介绍

Node.js

Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行时环境，它使得在服务器端运行 JavaScript 成为可能。由于其非阻塞式 I/O 和事件驱动的特性，Node.js 能够高效地处理大量并发连接，适用于构建高性能、可扩展的网络应用程序。Node.js 也具有丰富的生态系统，提供了大量的模块和工具，方便开发者快速构建各种类型的应用。

想象一下，你正在用 JavaScript 编写网页的前端代码，让网页看起来漂亮并且与用户互动。那么，Node.js 就像是 JavaScript 的超级英雄，它让你可以在服务器上运行 JavaScript 代码，从而创建强大的、高性能的网络应用程序。Node.js 让开发者可以用同一种语言（JavaScript）来编写前端和后端的代码，这样就更方便了！

OpenAI

OpenAI 是一个人工智能研究实验室，致力于推动人工智能的发展，并将其带给全球。他们开发了一系列强大的人工智能模型和工具，包括语言模型、自然语言处理工具等。其中，GPT（Generative Pre-trained Transformer）系列模型是 OpenAI 最著名的成果之一，它们能够生成高质量的自然语言文本，用于各种应用领域，如自动摘要、语言翻译、对话生成等。

OpenAI 就像是人工智能的魔法工坊，他们研发了各种神奇的 AI 工具，比如能够聊天、写作、理解语言的 AI 模型。其中最有名的就是 GPT（Generative Pre-trained Transformer）系列模型，它们可以像人一样写文章、回答问题，甚至进行对话！

情感分析的重要性

情感分析是一种自然语言处理技术，旨在识别和理解文本中所表达的情绪和情感。在现代应用中，情感分析具有重要的作用，市场营销、社交媒体分析、客户服务、舆情监控等方面

通过结合 Node.js 和 OpenAI，我们可以构建出一个“能懂人心”的系统，帮助我们更好地理解和应对现实世界中的各种情感和需求。接下来，我们将探讨如何利用这些技术来实现情感分析功能，并展示它们在我们日常生活中的实际应用。

准备工作

1. 安装 Node.js

Node.js 是一个基于 JavaScript 的运行时环境，用于在服务器端运行 JavaScript 代码。要安装 Node.js，可以按照以下步骤进行：

• 访问 Node.js 官方网站：nodejs.org/
• 下载适用于你操作系统的 Node.js 安装包，并按照提示进行安装。
• 安装完成后，你可以在命令行终端中运行 node -v 命令来验证 Node.js 是否成功安装。如果成功安装，将显示安装的 Node.js 版本号。

2. 初始化项目

在开始之前，我们需要初始化一个 Node.js 项目。

• 在命令行终端中，使用 npm init -y 命令快速生成一个默认的 package.json 文件，用于管理项目的依赖和元数据。

3. 安装 OpenAI 包

OpenAI 提供了一个 Node.js 包，用于与他们的 API 进行交互。你可以按照以下步骤安装 OpenAI 包：

• 在命令行终端中，使用 npm 命令安装 OpenAI 包：npm install openai

4. 获取 OpenAI API 密钥

要使用 OpenAI 的服务，你需要一个 API 密钥。你可以在 OpenAI 的官方网站注册并获取 API 密钥。 可以按照以下步骤创建并设置 OpenAI API 密钥：

• 访问 OpenAI 的官方网站，并创建一个账户：openai.com/
• 登录你的 OpenAI 账户，在账户设置中找到 API 密钥。
• 复制你的 API 密钥，并妥善保存。

5. 创建 .env 文件

为了保护你的 OpenAI API 密钥和其他敏感信息，我们将它们存储在一个名为 .env 的文件中。.env 文件是一个用来存储环境变量和敏感信息的文件，在项目中非常常见。

• 在你的项目根目录下，创建一个名为 .env 的文件。
• 在 .env 文件中，添加以下内容，并将你的 API 密钥替换为实际的密钥：

   OPENAI_API_KEY=your-api-key-here

代码实现

1. 引入本地 openai 模块 和 设置系统环境变量

require('dotenv').config();
const OpenAI = require('openai');

这两行代码首先引入了 dotenv 模块，用于读取 .env 文件中的环境变量。然后引入了 openai 模块，这个模块是用来与 OpenAI API 进行交互的。通过调用 config() 方法，我们加载了 .env 文件中定义的环境变量。

