[A-00081]PythonでChatGPTを利用する

pythonでopen(chat-gpt)を利用する方法を記載しておく。

まずはライブラリのインストールを行う。

仮想環境に入った状態でpipでインストールする。

MacBook-Pro:test1_project$. .venv/bin/activate
(.venv) MacBook-Pro:test1_project$ pip install openaia

これでopneaiのAPIを利用する準備は完了。

次にchat-gptと交信するためのプログラムを作成するがその前に本家サイトにてAPIキーを取得する必要がある。

https://openai.com/blog/chatgpt

上記サイトでログイン後、下記の画面になる。

次に画面右上にある自分のログインアイコンをクリックして[View APIKEY]を押下する。

押下すると下記のようにAPIキーを生成できる画面に遷移するので赤枠のボタンを押下する。

下記を右のボタンでコピーして[Done]を押して終了。もしコピーし忘れても先ほどの画面で作成したAPIキーが表示されるのでそれをコピーすればOK

次にPayment Informationを入力します。

こちらは個人情報が含まれる為、割愛しますがクレジットカードを登録すれば問題ありません。

左の赤枠[Billing]をクリックすると画面中央の赤枠にボタンが表示されます。支払い情報を登録済みであれば下記のキャプチャのとおりに表示されます。

・テキストベースの回答を受け取る

上記で取得したAPIキーをプログラムに埋め込めばchat-gptから応答を受けられます。

サンプルプログラムは下記です。

<api-key-token>に先ほど発行したトークンを入力してください。

# gpttest.py
import openai


def main():
    openai.api_key = "<api-key-token>"
    chat_completion = openai.Completion.create(
        engine="text-davinci-003",
        prompt="Who are you?",
        max_tokens=1024,
        n=1,
        stop=None,
        temperature=0.5,
    )
    response = chat_completion.choices[0].text
    print(response)
    
      
if __name__ == "__main__":
    main()

(.venv)MacBook-Pro:test1_project$ python3 gpttest.py 


I'm a person who is interested in learning and exploring new things.

・対話ベースの回答を受け取る

先ほどはtextによるレスポンスを受け取るものでした。

次はchat-gpt-3.5を利用して対話ベースの交信を行うプログラムです。

import openai


def main():
    openai.api_key = "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"
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[
            {"role": "user", "content": "おすすめのPythonライブラリを教えてください。"}
            ]
    )
    
    print(response["choices"][0]["message"]["content"])

  
if __name__ == "__main__":
    main()

実行後、しばらくすると下記のような回答が返ってきます。

(.venv)MacBook-Pro:test1_project$ python3 chattest.py 
Pythonには非常に多くのライブラリが存在しますが、以下は特に人気でおすすめのライブラリです。

1. NumPy: 数値計算や科学技術計算を行うための基礎的な機能を提供するライブラリです。

2. Pandas: データ解析やデータ操作を行うための高性能で使いやすいデータ構造とデータ分析ツールを提供するライブラリです。

3. Matplotlib: グラフ描画やデータ可視化を行うための機能を提供するライブラリです。

4. TensorFlow: 機械学習やディープラーニングのためのオープンソースライブラリで、ニューラルネットワークモデルを構築するための高レベルのAPIを提供します。

5. Scikit-learn: 機械学習のためのさまざまなアルゴリズムやツールを提供するライブラリで、分類、回帰、クラスタリングなどの問題を解くための関数やクラスが含まれています。

6. BeautifulSoup: ウェブスクレイピングやHTML/XMLデータの解析に使用するためのライブラリで、HTML解析のための機能やパーサーを提供します。

7. Flask: 軽量なWebアプリケーションフレームワークで、Pythonで簡単にWebサーバーやAPIを構築するための機能を提供します。

これらのライブラリはPythonの生産性を向上させるのに役立つため、初心者から上級者まで幅広いユーザーにおすすめです。ただし、具体的な使用目的やニーズに応じてライブラリの選択は異なる場合があります。