如何使用 ChatGPT 3.5 API 创建自己的智能应用？

前言

OPEN AI 的开放 API 可以说是前端开发者的福利，我们只需要调用 api，就可以创建一个智能应用， 在上一篇文章中，我们介绍了《基于 ChatGPT API 的划词翻译浏览器脚本实现》，使用的模型是 text-davinci-003 也就是文本补全模型，今天我们将使用 gpt-3.5-turbo 模型来实现一个场景化的智能应用。

OPEN AI API 介绍

自动完成 API

POST https://api.openai.com/v1/completions

以下是自动完成 API，有了 OPENAI_API_KEY 之后，我们只需要传入 prompt

const OPENAI_API_KEY = "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";

const prompt = `Translate this into Chinese:
        hello world`;
const res = await fetch("https://api.openai.com/v1/completions", {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    authorization: `Bearer ${OPENAI_API_KEY}`,
  },
  body: JSON.stringify({
    model: "text-davinci-003",
    prompt,
    max_tokens: 1000,
    temperature: 0,
  }),
});
const response = await res.json();

const result = response.choices[0].text;

对话 API

POST https://api.openai.com/v1/chat/completions

由于自动补全 API 只能传入一个参数 prompt，AI 不能够理解上下文的场景，因此 gpt-3.5+ API 是为了让 AI 能够支持基于一组对话来返回数据。

在 Node.js 中可以使用以下代码来实现。

const OPENAI_API_KEY = "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";

const prompt = [...];
const res = await fetch("https://api.openai.com/v1/chat/completions", {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    authorization: `Bearer ${OPENAI_API_KEY}`,
  },
  body: JSON.stringify({
    model: "gpt-3.5-turbo",
    messages,
    temperature: 0.7,
    top_p: 1,
    frequency_penalty: 0,
    presence_penalty: 0,
    max_tokens: 500
  }),
});
const response = await res.json();

const result = response.choices[0].message

以下是官网给出 messages 例子

const messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Who won the world series in 2020?"},
        {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},
        {"role": "user", "content": "Where was it played?"}
    ]

• 每一个 message 由 role 和 content 组成。
• role 只能是 3 个值， system、user 和 assistant
• system 和 assistant 是可选的，user 是必须的。

官方提供了 playground 帮助我们创建 messages 信息。

assistant 也就是其中一次返回的数据信息。 发送的 messages 如下：

const messages=[
    {
        "role": "system",
        "content": "你是一名精通 typescript 的前端工程师，不需要解释"
    },
    {
        "role": "user",
        "content": "Convert the following JSON to typescript interface without explanation\n\n{\n  \"name\": \"Allen\",\n  \"age\": 18\n}"
    }
]

比如使用上面的 messages 信息，我们就可以根据它，来创建一个 Tailwind css 代码生成器。

通过右键可以直接拷贝为 Node.js fetch 代码。

再来实现一个 JSON 转 Typescript 的例子

那么我们通过以上截图的 messages，就可以创建一个 JSON 转 Typescript 生成器。

在 Next.js 使用

接下来，我们就在 Next.js 中创建一个全栈应用。

那为什么选择使用 Next.JS 呢？

1. 它是一个全栈框架，既可以写接口也可以使用 react 写前端；
2. 可以很轻松部署到 verel， 让我们可以直接访问 OPENAI 的接口，摆脱网络限制。

这里我选择使用大圣老师的email-helper模板

点击 GitHub 选择 Use this Template， 创建一个自己的仓库

这个项目很简单，在 pages 目录下 api/generate.ts 用于代理请求接口。

index.tsx 也就是我们的主界面，一个按钮，一个请求，没有其他复杂逻辑。

接下来我们就根据它来创建一个智能的Tailwind CSS 代码生成器

1、首先将 messages 改成以上截图中的 message

2、然后将需要生成的变量存到 state 中，我们就可以实现如下界面

点击生成代码就可以 让 ai 帮我们写代码了。

这个界面，有些单调，可以在这个页面上列一些常用的组件，那么也可以直接使用 chatGPT 来生成。

将 GPT 回答直接转换成 JSON 数据

将数据渲染到页面中，就可以生成快捷标签了

接下来，再将 Tailwind css 的颜色，作为我们的变量，同样使用 GPT 来生成数据

用同样的方式，转化成 JSON，拷贝到我们的代码中。

最后一步，我们需要实现一个预览效果，这样的话，就可以所见即所得，根据效果，直接拷贝想要的代码。

小结

本文介绍了 openai 的 api 使用方法，以及如何使用 openai 的 playground 生成需要的 messages 信息。并且通过一个 Next.js 实战例子，结合 ChatGPT 开发了一个 Tailwind CSS 代码生成器。

最后

贴一下文本的代码仓库和预览地址

代码仓库：github.com/maqi1520/op…

预览地址：openai.maqib.cn/

如果对你有帮助，记得给个三连，感谢你的阅读。

---

本文正在参加「金石计划」