2. 实例化 OpenAI 客户端

const client = new OpenAI({
    apiKey: process.env.OPENAI_API_KEY,
    baseURL: 'https://api.chatanywhere.tech/v1'
});

在这段代码中，我们使用 new 关键字实例化了一个 OpenAI 客户端。我们传入了一个包含 API 密钥和基础 URL 的对象作为参数。API 密钥是从环境变量中获取的，这样就可以保护敏感信息，并且使用了特定的基础 URL。

3. 定义异步函数 main() 来执行任务

async function main() {
    // ... 代码
}

在这里，我们定义了一个名为 main 的异步函数，它将用于执行我们的任务。这样做是为了确保我们的代码在异步操作完成后执行，以便获取结果。

4. 为 AI 提供实例，分析

let prompt = `
        判断一下用户的评论情感是正面的还是负面的：
        评论：买的银色版真的好看，一天就到了，晚上就开始拿起来玩系统很丝滑流畅，做工精细、
        扎实，手感细腻，很精致，华为一如既往的好品质。
        情感：正面
        评论：随意降价，不予保价，服务态度差
        情感：负面
    `

    let myPrompt = `
        ${prompt}
        评论：实话说，iPhone越来越没有创新了，你买我不推荐，散了
        情感：
    `

5. 发送评论并获取情感分析结果

const chatCompletion = await client.chat.completions.create({
    messages: [{ role: 'user', content: myPrompt }],
    model: 'gpt-3.5-turbo',
});

在这一部分，我们调用了 OpenAI 客户端的 chat.completions.create 方法，这个方法用于发送聊天消息并获取 AI 生成的回复。我们传入了一个包含用户消息内容的对象数组作为参数，并指定了使用的模型。使用 await 关键字确保在获取完整个聊天结果后才继续执行后续代码。

6. 输出情感分析结果

console.log(chatCompletion.choices[0]);

最后，我们将通过 console.log() 方法输出情感分析的结果。这个结果是从 OpenAI 返回的聊天消息中提取的，其中包含了对用户评论的情感判断结果。

代码整合：

// 引入本地（node_modules） openai 模块 依赖node-fetch等
// package.json 项目描述文件，里面定义了项目名称、版本号、作者等信息。dependencies
// 类 require 关键字
// 系统环境变量
// 进程的环境变量
require('dotenv').config();
const OpenAI = require('openai');
// 实例化OpenAI
const client = new OpenAI({
    // key
    api_Key: process.env.OPENAI_API_KEY,
    // proxy 代理
    baseURL: 'https://api.chatanywhere.tech/v1'
});
async function main() {
    // 根据用户发表的评论，正面/负面
    let prompt = `
        判断一下用户的评论情感是正面的还是负面的：
        评论：买的银色版真的好看，一天就到了，晚上就开始拿起来玩系统很丝滑流畅，做工精细、
        扎实，手感细腻，很精致，华为一如既往的好品质。
        情感：正面
        评论：随意降价，不予保价，服务态度差
        情感：负面
    `
    let myPrompt = `
        ${prompt}
        评论：实话说，iPhone越来越没有创新了，你买我不推荐，散了
        情感：
    `
    // client openai实例
    // chat 是以聊天的方式
    // completions AIGC open 生成正面或者负面，LLM 大模型来完成
    // AI 自然语言处理 GC 生成内容
    const chatCompletion = await client.chat.completions.create({
        // 聊天的上下文
        messages: [{ role: 'user', content: myPrompt }],
        // 模型
        // gpt-3.5-turbo-0301
        model: 'gpt-3.5-turbo',
        // n: 1
    })
    console.log(chatCompletion.choices[0]);
}
main();

整个代码完成了与 OpenAI 进行交互，并使用其提供的模型来进行情感分析任务。

总结

以上便是Node.js 和 OpenAI 实现情感分析的过程。通过配置环境变量和 API 密钥，我们能够与 OpenAI 进行交互，并使用其提供的模型来执行情感分析任务。我们详细介绍了代码实现的步骤，包括环境配置、代码编写以及功能扩展的可能性。情感分析在市场营销、客户服务、社交媒体监控等领域具有广泛的应用价值，通过本文所述的方法，开发人员可以轻松地利用现有工具来处理自然语言数据，并更好地理解用户情感。

如果你觉得有学到东西，希望点赞收藏。