1. 概述
在这个教程中,我们将学习如何在Spring Boot应用中调用OpenAI的ChatGPT API。我们将创建一个Spring Boot应用,用于根据提示调用OpenAI ChatGPT API生成响应。
2. OpenAI ChatGPT API
2.1. API参数与认证
在开始教程之前,让我们了解一下本教程中将使用的OpenAI ChatGPT API。我们将使用聊天完成API 来生成对提示的响应。
- 模型 - 这是发送请求的目标模型版本。有多个模型可供选择,如gpt-3.5-turbo。我们将使用公开可用的最新版本。
- 消息 - 消息是对模型的提示。每个消息需要两个字段:
role
和content
。role
字段指定了消息的发送者,请求时为“user”,响应时为“assistant”。content
字段是实际的消息内容。
为了与API进行身份验证,我们需要生成一个OpenAI API密钥。在调用API时,我们将设置此密钥到Authorization
头。
示例的cURL格式请求如下:
$ curl https://api.openai.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-d '{
"model": "gpt-3.5-turbo",
"messages": [{"role": "user", "content": "Hello!"}]
}'
此外,API还接受一些可选参数以调整响应:
-
n
- 如果希望生成更多响应,可以指定。默认值为1。 -
temperature
- 控制响应的随机性。默认值为1(最随机)。 -
max_tokens
- 用于限制响应的最大令牌数。默认值为无穷大,表示响应将尽可能长。通常,设置一个合理的值可避免生成过长的响应并节省费用。
2.2. API响应
API响应将是一个JSON对象,包含一些元数据和一个choices
字段。choices
字段将是一个对象数组,每个对象都有一个text
字段,包含对提示的响应。
choices
数组中的对象数量将等于请求中的可选n
参数。如果没有指定n
,choices
数组将只包含一个对象。
下面是一个示例响应:
{
"id": "chatcmpl-123",
"object": "chat.completion",
"created": 1677652288,
"choices": [{
"index": 0,
"message": {
"role": "assistant",
"content": "\n\nHello there, how may I assist you today?"
},
"finish_reason": "stop"
}],
"usage": {
"prompt_tokens": 9,
"completion_tokens": 12,
"total_tokens": 21
}
}
响应中的usage
字段将包含提示和响应中使用的令牌数,用于计算API调用的成本。
3. 代码示例
我们将创建一个Spring Boot应用,使用OpenAI ChatGPT API。为此,我们将创建一个处理HTTP请求的Spring Boot REST API,接收提示作为请求参数,将其传递给OpenAI ChatGPT API,并将响应作为响应体返回。
3.1. 依赖项
首先,创建一个Spring Boot项目,需要spring-boot-starter-web
依赖:
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
3.2. DTOs
接下来,创建对应OpenAI ChatGPT API请求参数的DTO:
public class ChatRequest {
private String model;
private List<Message> messages;
private int n;
private double temperature;
public ChatRequest(String model, String prompt) {
this.model = model;
this.messages = new ArrayList<>();
this.messages.add(new Message("user", prompt));
}
// getters and setters
}
同样,定义Message
类:
public class Message {
private String role;
private String content;
// constructor, getters and setters
}
为响应创建另一个DTO:
public class ChatResponse {
private List<Choice> choices;
// constructors, getters and setters
public static class Choice {
private int index;
private Message message;
// constructors, getters and setters
}
}
3.3. 控制器
接下来,创建一个控制器,接受提示作为请求参数,并将响应作为响应体返回:
@RestController
public class ChatController {
@Qualifier("openaiRestTemplate")
@Autowired
private RestTemplate restTemplate;
@Value("${openai.model}")
private String model;
@Value("${openai.api.url}")
private String apiUrl;
@GetMapping("/chat")
public String chat(@RequestParam String prompt) {
// create a request
ChatRequest request = new ChatRequest(model, prompt);
// call the API
ChatResponse response = restTemplate.postForObject(apiUrl, request, ChatResponse.class);
if (response == null || response.getChoices() == null || response.getChoices().isEmpty()) {
return "No response";
}
// return the first response
return response.getChoices().get(0).getMessage().getContent();
}
}
代码关键部分:
- 使用
@Qualifier
注解注入一个RestTemplate
bean,我们将在下一节中创建。 - 使用
RestTemplate
bean,通过postForObject()
方法调用OpenAI ChatGPT API,该方法接受URL、请求对象和响应类作为参数。 - 最后,读取响应的
choices
列表并返回第一条回复。
3.4. RestTemplate
接下来,定义一个自定义RestTemplate
bean,它将使用OpenAI API密钥进行身份验证:
@Configuration
public class OpenAIRestTemplateConfig {
@Value("${openai.api.key}")
private String openaiApiKey;
@Bean
@Qualifier("openaiRestTemplate")
public RestTemplate openaiRestTemplate() {
RestTemplate restTemplate = new RestTemplate();
restTemplate.getInterceptors().add((request, body, execution) -> {
request.getHeaders().add("Authorization", "Bearer " + openaiApiKey);
return execution.execute(request, body);
});
return restTemplate;
}
}
在这里,我们在基础RestTemplate
上添加了一个拦截器,并添加了Authorization
头。
3.5. 配置
最后,在application.properties
文件中提供API的配置:
openai.model=gpt-3.5-turbo
openai.api.url=https://api.openai.com/v1/chat/completions
openai.api.key=your-api-key
4. 运行应用
现在我们可以运行应用并在浏览器中测试它:
如图所示,应用根据提示生成了响应。请注意,由于模型生成,响应可能会有所不同。
5. 总结
在这篇教程中,我们探索了如何使用OpenAI ChatGPT API生成对提示的响应。我们创建了一个Spring Boot应用,该应用调用API来生成对提示的响应。
本教程的代码示例可在GitHub上找到。