Cara Menggunakan API ChatGPT untuk Interaksi Langsung Dari Colab atau Databricks – Menuju AI

Cara Menggunakan API ChatGPT untuk Interaksi Langsung Dari Colab atau Databricks – Menuju AI

Pengarang: Jonas Dieckmann

Awalnya diterbitkan di Menuju AI.

Pernahkah Anda bertanya-tanya bagaimana Anda dapat menggunakan API OpenAI untuk berinteraksi langsung dengan algoritme GPT? Mudah, gratis, dan juga lebih bertenaga daripada antarmuka web “klasik” di www.openai.com. Dalam tutorial berikut, saya akan memandu Anda melalui beberapa langkah sederhana yang memungkinkan Anda menggunakan GPT untuk membuat teks, membuat gambar, atau men-debug kode Anda!

Gambar oleh Unsplash

Seiring meningkatnya penggunaan ChatGPT dan solusi pemrosesan bahasa alami (NLP) lainnya, jumlah alat dan platform yang memungkinkan pengguna untuk berinteraksi dengan fitur-fitur mutakhir ini juga meningkat. Salah satu opsi paling populer adalah antarmuka web OpenAI, yang telah mendapat pengakuan luas karena kemampuannya menangani tugas NLP yang rumit.

Namun hari ini, kami akan mengeksplorasi alternatif: API ChatGPT. Artikel ini dibagi menjadi tiga bagian utama:

#1 Siapkan akun OpenAI Anda & buat kunci API
#2 Membangun koneksi umum dari Google Colab
#3 Coba berbagai permintaan: pembuatan teks, pembuatan gambar & perbaikan bug

Harap diperhatikan: Meskipun tutorial ini dilakukan di Google Colab (gratis), Anda mungkin ingin mencoba lingkungan lain. Misalnya, semua kode juga diterapkan di Databricks.

#1 Siapkan akun OpenAI Anda & buat kunci API

Untuk berinteraksi dengan algoritme GPT, Anda perlu mendaftar akun OpenAI (gratis): https://platform.openai.com/signup/

Setelah Anda mendaftar dan mendaftar, Anda perlu membuat kunci API yang memungkinkan Anda mengirim permintaan ke OpenAI dari layanan pihak ketiga seperti Google Colab atau Databricks. Arahkan ke bagian “Lihat Kunci API” melalui menu pengguna, atau gunakan tautan berikut: https://platform.openai.com/account/api-keys

Di bagian ini, cukup klik “Buat kunci rahasia baru” dan simpan kunci yang dibuat di suatu tempat di komputer Anda (Anda akan membutuhkannya segera!).

Tangkapan layar oleh penulis

Harap perhatikan bahwa ChatGPT API menawarkan penggunaan uji coba gratis (mulai hari ini) dengan permintaan dan token terbatas per menit. Lihat batas tarif di bawah ini [1]:

Pengguna uji coba gratis: 20 RPM 40000 TPM Pengguna bayar sesuai pemakaian (48 jam pertama): 60 RPM 60000 TPM Pengguna bayar sesuai pemakaian (setelah 48 jam): 3500 RPM 90000 TPM

(RPM = permintaan per menit; TPM = token per menit)

#2 Membangun koneksi umum dari Colab

Cara termudah dan paling mudah untuk menguji API adalah dengan menggunakan Google Colaboratory (“Colab”), yang mirip dengan “lingkungan notebook Jupyter gratis yang tidak memerlukan penyiapan dan berjalan sepenuhnya di cloud”. Meskipun ada lebih banyak lingkungan profesional yang mungkin ingin Anda jelajahi (mis. Databricks), menurut saya Colab bukanlah layanan yang buruk untuk mengambil langkah pertama Anda dengan ChatGPT API.

Untuk menyiapkan lingkungan dasar untuk ChatGPT dalam Colab, Anda dapat mengikuti beberapa langkah berikut:

Buka https://colab.research.google.com/ dan daftar untuk mendapatkan akun gratis Buat notebook baru di dalam Colab Instal & gunakan paket openai: pip install openai

Untuk menjalankan permintaan obrolan sederhana ke API menggunakan model turbo GPT 3.5 (lihat model lain yang tersedia dalam dokumentasi mereka yang ditautkan di akhir artikel ini), mirip dengan apa yang Anda ketahui dari antarmuka web OpenAI, Anda cukup menjalankan baris berikut kode di buku catatan Anda:

impor kami
impor openai

openai.api_key = “silakan-tempel-kunci-API-anda-di sini”

openai.ChatCompletion.create(
model=”gpt-3.5-turbo”,
pesan=[
{“role”: “user”, “content”: “Hello ChatGPT, does this work?”}
]
)

Segera setelah Anda menjalankan perintah di Colab, Anda menerima objek JSON sebagai respons yang berisi jawaban yang diharapkan! (Itu mudah, bukan?)

