使用 Python 调教 OpenAI ，让 AI 回答的更完美

在这个快速发展的数字时代，AI人工智慧已经渐渐成为我们日常生活的一部分。而OpenAI，作为AI研究的机构之一，提供了强大的工具和LLM模型，如GPT-3.5、GPT-4，来帮助我们更好地理解和使用AI。

在本文中，将以简单明了的方式来说明如何控制OpenAI模型的一些关键设定。从生成多样回复的 n 参数，到控制回答长度的 max_tokens ，再到建立词汇黑名单的 stop 参数，以及最后的 temperature 参数，这些都是让AI生成的内容更加贴合我们需求的实用工具。让我们一起探索这个令人兴奋的AI世界。

如何用OpenAI获得多个答案？

使用参数 n 可选择多个答案。

当我们使用ChatGPT时，通常我们会得到一个答案。但如果你对这个答案不太满意怎么办？有时候，我们希望能看到不同的答案，从中选择一个最适合的。这时候你需要在答案的下方按下「重新生成」按钮，让ChatGPT重新生成一组新的回答。

ChatGPT的状况

好消息是在OpenAI，我们可以让它一次给我们好几个答案作为选择。这就是 n 这个参数的作用。通过设置 n 参数，我们可以告诉OpenAI一次生成多少个答案。比如说，设置 n = 3 就会一次得到三个不同的答案。

但要注意，这些答案都是针对同一个问题，回答的不同回答，而不是一来一回的连续对话。

如何做？

假设你使用Python语言来跟OpenAI沟通，可以这样写：

 openai<=1.0.0 时

reply = openai.ChatCompletion.create(
 model= "gpt-3.5-turbo",
 messages = [{"role": "user", "content": "今天是个晴朗的天气吧"}],
 n = 2        
)

print(reply)

for choice in reply["choices"]:
    print(choice["index"], choice["messages"]["content"])


 openai>=1.0.0 时

reply = client.chat.completions.create(
  model="gpt-3.5-turbo",
  messages=[{"role": "user", "content": "今天是个晴朗的天气吧"}],
  n=2
)

pprint(reply)

for choice in reply.choices:
    print(choice.index, choice.message.content)

这段程序会让OpenAI给我们两个不同的回答。我们透过一个for loop 回圈把这些回答一个一个显示出来。每个回答都有一个编号，从0开始。

这样你就可以看到两个不同的答案了。不过，这里必需要记得的一点是，当我们要求更多的答案时，使用的 token 数量也会增加。token 是OpenAI计算使用量的单位，所以多个答案意味着可能需要付出更多费用。

如何设定OpenAI回答的长度限制？

使用max_tokens参数，控制回复内容长度

回答的答案越长，所用到的 token 数越多，连带的费用也会越高。因此，有时候我们在使用OpenAI时不希望模型给我们太长的回答，以便于节省成本。这时，我们可以使用一个叫做 max_tokens 的设定来限制回复的长度，控制 token 的使用数量。以下用两个例子说明：

举例 1

比如说，我们只想要一个很短的回答，可以这样设定：

 openai<=1.0.0 时

reply = openai.ChatCompletion.create(
 model= "gpt-3.5-turbo",
 messages = [{"role": "user", "content": "冬天为何会下雪？"}],
 max_tokens = 10        
)

print(reply["choices"][0]["message"]["content"])
print(reply["choices"][0]["finish_reason"])
print(reply["usage"]["completion_tokens"])

 openai>=1.0.0 时

reply = client.chat.completions.create(
    model = "gpt-3.5-turbo",
    messages = [
        {"role":"user", "content": "冬天为何会下雪？"}
    ],
    max_tokens = 10
)

print(reply.choices[0].message.content)
print(reply.choices[0].finish_reason)
print(reply.usage.completion_tokens)

这样设定后，OpenAI只会回答一个很短的句子，大概10个词（tokens）左右。显然，这个回答不可能完整，因为 max_tokens 限制了它的长度。我们可以看到 finish_reason 的结果为length，就可以得知，这次的回答是因为长度受到限制而停止，回答并不完整。

举例 2

还有，我们必须注意不要设定一个太大的 max_tokens 值。例如，gpt-3.5-turbo模型最多能处理4097个 token 。如果设定的 max_tokens 太大，超过这个范围，API就会出现错误，因为它超出了模型的处理能力。

 openai<=1.0.0 时

reply = openai.ChatCompletion.create(
 model= "gpt-3.5-turbo",
 messages = [{"role": "user", "content": "冬天为何会下雪？"}],
 max_tokens = 4090        
)

print(reply["choices"][0]["message"]["content"])
print(reply["choices"][0]["finish_reason"])
print(reply["usage"]["completion_tokens"])

 openai>=1.0.0 时

reply = client.chat.completions.create(
    model = "gpt-3.5-turbo",
    messages = [
        {"role":"user", "content": "冬天为何会下雪？"}
    ],
    max_tokens = 4090
)

print(reply.choices[0].message.content)
print(reply.choices[0].finish_reason)
print(reply.usage.completion_tokens)

