一、chatGPT与OpenAI

ChatGPT 是 OpenAI 公司的一个技术产品，chatGPT使用了 GPT（Generative Pre-trained Transformer）技术，是一个用于对话生成的预训练语言模型，OpenAI还有很多其他模型。

(来自：chatGPT的解释)

OpenAI是一家人工智能研究公司，它开发并提供了一系列人工智能技术和产品，包括SDK开发包。

(来自：chatGPT的解释)

可以理解为：

OpenAI提供的SDK能力更加丰富，而chatGPT是使用OpenAI的GPT技术实现的一款自然语言处理模型产品。

所以要接入chatGPT的能力，还是要看OpenAI所能提供的开放接口能力如何。

二、OpenAI目前公开的几款产品

2.1 chatGPT

我们可以通过https://chat.openai.com/chat 来打开chatGPT的在线聊天界面(需要先注册，目前不支持国内注册)。

具体的chatGPT聊天的情况，这里不赘述了，chatGPT的实力目前在网络上已经被证实。

就目前个人使用的情况来看。目前在搜索知识相关的内容，用chatGPT之后，很少会再打开Baidu和Google。除非一些系统性的知识，或者极个别业务类知识搜。但是对于科普类、以及常见类知识，chatGPT的答复明显要比搜索引擎更精准，且十分清楚你意图搜索的内容是什么。

2.2 DALL·E

DALL·E 是 OpenAI 研发的一种新型的生成式预训练语言模型，它能够从文字描述中生成全新的图片。它可以生成各种各样的图片，从卡通形象到复杂的科技图像，它是一种非常先进且有趣的人工智能技术。(来自：chatGPT的解释)

我们打开网址：https://labs.openai.com/ 可以更直观的看见这款产品。

2.3 GPT-3

GPT-3(Generative Pretrained Transformer 3)：这是 OpenAI 最强大的 NLP 模型，拥有出色的语言生成能力。

（来自chatGPT的解释）

网上流传可以写出论文的就是GPT-3这款产品，chatGPT实际也是应用的GPT-3的“text-davinci-003”模型。

网址为：https://platform.openai.com/playground 右侧Model选择”text-davinci-003”。

2.4 CLIP

CLIP(Contrastive Language-Image Pretraining)：这是一种跨语言和图像的模型，可以在图像和文本间进行对比。

这里不再介绍。官方网站是 clip.openai.com 但是我没有打开。

三、基于OpenAI的Demo开发

OpenAI接口文档

https://platform.openai.com/docs/api-reference

从目前官方的接口文档来看：OpenAI的原生接口支持Python和Node.js语言，但也同时支持RESTFul的API接口形式。所以目前其他语言可以通过Http的API请求形式，来调用OpenAI的接口。

这里先以Python为例，尝试调通一个接口。

3.1 Model

在开始之前，我们需要理解的最关键的一个概念，就是OpenAI的训练模型Model。

对于我们从来没有接触过人工智能技术的人来说，始终认为人工智能开发一定是要自己训练的，但是OpenAI完全降低了人工智能的业务开发门槛，我们完全不需要神经网络、NLP、深度学习等人工智能领域工程师及算法工程师，就可以直接使用OpenAI训练好的强大模型为我们进行业务赋能。

我们可以理解为OpenAI现在已经有很多基础能力相当成熟的“AI大秘书”为我们进行服务。

他们的名字分别是：davinci(达芬奇)、curie(居里)、babbage(巴贝奇)和ada(艾达)等。

注意：任何由更快的模型（如Ada）执行的任务都可以由更强大的模型（如Curie或Davinci）执行，所以只需要记住“达芬奇最强”即可。

综上，在我们进行使用OpenAI进行业务接口开发时，应该尝试不同的场景，选择最适合的Model为我们提供分析能力。

当然，OpenAI不仅仅只有这些模型，在OpenAI的官方文档上有说明可以给开发者提供的开发能力，如下：

这五大能力，各自提供了接口让开发者进行接入和使用。其中“Fine-tuning”将是定制化的model训练接口，当然是你不希望使用OpenAI现有的”大秘书”。

全部Model模型List可见OpenAI官方文档：https://platform.openai.com/docs/models/overview

在GPT-3模型中，各个“AI大秘书”的最新版本和情况如下：

3.2 基于”text-davinci-003”的text文本处理Demo（Python）

代码很简单，如下：

1) openai的sdk

对于python来讲，安装openai环境十分的简单，如下指令即可：

pip install openai

如果你用的Golang语言或其他语言，不需要安装环境，直接调用官方的RESTFul接口即可。

2) API_KEY

这里面需要一个api_key，api_key的获取办法是，首先要注册OpenAI账号，如果您之前已经可以使用OpenAI产品，说明你已经有了账号，然后在https://platform.openai.com/account/api-keys 网页中，生成API_KEY即可。

3) propmt提示信息

prompt = "用Golang写一个API-Server,且有一个路由/tal,给客户端返回'你好TAL'的能力"

在文本Model中，就是我们的输入问题文本。

接下来，我们来执行上述的python代码，得到如下结果：

这样就已经基于“text-davinci-003”的能力得到了我们想要的答案，也证明我们Demo的调度是通过的。

四、OpenAI的基于Golang接口开发及微信GPT案例

4.1 基础结构体定义

const BASEURL = "https://api.openai.com/v1/"

// ChatGPTResponseBody 请求体
type ChatGPTResponseBody struct {
    ID      string                 `json:"id"`
    Object  string                 `json:"object"`
    Created int                    `json:"created"`
    Model   string                 `json:"model"`
    Choices []ChoiceItem           `json:"choices"`
    Usage   map[string]interface{} `json:"usage"`
}

type ChoiceItem struct {
    Text         string `json:"text"`
    Index        int    `json:"index"`
    Logprobs     int    `json:"logprobs"`
    FinishReason string `json:"finish_reason"`
}

