【Rust 实战】—— 使用 Rust 实现与 ChatGPT 对话

原创 L我是小学生 Rust学习日记

0x00 开篇

近期 ChatGPT 在国内又㕛叒叕火了，但是其实我觉得这次火的莫名其妙。我为什么说“又”呢，其实 ChatGPT 在去年11月底的时候已经出现了，12月份我就看到当时很多群里的小伙伴都在聊这个事情。但是最近我咋感觉有人在炒作呢？？？听说有人靠 chatGPT 又发财了。

开头又讲多了，本篇文章呢，带大家使用 OpenAI 的 API 来实现与 ChatGPT 的对话。

0x01 找接口

代码其实非常简单，感兴趣的小伙伴可以进行二次开发。官方文档提供了 python 、nodejs的 library，第三方社区提供了C#、Go、Java 等 library，就连虚幻引擎都有库，但是就是没有 Rust 的相关library，Rust 社区的大佬们不给力啊，哈哈。

其实我自己去 Rust 的 crate.io 上搜过，发现也有几个openai相关的 library，我没有测试，大家可以试用下。

没有库，那只能是自己调用 API 去实现了。其实，我们仅仅用到了一个接口

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

主要的参数介绍：

model ：训练模型，官方有三种模型，分别是GPT-3、Codex、Content filter,这里我们仅仅选用 GPT 的模型，可以理解和生成自然语言。

而在 GPT-3 模型下又存在了不同等级的 GPT 模型，这里我们当然选择的是 GPT-3 中最强的模型 text-davinci-003。

prompt ：用于生成完成、编码为字符串、字符串数组、标记数组或标记数组数组的提示。说白了就是我们与 GPT 对话的内容。

max_token : 在结果中产生的最大数量的 token，可选参数，默认为 16。我们传递的prompt 的 token 数不能超过模型的上下文长度。大多数模型的上下文长度为 2048 个 token（text-davinci-003 模型支持4000个）。对于常见的英语文本，一个 token 通常对应 4 个字符的文本。说白了，这个是接口的花费，每 1000 个 token 等于 0.02美元，该字段影响结果的字数。

temperature：采样温度，可选参数，默认为 1，值的范围是 0-2之间闭区间([0-2])。该值越大，输出的结果则更加随机，值越小结果越准确。

0x02 代码实现

了解清楚接口的使用方法了，我们就可以开搞了。j有接口请求，异步操作需要用到 reqwest 和 tokio library。返回的结果需要 json 解析，还需要用到 serde library （不是必须）。

注：为了演示结果，并没有按照规范去处理每个错误结果，在代码中使用了大量的 unwrap，实际开发场景并不推荐。


#[tokio::main]
async fn main() {
    // 请填入自己账号的openai 的 api_key
    let api_key = "";

    // 对话内容
    let prompt = "chatgpt是什么";

    // 完成时要生成的最大 token 数
    let max_tokens = 4000;

    // 训练模型
    // 功能最强大的 GPT-3 模型。可以完成其他模型可以完成的任何任务，通常具有更高的质量、更长的输出和更好的指令遵循。还支持在文本中插入补全。
    let model = "text-davinci-003";

    let url = "https://api.openai.com/v1/completions";
    let mut headers = HeaderMap::new();
    headers.insert(CONTENT_TYPE, "application/json".parse().unwrap());
    headers.insert(AUTHORIZATION, format!("Bearer {}", api_key).parse().unwrap());

    let body = format!(r#"{{"model": "{}", "prompt": "{}", "max_tokens": {}, "temperature": 0}}"#, model, prompt, max_tokens);
    let response = reqwest::Client::builder().build().unwrap()
        .post(url)
        .headers(headers)
        .body(body)
        .send().await.unwrap()
        .json::<GPTResult>().await.unwrap();

    // dbg!(&response);

    let choices = response.choices.unwrap();
    let choice = choices.get(0).unwrap();
    println!("{:?}", choice.text.as_ref().unwrap().trim());
}

代码输出结果:

代码实现其实很简单，总共不过几十行代码。

0x03 获取自己的API KEY

简单说下如何拿到 openAI 的 apikey 吧。前提你需要一个 openAI 账号，没有的话可以想办法注册，也可以在群内艾特我，告诉你们注册的方法。

每个新账号都会赠送 18 美元，接口调用会慢慢消耗赠送的 18 美元，换算关系如下，上面我也提到了，大约每4个英文字符等于1个token，1000 个 token 大约 750 个单词。Davinci 模型 1000个 token 花费 0.02 美元。如果不调用 API 接口，只是正常使用官网的 Chat GPT 聊天，那这个是免费的。

0x04 小结

Chat-GPT 火了，它会替代人类部分的工作吗？它的应用场景有哪些呢？这些都需要我们去思考，目前在国内已经很多公司将 Chat-GPT 接入了微信公众号、小程序等等，这也算是二次开发吧。如果有朋友想更深入的了解 Chat-GPT 还可以做哪些事情，可以参考 OpenAI 的官方文档（文末附上）。

0x05 参考资料

OpenAI API官方文档：https://platform.openai.com/docs/introduction

0x06 源码

Gitee源码: 点击下方“阅读原文”免费获取本节课程源码
Github源码: 请前往公众号菜单-教程源码-Github来获取

0x07 官方社群

【公众号主页-官方社群-微信社群获取二维码加入】

继续滑动看下一个