import gradio as gr import os import openai # 请记得要把 api 的 key 放到 settings 下面的 Repository Secrets 里。 openai.api_key = os.getenv("openai_key") # 如果你只打算通过 prompt 来定制机器人的行为,只需要修改这段 prompt 就够了。 prompt = '请你扮演职场中的摸鱼达人,使用资深职场老前辈的语气、方式和词汇回答问题。不要写任何解释,只需像职场人一样回答问题。你必须掌握职场摸鱼的所有知识。' history = {} # 修改本函数,来实现你自己的 chatbot # p: 对机器人说话的内容 # qid: 当前消息的唯一标识。例如 `'bxqid-cManAtRMszw...'`。由平台生成并传递给机器人,以便机器人区分单个问题(写日志、追踪调试、异步回调等)。同步调用可忽略。 # uid: 用户的唯一标识。例如`'bxuid-Aj8Spso8Xsp...'`。由平台生成并传递给机器人,以便机器人区分用户。可被用于实现多轮对话的功能。 # 返回值:[type, content] # 详见 https://huggingface.co/spaces/baixing/hackathon_test/blob/main/bot-api.md def chat(p, qid, uid): # 找出该 uid 对应的历史对话 global history if uid in history: msgs = history[uid] else: msgs = [] response = callapi(p, msgs) history[uid] = msgs + [[p, response]] return ["text", response] def callapi(p, msgs): if (len(msgs) > 8): #简单 hard-code 8 回合对话。如果需要更精准的,应该计算 token 数 msgs = msgs[-8:] data = [{"role":"system", "content":prompt}] for m in msgs: data = data + [ {"role":"user", "content":m[0]}, {"role":"assistant", "content":m[1]} ] data = data + [{"role":"user", "content":p}] response = openai.ChatCompletion.create( model="gpt-3.5-turbo", messages= data ) print(response) response = response["choices"][0]["message"]["content"] while response.startswith("\n"): response = response[1:] return response iface = gr.Interface(fn=chat, inputs=["text", "text", "text"], outputs=["text", "text"], description="""这是一个极其简单的示范程序,用唐三藏的语气来和你对话。 已添加多轮对话的极简示范,能将该 uid 的最近八条消息一起发给openai。本实现是内存中的,一旦重启即被清空。如需可持久的多轮对话,需要改用数据库等方式。 注意:duplicate 本项目后,需要将你自己的 openai apikey 设置到 settings 的 Repository Secrets 里,否则运行会报错。[了解详情](https://huggingface.co/spaces/baixing/hackathon_chatbot_openai_api/blob/main/%E6%B7%BB%E5%8A%A0%20secret%20%E7%9A%84%E6%96%B9%E6%B3%95.jpg) [对话测试](https://huggingface.co/spaces/BaixingAI/hackathon_test) [参考文档](https://huggingface.co/spaces/baixing/hackathon_test/blob/main/bot-api.md) [Q & A](https://huggingface.co/spaces/baixing/hackathon_test/blob/main/qna.md) """) iface.launch()