【超详细！】Python微信公众号开发（4）- 手把手教你接入GPT

之前我们已经打通了Python微信公众号和服务器之间的数据流通路，可以添加我们自己的业务了。 如果还没有打通环境的同学，请参考我的系列文章：

本篇文章将小试牛刀，将时下爆火的OpenAI GPT大模型能力接入进来，完成公众号内与用户的自动对话。

题外话：ChatGPT与OpenAI的关系与区别 因为我注意到好多人都分不清ChatGPT和OpenAI，遂解释下：

• OpenAI是个公司，它有GPT系列大模型及对外开发的接口
• ChatGPT是个对话软件，底层是调用的OpenAI的GPT系列大模型
• 开发者想自己实现对话软件功能，是去仿照ChatGPT，需要调用OpenAI的API接口

0. OpenAI 环境

接入OpenAI，是通过调用OpenAI API的方式。在这之前，你首先需要一个OpenAI的Key。

0.1 OpenAI Key的获取

由于众所周知的原因，OpenAI是不对国内用户正式开放的。所以如果你想使用ChatGPT或调用OpenAI的接口，要么有方法到达科学的彼岸，要么使用国内代理。这一块由于平台限制不让写教程，所以请自行解决或私信。

1. 你的第一个OpenAI程序

有了key，让我们来真正开始自己的第一个OpenAI程序！ （1）确保你已经有了Python环境可用，我这里直接在之前的服务器中写代码。

（3）在项目文件夹里，创建一个名为 .env 的文件

（4）在.env文件中输入下列信息：

• 如果你是原生的OpenAI API Key，有科学上网的方法，则在.env文件中写：

  OPENAI_API_KEY="sk-xxx"   # <-------- 你的原生 OpenAI API Key
  

• 如果你是用我上面说的DevAGI平台的虚拟API Key，则在.env文件中写：

  OPENAI_API_KEY="sk-xxx"   # <-------- 你的原生 OpenAI API Key
  OPENAI_BASE_URL="https://api.fe8.cn/v1" # 注意：一个字母都不要错
  

.env文件的作用就是配置一些Key或URL或一些环境变量，在程序运行时通过 load_dotenv 加载。这样也避免了将一些重要的信息暴露在代码中。

（5）安装OpenAI相关库

pip install python-dotenv openai

注意我这里安装到的openai版本为1.6.1，openai的接口在<1.0和>1.0的版本中有很大变化。

（6）新建一个文件名为"openai_test.py"，填入以下代码：

from openai import OpenAI
# 加载 .env 到环境变量
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

client = OpenAI()

response = client.chat.completions.create(
    model="gpt-3.5-turbo-1106",
    messages=[
        {
            "role": "user",
            "content": "你是谁？"
        }
    ],
)

print(response.choices[0].message.content)

（7）运行程序，结果如下说明运行成功。

以上这段代码的意思就是调用OpenAI的接口，发送“你是谁？”，然后收到回复“我是一个AI助手，能为您提供帮助和回答您的问题。有什么我可以帮到您的吗？”

如果你遇到下面的错误：

说明你的原生OpenAI Key没有科学上网，无法链接OpenAI网络。或者你的DevAGI的.env文件中的虚拟Key和Base没有配置对。请仔细检查。

2. OpenAI接入公众号，与用户对话

上面我们的OpenAI API已经成功调用了，接下来只需要将用户的对话内容传入就可以了。

（1）将上面OpenAI的调用封装成函数

from openai import OpenAI
# 加载 .env 到环境变量
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

client = OpenAI()

###### 这里封装成函数 #######
def get_chat_completion(prompt, model = "gpt-3.5-turbo-1106"):
    messages = [{
        "role": "user",
        "content": prompt
    }]
    
    response = client.chat.completions.create(
        model = "gpt-3.5-turbo-1106",
        messages=messages
    )

    return response.choices[0].message.content

（2）在用户发送消息过来时，调用以上接口获取大模型生成结果，然后将结果封装成回复xml格式

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from flask import Flask, request, make_response
...... # 请参照之前教程
from openai_test import openai_test

...... # 请参照之前教程
    
@app.route('/wechatai', methods=['GET', 'POST'])
def wechatai():
    if request.method == 'GET':
        return verify_wechat(request)
    else:
        # 处理POST请求
        print("user request data: ", request.data)
        printXML(request.data)
        # 解析用户信息
        user_message_content, from_user_name, to_user_name = getUserMessageContentFromXML(request.data)
        print("user message content: ", user_message_content)
        
        # 调用OpenAI接口生成回复内容 # <---------- 这里接入！！！
        response_content = openai_test.get_chat_completion(user_message_content)
        print("response content: ", response_content)
        
        # 生成回复信息并返回
        return generate_response_xml(from_user_name, to_user_name, response_content)

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=80, debug=True)

（3）运行程序，测试一下，已经可以愉快的对话了

至此，我们将OpenAI大模型基础对话能力接入了微信公众号中，实现了简单的与用户对话的功能。 功能比较简单，就是用户发一句话，大模型回一句话。没有记忆能力和上下文关联能力等。但是原理已经走通了。

---

从今天开始，持续学习，开始搞事情。踩坑不易，欢迎关注我，围观我！

有任何问题，欢迎+vx：jasper_8017，我也是个小白，想与志同道合的朋友一起讨论，共同进步！