效果图
详细内容和使用说明可以查看我的个人网站文章 把ChatGPT接入我的个人网站
献给有外网服务器的小伙伴
如果你本人已经有一台外网的服务器，并且页拥有一个OpenAI API Key，那么下面就可以参照我的教程来搭建一个自己的ChatGPT。
需要的环境
- Centos7（其他服务器也行）
- nodejs
这里主要用到了node环境，所有的代码也是由JavaScript编写
安装依赖库
首先需要安装OpenAI提供的js库——openai，使用npm安装即可
npm install openai
然后再安装一个用于后面管理js后台运行的库——forever
npm install forever
编写代码
const WebSocket = require('ws')
const {Configuration, OpenAIApi} = require('openai')
const wss = new WebSocket.Server({port:8080})
const config = new Configuration({apiKey: 'OPENAI_API_KEY'}); //这里的OPENAI_API_KEY是你自己的key
const openai = new OpenAIApi(config);
const welcomeStr = "Hello，我是胡海龙，这是我基于OpenAI搭建的类似ChatWindow，你可以像使用ChatGPT一样来使用它，如何搭建以及源码可以联系我：hhlworkspace@qq.com";
wss.on('connection', ws=>{
ws.on('message', async (message)=>{
if(message =='[$check$]'){
ws.send('[$alive$]')
}else{
const completion = await openai.createCompletion({
model: 'text-davinci-003',
prompt: ''+message,
max_tokens: 2048,
stream: true,
user: 'huhailong1121'
},{responseType: 'stream'});
completion.data.on("data",(data)=>{
const lines = data
?.toString()
?.split("\n")
.filter((line) => line.trim() !== "");
for (const line of lines) {
const message = line.replace(/^data: /, "");
if (message === "[DONE]") {
break; // Stream finished
}
try {
const parsed = JSON.parse(message);
ws.send(parsed.choices[0].text)
} catch (error) {
console.error("Could not JSON parse stream message", message, error);
}
}
})
}
})
})
上面的代码含义：开启一个Websocket服务，然后接收到用户发送的消息后，使用openai库发起请求，然后把返回的数据推给前端用户，前端用户接收的时候用解析markdown的组件接收就可以。下面主要说一下请求openai的部分
const {Configuration, OpenAIApi} = require('openai')
const config = new Configuration({apiKey: 'OPENAI_API_KEY'});
const openai = new OpenAIApi(config);
const completion = await openai.createCompletion({
model: 'text-davinci-003',
prompt: ''+message,
max_tokens: 2048,
stream: true,
user: 'huhailong1121'
},{responseType: 'stream'});
completion.data.on("data",(data)=>{
const lines = data
?.toString()
?.split("\n")
.filter((line) => line.trim() !== "");
for (const line of lines) {
const message = line.replace(/^data: /, "");
if (message === "[DONE]") {
break; // Stream finished
}
try {
const parsed = JSON.parse(message);
ws.send(parsed.choices[0].text)
} catch (error) {
console.error("Could not JSON parse stream message", message, error);
}
}
})
首先是引入openai库中的 Configuration, OpenAIApi，然后配置apiKey，配置好以后创建请求——openai.createCompletion，注意，这里要使用同步去处理以下，参数的含义：
- model：使用的模型，目前新的模型是text-davinci-003
- prompt：用户的提问和需求
- max_tokens：这个参数决定了能一次返回多少长度的结果，如果不是用stream的话这个设置的小可能会导致结果被截断
- stream：是否使用流方式返回结果，我这里使用了流方式返回结果，因为这样可以给用户更全的数据，不会截断，而且不会造成长时间阻塞，可以实时的动态的生成结果，给用户的体验更好
- user：用户标识，这个不设置也可以，还有其他更多的参数可以参考网上的资料
使用流后需要对data进行监听，监听中将返回的流先转为字符串，然后通过换行截取，去掉头部的data字符串后剩余的可以转为一个json对象，其中choices数组里面的text就是我们要的结果，所以将它发送给用户即可。
前端代码相对简单，就是单纯的websocket接收数据，然后渲染，只是样式上需要设计和调整，如果有需要前端代码的小伙伴也可以联系我，无偿分享，联系方式见文章上半部分。