Halo! Sebagai model bahasa AI, saya tidak memiliki konteks yang dimaksud dengan “ini”. Bisakah Anda menjelaskan apa yang Anda maksud sehingga saya dapat membantu Anda dengan lebih baik?

JSON: {
“pilihan”: [
{
“finish_reason”: “stop”,
“index”: 0,
“message”: {
“content”: “Hello! As an AI language model, I don’t have the context of what “this” refers to. Could you please specify what you are referring to so I can assist you better?”,
“role”: “assistant”
}
}
],
“dibuat”: 1680291503,
“id”: “chatcmpl-70ErnAfGGwU7GhMXzCcLGyUvr4hA2”,
“model”: “gpt-3.5-turbo-0301”,
“objek”: “obrolan.penyelesaian”,
“penggunaan”: {
“token_penyelesaian”: 38,
“prompt_token”: 17,
“total_token”: 55
}
}

Selain itu, objek JSON memberikan informasi tentang jumlah token yang digunakan dan alasan berakhirnya permintaan. Jika Anda hanya ingin mencetak respons teks, Anda dapat mengakses elemen ini dengan sedikit memodifikasi kode Anda:

impor kami
impor openai

openai.api_key = “silakan-tempel-kunci-API-anda-di sini”

tanggapan = openai.ChatCompletion.create(
model=”gpt-3.5-turbo”,
pesan=[
{“role”: “user”, “content”: “Hello ChatGPT, does this work?”}
]
)

cetak(respons.pilihan[0].isi pesan)

#3 Coba berbagai permintaan: pembuatan teks, pembuatan gambar & perbaikan bug

Jika Anda sama bersemangatnya dengan saya saat mengetahui hal ini, Anda dapat mulai mengirim banyak permintaan berbeda ke API. Cara yang berguna untuk memodulasi kode Anda adalah membuat beberapa fungsi bermanfaat yang ingin Anda panggil untuk tujuan yang berbeda. Biarkan saya memberi Anda beberapa ide.

Berfungsi untuk mengobrol dengan ChatGPT

Kode berikut hanya merangkum pekerjaan yang dilakukan sejauh ini dalam fungsi yang dapat dipanggil yang memungkinkan Anda membuat permintaan apa pun ke GPT dan hanya mendapatkan respons teks sebagai hasilnya.

impor kami
impor openai

openai.api_key = “silakan-tempel-kunci-API-anda-di sini”

def obrolanDenganGPT (permintaan):
penyelesaian = openai.ChatCompletion.create(
model=”gpt-3.5-turbo”,
pesan=[
{“role”: “user”, “content”: prompt}
]
)
return print(completion.choices[0].isi pesan)

Apakah menurut Anda masuk akal untuk mempelajari python? Ayo tanya GPT!

chatWithGPT(“apakah sebaiknya mulai belajar python?”)

Sebagai model bahasa AI, saya tidak dapat memberikan pendapat pribadi, tetapi saya dapat mengatakan bahwa Python adalah bahasa pemrograman yang populer dan banyak digunakan yang sangat disukai oleh pemula dan pengembang berpengalaman. Ini memiliki dukungan komunitas yang luas, sejumlah besar perpustakaan, dan sintaks sederhana yang membuatnya mudah dipahami bagi mereka yang baru mengenal pemrograman. Ini berguna untuk berbagai aplikasi, seperti analisis data, pengembangan web, pembelajaran mesin, dan banyak lagi. Oleh karena itu, mungkin merupakan ide bagus untuk mulai belajar Python jika Anda ingin mengejar karir di bidang pemrograman atau ingin menambahkan keahlian lain ke dalam resume Anda.

