![](https://habrastorage.org/getpro/habr/upload_files/f1f/3c2/38c/f1f3c238c99c9bc534d15653eafee760.png)
Данная статья является вольным переводом статьи на medium.com, плюсом от себя реализация API ChatGPT в Телеграм боте.
Тема как написать телеграм бота уже довольно тривиальная, статей в интернете полно, поэтому тут я затронул это дело не так глубоко, ниже выложу ссылки на исходный код, разобраться будет не сложно. Основным мотивом написания статьи послужил тот факт, что ChatGPT не доступен в ряде стран, в том числе в России, и хотелось сделать его по настоящему общедоступным.
Готовый/работающий телеграм бот ChatGPT доступен тут.
На вопрос "Кто ты?" сама нейросеть отвечает примерно следующее "Я - ChatGPT, крупнейшая языковая модель, созданная OpenAI. Я разработана для обработки естественного языка и могу помочь вам ответить на вопросы, обсудить темы или предоставить информацию на различные темы".
Другими словами, по моему субъективному мнению нейросеть затачивается в первую очередь для поддержки разговора, в идеале показать, что там сидит живой человек, а не обученная AI модель. Поэтому когда будете играть с чатом не забывайте об этом, не следует ожидать от чата достоверных и точных данных, или глубокого смысла, сейчас она не об этом, пока еще не об этом.
Итак, как получить доступ к сервису ChatGPT из запрещенных стран написано в статье на хабре, хочу обратить ваше внимание, что будет необходимо сперва создать gmail почту с подтверждением по СМС на иностранный номер телефона, затем при регистрации на сайте ChatGPT также подтвердить номер телефона по СМС, и эти два номера телефона совсем не обязательно должны быть одинаковыми, поэтому сервисы по продаже номеров мобильных телефонов на одну смс вполне годятся.
Установка пакета
Сперва устанавливаем необходимый пакет в python:
# Install openai
pip install openai
# Import Library
import openai
Подробнее об API OpenAI можно прочитать в документации:
https://beta.openai.com/docs/api-reference/introduction
Получаем API ключ
Сгенерировать API ключ можно после регистрации на сайте по адресу:
https://beta.openai.com/account/api-keys
# Предоставляем ключ API
openai.api_key = "Your_Key"
Выбираем обученную модель
Выбираем обученную модель, а именно “text-davinci-003”, она является самой мощной моделью GPT-3 и обучалась на данных до июня 2021 года. Узнать больше о различных моделях Вы можете здесь:
https://beta.openai.com/docs/models/gpt-3
# Выбираем обученную модель
engine="text-davinci-003"
Проверяем модель
Протестируем модель! Начнем с того, что попросим ChatGPT назвать лучшую Python библиотеку по машинному обучению:
# Запрос
prompt = "Назови лучшую Python библиотеку по машинному обучению"
# Модель
completion = openai.Completion.create(engine=engine,
prompt=prompt,
temperature=0.5,
max_tokens=1000)
Код выше указывает использовать модель “text-davinci-003”, с температурой 0,5. Температура представляет собой число от 0 до 1. Меньшее число означает более четко определенный ответ, в то время как большее число позволяет модели брать на себя больший риск. Ответ будет выглядеть примерно так:
# Выводим ответ
print(completion)
![](https://habrastorage.org/getpro/habr/upload_files/05e/095/206/05e0952062d5af8aae9a648e3681d90d.png)
Выводим только текст ответа:
# Печатаем только текст ответа
print( completion.choices[0]['text'] )
У меня был такой ответ:
Scikit-learn.
Идем дальше! Как насчет того, чтобы прописывать вопрос в терминале и там же получать ответ:
prompt = str(input())
completion = openai.Completion.create(engine=engine,
prompt=prompt,
temperature=0.5,
max_tokens=1000)
print('\nОтвет:')
print( completion.choices[0]['text'] )
Собственно в коде выше после запуска, скрипт ждет ввода данных из-за функции input(). Ответ будет получен только после ввода запроса.
Оборачиваем код в функцию
Для удобства, обернем полученный код Python в простую функцию:
# Функция для ChatGPT
def ask(prompt):
completion = openai.Completion.create(engine="text-davinci-003",
prompt=prompt,
temperature=0.5,
max_tokens=1000)
print( 'Вопрос:', prompt )
print( '\nОтвет:' )
print( completion.choices[0]['text'] )
Теперь все, что Вам нужно сделать, это написать свой вопрос в функции «ask()».
ask('самая красивая женщина на земле')
# Ответ
# На земле нет одной самой красивой женщины. Красота и прелесть относятся к индивидуальным вкусам и предпочтениям.
Как видим API ChatGPT прост в использовании, но имейте в виду, что ответы, которые он дает, не всегда на 100% верны.
Прикручиваем API ChatGPT к телеграм боту
Исходники телеграм бота выложил в гитхаб репозиторий.
Для создания телеграм бота нам понадобится токен, который мы можем получить у BotFather. Там же можно задать название бота, изображение и описание.
Клонируем репозиторий:
git clone git@github.com:ViktorAllayarov/ChatGPT_telegram_bot.git
# переходим в папку с проектом
cd ChatGPT_telegram_bot
Далее создаем локальное виртуальное окружение:
python3 -m venv env
# или
py -3.10 -m venv env
Переходим в виртуальное окружение и обновляем пакетный менеджер pip:
# для Linux/macOS
source env/bin/activate
для Windows
source env/scripts/activate
далее обновляем pip
python -m pip install --upgrade pip
устанавливаем все зависимости
pip install -r requirements.txt
В файле main.py есть кусок кода, который тянет переменные среды окружения, с помощью библиотеки dotenv
:
env = {
**dotenv_values(".env.prod"),
**dotenv_values(".env.dev"), # override
}
openai.api_key = env["API_KEY_CHATGPT"]
bot = telebot.TeleBot(env["TG_BOT_TOKEN"])
db_link = env["DB_LINK"]
поэтому нам необходимо создать файл .env.prod
или .env.dev
(или оба файла) и задать там необходимые переменные
# файл .env.prod
API ключ CHATGPT
API_KEY_CHATGPT=
# токен телеграм бота
TG_BOT_TOKEN=
# ссылка на БД SQLite3,
# файл базы создастся в корне проекта
# при первом запросе в боте
# база записывает всех пользователей, которые пользуются ботом
DB_LINK=db.db
Теперь можно запустить проект:
python main.py
Надеюсь, что эта статья была интересной и полезной, спасибо, что посетили ее на этом сайте.