// ChatGPTRequestBody 响应体
type ChatGPTRequestBody struct {
    Model            string  `json:"model"`
    Prompt           string  `json:"prompt"`
    MaxTokens        int     `json:"max_tokens"`
    Temperature      float32 `json:"temperature"`
    TopP             int     `json:"top_p"`
    FrequencyPenalty int     `json:"frequency_penalty"`
    PresencePenalty  int     `json:"presence_penalty"`
}

4.2 Golang的OpenAI请求RESTful接口封装

// Completions gtp文本模型回复
//curl https://api.openai.com/v1/completions
//-H "Content-Type: application/json"
//-H "Authorization: Bearer your chatGPT key"
//-d '{"model": "text-davinci-003", "prompt": "你好，Aceld", "temperature": 0, "max_tokens": 7}'
func Completions(msg string) (string, error) {
    requestBody := ChatGPTRequestBody{
        Model:            "text-davinci-003",
        Prompt:           msg,
        MaxTokens:        1024,
        Temperature:      0.7,
        TopP:             1,
        FrequencyPenalty: 0,
        PresencePenalty:  0,
    }
    requestData, err := json.Marshal(requestBody)

    if err != nil {
        return "", err
    }
    log.Printf("request gtp json string : %v", string(requestData))
    req, err := http.NewRequest("POST", BASEURL+"completions", bytes.NewBuffer(requestData))
    if err != nil {
        return "", err
    }

    apiKey := "XXXXXXXXXX申请的API_KEYXXXXXXXXXX"
    req.Header.Set("Content-Type", "application/json")
    req.Header.Set("Authorization", "Bearer "+apiKey)
    client := &http.Client{}
    response, err := client.Do(req)
    if err != nil {
        return "", err
    }
    defer response.Body.Close()
    if response.StatusCode != 200 {
        return "", errors.New(fmt.Sprintf("status code != 200, code is %d", response.StatusCode))
    }
    body, err := ioutil.ReadAll(response.Body)
    if err != nil {
        return "", err
    }

    gptResponseBody := &ChatGPTResponseBody{}
    log.Println(string(body))
    err = json.Unmarshal(body, gptResponseBody)
    if err != nil {
        return "", err
    }

    var reply string
    if len(gptResponseBody.Choices) > 0 {
        reply = gptResponseBody.Choices[0].Text
    }
    log.Printf("response text: %s \n", reply)
    return reply, nil
}

我们依然可以通过上述封装的Golang接口去请求OpenAI的Model模型，获得我们得到的结果。这里的Demo运行就不再展示。

然后，基于Golang的API能力再加上微信小程序的代理程序模块（由于涉及到微信代理作弊程序，这里代码省略），可以代理本地微信程序的消息转发，最终可以实现的效果如下：

目前也有第三方实现的Golang的GPT接口封装，项目名称为go-gpt3，开源代码在

https://github.com/sashabaranov/go-gpt3 实现基本代码如下：

package main

import (
    "context"
    "fmt"
    gogpt "github.com/sashabaranov/go-gpt3"
)

func main() {
    c := gogpt.NewClient("XXXXXXX  your API KEY XXXXXXXX")
    ctx := context.Background()

    req := gogpt.CompletionRequest{
        Model:     gogpt.GPT3Ada,
        MaxTokens: 5,
        Prompt:    "随便说说",
    }
    resp, err := c.CreateCompletion(ctx, req)
    if err != nil {
        return
    }
    fmt.Println(resp.Choices[0].Text)
}

是的，这很令人惊奇，你现在已经具备使用人工能力开发业务了，且接口竟然如此的简单。至于model的选择和参数和接口的选择，详细看OpenAI文档就可以了，本文是快速入门，这里就不再赘述了。

五、有关接入OpenAI的功能假设模型

5.1 智能ToB运营售前、售后、技术支持系统

整体思路为，应用OpenAI提供的Files大文件训练和Fine-tune自定义业务Model能力。尝试基于已有的成熟Model再叠加业务内容，进行简单的知识补充即可。

5.2 智能家庭助理

方案和上述方案类似，只不过需要将详细的操作手册换成常见的QA汇总文本。

六、方案可行性评估

注:解决方案为基于OpenAI模型的假设方案，商业模式和产品可行请问你们的产品经理。

先说下我这里的想到的几个问题，进行抛转：

1、chatGPT如果在短时间内在中国出现一个普及类的大众产品问世，所以现在普通业务企业接入可能将毫无意义，因为大家都会在那个普及的产品上去提问知识，就好比当搜索引擎刚出来的时候，我们在自己的产品植入搜索引擎能力，短期有点效果，长期是无意义的。最后大家都会到一个地方去搜索。

2、对于OpenAI能力的性能问题以及回答问题的准确性，目前还没有商业应用落地的真实数据，第一口吃螃蟹还需要谨慎一些。

3、chatGPT就国内来说，在几个月之前就已经有一小波热提峰值，但是很快就下去了，但近期突然引起大家热议，或有资本运作及推动，学习知识没错，在没有掌握充足的相关知识和应用领域客观调研下，要小心自己不要成为”韭菜”哦^_^。

4、科学很重要，科学的普及更重要，而普及才是最难的，引用AI来创造价值才是最难的。目前chatGPT只是展示了潜力，但潜力不能当饭吃，只有实力才能当饭吃。目前chatGPT还是“流行话题”占比高一些，聊这个话题会显得高级，所以才喜欢聊，但又有多少人真的懂，多少人真的了解且认真思考过，甚至又有多少人去试用一下。