Berfungsi untuk memperbaiki bug pada kode Anda

Kasus penggunaan lain untuk ChatGPT adalah mendapatkan ide untuk memperbaiki kode Anda. Bayangkan perintah Python Anda menghasilkan kesalahan dan Anda ingin mendapatkan saran tentang apa yang harus dilakukan tanpa menggunakan Google atau StackOverflow:

impor kami
impor openai

openai.api_key = “silakan-tempel-kunci-API-anda-di sini”

def fixMyCode(kode):
penyelesaian = openai.ChatCompletion.create(
model=”gpt-3.5-turbo”,
pesan=[
{“role”: “user”, “content”: “find error in my python script below and fix it: ” + code}
]
)
return print(completion.choices[0].isi pesan)

Lihat kode python saya telah membuat kesalahan, dan saya tidak tahu mengapa…

fixMyCode(“””

def beberapa_fungsi():
print(“Saya akan tidur”)
waktu.tidur(10)
print(“Saya bangun lagi”)

beberapa_fungsi()

“””

)
Tangkapan layar oleh penulis

Tidak mengherankan, tetapi ChatGPT segera mengetahui bahwa saya lupa mengimpor modul sebelum menggunakannya. Ini bisa sangat membantu dalam kehidupan sehari-hari, terutama ketika Anda dapat meminta bantuan langsung dari lingkungan pemrograman.

Berfungsi untuk membuat gambar

Kasus penggunaan terakhir yang ingin saya sajikan di sini adalah pembuatan gambar. Permintaan itu sendiri mengembalikan hyperlink yang berisi gambar. Menggunakan perpustakaan Iphython, Anda dapat menampilkan gambar langsung di notebook Anda.

impor IPython
impor kami
impor openai

openai.api_key = “silakan-tempel-kunci-API-anda-di sini”

def createImageWithGPT(prompt):
selesai = openai.Gambar.buat(
prompt = prompt,
n=1,
ukuran = “512×512”
)
kembalikan IPython.display.HTML(““)

Ayo berkreasi dan minta kucing mengendarai skateboard!

createImageWithGPT(“Kucing mengendarai skateboard”)
Gambar dibuat oleh ChatGPT, tangkapan layar oleh penulis

Ringkasan

Dengan API ChatGPT, bisnis dan individu dapat dengan mudah dan terjangkau menggabungkan chatbots ke dalam alur kerja mereka tanpa pengetahuan teknis atau sumber daya ekstensif yang biasanya diperlukan. API juga dapat digunakan untuk membuat asisten virtual, tutor pribadi, dan lainnya. Saya merekomendasikan dokumentasi yang disediakan oleh OpenAI untuk API mereka: https://platform.openai.com/docs/api-reference.

Singkatnya, mudah untuk menggunakan API di lingkungan pemrograman Anda. Ini tidak hanya berguna untuk debugging langsung kode Anda, tetapi juga menunjukkan tingkat respons yang lebih stabil dibandingkan dengan antarmuka web OpenAI (terkadang tidak tersedia). Dengan kemampuan untuk memahami bahasa alami dan menjadi lebih pintar dari waktu ke waktu, ChatGPT memiliki potensi untuk merevolusi cara bisnis berinteraksi dengan pelanggan dan merampingkan alur kerja mereka. Cobalah sendiri dan alami masa depan chatbots!

Jonas Dieckmann – Sedang

Baca tulisan dari Jonas Dieckmann di Medium. manajer analitik & pemilik produk @ philips | semangat dan menulis tentang…

medium.com

Saya harap Anda merasa berguna. Beri tau aku isi pikiranmu! Dan jangan ragu untuk terhubung di LinkedIn https://www.linkedin.com/in/jonas-dieckmann/ dan/atau untuk mengikuti saya di media ini.

Lihat juga beberapa artikel saya yang lain:

Cara memulai TensorFlow menggunakan Keras API dan Google Colab

Tutorial langkah demi langkah untuk menganalisis aktivitas manusia dengan jaringan saraf

menujudatascience.com

Pengantar ICA: Analisis Komponen Independen

Pernahkah Anda menemukan diri Anda dalam situasi di mana Anda mencoba menganalisis kumpulan data yang kompleks dan sangat berkorelasi…

menujudatascience.com

Referensi

[1]: https://help.openai.com/en/articles/7039783-chatgpt-api-faq

Diterbitkan melalui Menuju AI

Author: Scott Anderson