执行这个例子，会产生如下的结果。告诉我们这个模型最多只能处理4097个 token ，但是我们却设定了超过这个限制的 token 数（ This model’s maximum context length is 4097 tokens. However, you requested 4110 tokens (20 in the messages, 4090 in the completion）

总体来说， max_tokens 是一个很有用的设定，可以帮我们控制回答的长度，进而控制用量与成本。反之，由于它的默认值为无限大，若没有特别设定 max_tokens 的话，就没有任何限制。因此要记得，设定得太高或太低都可能会影响回答的质量。

如何设定OpenAI模型回答的禁用语？

stop参数，可建立词汇黑名单

当我们使用OpenAI的时候，可能会担心它的回答中出现一些我们不想要的词汇。那么，我们怎么才能避免这种情况呢？这时候，OpenAI提供我们一个叫做 stop 的参数来设定黑名单。

stop 参数可以让我们指定一些不想让AI使用的词汇。默认情况下，这个 list列表是空的，这也就意味着没有任何词汇被禁止。

我们最多可以在这个列表中设定四个词汇。一旦AI在回答中遇到这些词汇时，就会立刻停止回答，并返回目前的结果。以下举例说明：

举例

假如我们不希望回答中出现「好」这个字词，我们可以透过下面方式设定：

 openai<=1.0.0 时

reply = openai.ChatCompletion.create(
 model= "gpt-3.5-turbo",
 messages = [{"role": "user", "content": "我很好，您好吗？"}],
 stop = ["好"]        
)

print(reply["choices"][0]["message"]["content"])
print(reply["choices"][0]["finish_reason"])



 openai>=1.0.0 时

reply = client.chat.completions.create(
  model="gpt-3.5-turbo",
  messages=[{"role": "user", "content": "我很好，您好吗？"}],
  stop=['好']
)

print(reply.choices[0].message.content)
print(reply.choices[0].finish_reason)

我们将stop参数设定为「好」（ stop = [“好”] ）。这样一来，如果AI的回答中包含了「好」这个字词，它就会立即停止回答。这个功能对于控制AI回答的内容非常有用，可以确保不会出现不适当或不想看到的词汇。

如何通过「温度」设定让OpenAI回答更有趣

temperature参数，可增加回答的多样性

「temperature」这个参数就像是调节OpenAI回答的「温度」设定器。当我们讲温度时，高温通常意味著更多活力和热情，而低温则意味著冷静和稳定。这个概念也适用于OpenAI的设定。通过调整 temperature ，我们可以控制AI回答的随机性和创造性。这个参数的范围从0到2，数值越高，回答就越多变和有趣；数值越低，回答就越稳定和可预测。

设定为最低值：0

当我们把 temperature 设为0时：

reply = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=[{"role": "user", "content": "嗨！我很好，您好吗？"}],
temperature=0,
n=2
)
for choice in reply.choices:
 print(choice.index, choice.message.content)

这样设定后，如下图所示：

AI产生的回答会非常稳定和一致，几乎没有太多变化。

设定为最高值：2

反之，如果将 temperature 设为2：

reply = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=[{"role": "user", "content": "嗨！我很好，您好吗？"}],
temperature=2,
n=2
)
for choice in reply.choices:
 print(choice.index, choice.message.content)

在这个设定下，AI产生的回答会非常活泼和多变，有时甚至可能显得有点奇怪或不相关（如下图显示）。而且，这可能会导致AI需要更长的时间来生成回答。

实际上， temperature 的默认值是1。在这个设定下的回答既不会太僵硬，也不会太过活跃，是一个较为均衡的选择。因此，如果你不确定从哪里开始，可以先尝试设定 temperature 为1开始测试。

结语

透过本文的介绍，我们一起探索了如何控制OpenAI模型的几个重要设定。从设定生成回复数量的 n 参数，到控制回答长度的 max_tokens ，再到建立词汇黑名单的 stop 参数，以及调节回答风格的 temperature ，这些都是使我们能够更有效地利用AI技术的强大工具。这些设定，让我们可以调整与控制AI的回答，使之更贴合我们的需求和预期，无论是在节省成本、避免不适当内容，还是创造更有趣和多样的回答上都大有裨益。

希望这篇文章能够帮助您对OpenAI的功能有了更深入的理解，无论目前的您是AI领域的初学者还是已经有一定经验的使用者。在这个不断变化的AI领域，保持学习和实验的心是非常重要的。随著技术的进步，你我将会看到更多令人叹为观止的可能性。期待AI在未来的发展，并积极参与其中，共同塑造一个更智能、更有效的未来。