目录
Introduce 简介
setting 设置
Prompt 提示
Sample response 回复样本
API request 接口请求
python接口请求示例
node.js接口请求示例
curl命令示例
json格式示例
其它资料下载
ChatGPT是目前最先进的AI聊天机器人，它能够理解图片和文字，生成流畅和有趣的回答。如果你想跟上AI时代的潮流，你一定要学会使用ChatGPT。如果你想了解OpenAI最新发布的GPT-4模型，以及它如何为ChatGPT聊天机器人带来更强大的功能，那么你一定不要错过OpenAI官网推荐的48种最佳应用场景，不管你是资深开发者、初学者，你都能够从0到1快速入门，并掌握他们。
在这个AI大时代，如果不想被人颠覆，就要先颠覆别人。如果你颠覆不了别人，那你就努力运用ChatGPT提高你的技术水平和创造力。
ChatGPT可以对python代码进行解释，这意味着ChatGPT可以根据python代码的语法和语义，为每一行或每一段代码添加相应的自然语言解释，帮助用户理解和学习python代码。这样，ChatGPT可以提高用户的python编程能力和兴趣，以及用户的编程思维和逻辑。
Introduce 简介
Python to natural language
Python到自然语言
Explain a piece of Python code in human understandable language.
用人类可以理解的语言解释一段Python代码。
setting 设置
Engine：code-davinci-002
Max tokens：64
Temperature：0
Top p：1.0
Frequency penalty：0.0
Presence penalty：0.0
Stop sequence：#
说明：
0、
Engine设置定义了你要使用的模型，例如 text-davinci-003 是一个文本生成模型。这种模型可以根据输入的文本，生成新的、相关的文本。code-davinci-002是一个代码生成模型，特别擅长将自然语言翻译成代码,除了完成代码生成外，还支持在代码中进行代码补全。1、
Max tokens是指在请求中最多允许返回的 token 数目，比如你可以指定 chatGPT 返回最多 64个 token。这可以帮助你控制输出的内容大小，以便更好地控制响应速度和结果。一般1个token约4个字符或者0.75个单词2、
Temperature是一个参数，用于控制 chatGPT 的输出。它决定了 chatGPT 在生成文本时会多么“随意”。值越高，chatGPT 生成的文本就越不可预测；值越低，chatGPT 生成的文本就越可预测。它在0.0到2.0之间，Temperature设置为0意味着ChatGPT将会生成更加保守的回复，即更少的随机性和更多的准确性，这可以帮助你在聊天中更好地控制语义，并且可以防止ChatGPT产生不相关的内容。通常建议更改此值或Top P，但不要同时更改这两个值。3、
Top p是随温度采样的替代方案，称为核采样，其中模型考虑具有top_p概率质量的标记的结果。因此0.1意味着仅考虑包括前10%概率质量的记号。通常建议更改此值或temperature，但不要同时更改这两个值。4、
Frequency penalty是指在训练时，模型会根据词频来调整每个单词的重要性。它可以帮助模型更好地理解文本，并减少过拟合。介于-2.0和2.0之间的数字。正值会根据新标记在文本中的现有频率惩罚新标记，从而降低模型逐字重复同一行的可能性。Frequency penalty设置为0意味着模型不会对重复的词进行惩罚。它可以帮助模型生成更多的新词，而不是重复使用已有的词。5、
Presence penalty是指在ChatGPT中，一些预先定义的条件或者状态可能会影响机器人回答的质量，介于-2.0和2.0之间的数字。正值会根据新标记到目前为止是否出现在文本中来惩罚它们，从而增加模型谈论新主题的可能性。如果将 Presence penalty 设置为 0，则表示不会有任何惩罚。6、
Stop sequence是一种设置，通过它可以确定你的聊天会话的结束标志。当你在 ChatGPT中设置 Stop sequence为 \n 时，表示你的聊天会话结束标志是换行符（\n）。当你在 ChatGPT中设置 Stop sequence为 # 时，表示你的聊天会话结束标志是（#）。
Prompt 提示
# Python 3
def remove_common_prefix(x, prefix, ws_prefix):
x["completion"] = x["completion"].str[len(prefix) :]
if ws_prefix:
# keep the single whitespace as prefix
x["completion"] = " " + x["completion"]
return x
# Explanation of what the code does
#
Sample response 回复样本
The code above is a function that takes a dataframe and a prefix as input and returns a dataframe with the prefix removed from the completion column.
上面的代码是一个函数，它接受一个数据帧和一个前缀作为输入，并返回一个从完成列中删除了前缀的数据帧。
API request 接口请求
python接口请求示例
import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")
response = openai.Completion.create(
model="code-davinci-002",
prompt="# Python 3 \ndef remove_common_prefix(x, prefix, ws_prefix): \n x[\"completion\"] = x[\"completion\"].str[len(prefix) :] \n if ws_prefix: \n # keep the single whitespace as prefix \n x[\"completion\"] = \" \" + x[\"completion\"] \nreturn x \n\n# Explanation of what the code does\n\n#",
temperature=0,
max_tokens=64,
top_p=1.0,
frequency_penalty=0.0,
presence_penalty=0.0
)
node.js接口请求示例
const { Configuration, OpenAIApi } = require("openai");
const configuration = new Configuration({
apiKey: process.env.OPENAI_API_KEY,
});
const openai = new OpenAIApi(configuration);
const response = await openai.createCompletion({
model: "code-davinci-002",
prompt: "# Python 3 \ndef remove_common_prefix(x, prefix, ws_prefix): \n x[\"completion\"] = x[\"completion\"].str[len(prefix) :] \n if ws_prefix: \n # keep the single whitespace as prefix \n x[\"completion\"] = \" \" + x[\"completion\"] \nreturn x \n\n# Explanation of what the code does\n\n#",
temperature: 0,
max_tokens: 64,
top_p: 1.0,
frequency_penalty: 0.0,
presence_penalty: 0.0,
});
curl命令示例
curl https://api.openai.com/v1/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-d '{
"model": "code-davinci-002",
"prompt": "# Python 3 \ndef remove_common_prefix(x, prefix, ws_prefix): \n x[\"completion\"] = x[\"completion\"].str[len(prefix) :] \n if ws_prefix: \n # keep the single whitespace as prefix \n x[\"completion\"] = \" \" + x[\"completion\"] \nreturn x \n\n# Explanation of what the code does\n\n#",
"temperature": 0,
"max_tokens": 64,
"top_p": 1.0,
"frequency_penalty": 0.0,
"presence_penalty": 0.0
}'
json格式示例
{
"model": "code-davinci-002",
"prompt": "# Python 3 \ndef remove_common_prefix(x, prefix, ws_prefix): \n x[\"completion\"] = x[\"completion\"].str[len(prefix) :] \n if ws_prefix: \n # keep the single whitespace as prefix \n x[\"completion\"] = \" \" + x[\"completion\"] \nreturn x \n\n# Explanation of what the code does\n\n#",
"temperature": 0,
"max_tokens": 64,
"top_p": 1.0,
"frequency_penalty": 0.0,
"presence_penalty": 0.0
}
其它资料下载
如果大家想继续了解人工智能相关学习路线和知识体系，欢迎大家翻阅我的另外一篇博客《重磅 | 完备的人工智能AI 学习——基础知识学习路线，所有资料免关注免套路直接网盘下载》
这篇博客参考了Github知名开源平台，AI技术平台以及相关领域专家：Datawhale，ApacheCN，AI有道和黄海广博士等约有近100G相关资料，希望能帮助到所有小伙伴们。
