾個範例，大家應該會更好理解 messages 訊息的使用方法。

對話範例

範例一

我們從機器人的回應可以看出來，因為沒有其他的對話記錄，所以機器人對我們是一無所知的。

範例二

如以下的 messages，由於我們在對話過程中已經提到我們自己名字，所以在稍後我們詢問機器人我們的名字時，它就會知道怎麼回覆。

接單機器人

最後一個 messages 定檔範例，我們在 system 裏面提示了機器人它的任務，作業流程以及我們的菜單，如下：

有了這些設定後，大家可以看到機器人與我們的對話就會更有目標性，而且很讓人驚訝的是，它也記得我們 system 設定內提到的很多的細節。回覆記錄如下：

以上希望能幫助大家理解如何開始設計自己的第一個聊天機器人，當然目前這樣的設計還無法盡善盡美，其他的技巧我們日後會再陸續跟大家介紹。