[经验分享]gpt-3.5-Turbo|unity中实现http接口调用gpt新接口以及信息处理的实现案例分享

最近openAI发布了目前chatGPT所使用的模型gpt-3.5-Turbo，之前使用了text-davinci-003模型做了一个galgame的AI女友对话的demo。这次趁着新接口的发布，对这个demo也同步更新了模型调用的代码。本篇文章将分享一下，如何在unity里使用UnityWebRequest实现与openAI的接口调用以及信息处理的示例，希望能够帮助到有需要的朋友。

一、gpt-3.5-Turbo官方示例分析

①首先我们需要知道turbo接口api的调用地址，从官方文档中查询，找到了调用连接，如下：

api调用地址：https://api.openai.com/v1/chat/completions

②调用api所需要发送的报文

1）Header：

①ContentType:application/json

②Authorization:Bearer 你的apikey

2）发送的报文主体

从openAI官方网站查询了一下Turbo的调用示例，官方展示了一个Python的代码示例：

# Note: you need to be using OpenAI Python v0.27.0 for the code below to work
import openai
 
openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Who won the world series in 2020?"},
        {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},
        {"role": "user", "content": "Where was it played?"}
    ]
)

从官方示例可以发现，我们需要发送的报文，应该包含model的名称以及需要发送的messages，实际上从官方文档里看，可以发送的字段会更多，需要的话请大家自行查询吧。

扫描二维码关注公众号，回复： 14596260 查看本文章

我们可以发现，发送的报文里，包含有role角色定义，以及角色所发送的消息。

这里我们注意一下，role的可选值，必须是

口 system：在初始化的时候，设置AI的角色设定，可以理解为是人设。

口 user：我们发送的信息，放在这里

口 assistant：模型返回的信息，放在这里

需要注意的是，观察官方示例，可以发现，所有发送的信息以及反馈信息均被放置在报文里，这样可以让模型回答的时候，关联前文。

3）返回的报文

模型返回的报文格式如下所示，返回的信息以Json格式反馈。

{
    "id": "chatcmpl-6pWU3qzNuTBLU7U0tUw6Nqa0oQhWbHF",
    "object": "chat.completion",
    "created": 1677737615,
    "model": "gpt-3.5-turbo-0301",
    "usage": {
        "prompt_tokens": 39,
        "completion_tokens": 35,
        "total_tokens": 74
    },
    "choices": [
        {
            "message": {
                "role": "assistant",
                "content": "你好，我是AI助手！"
            },
            "finish_reason": "stop",
            "index": 0
        }
    ]
}

二、unity发送的报文格式

因为我们需要使用unity来访问api，所以需要修改一下报文主体。这里我们将需要发送的报文写成Json格式：

{
    "model":"gpt-3.5-turbo",
    "messages":[
        {"role": "system", "content": "你是一个经验丰富的AI助手，能帮我处理很多计算机事务"},
        {"role": "user", "content": "你好"},
        {"role": "assistant", "content": "你好，我是一个语言模型AI"}
    ]
}

三、Unity中调用api的代码示例

本节内容将介绍一下如何使用UnityWebRequest实现调用gpt-3.5-Turbo的代码实现。

1）首先定义一下数据发送的类，用作保存待发送的报文信息。

  [Serializable]public class PostData
    {
        public string model;
        public List<SendData> messages;
    }

    [Serializable]
    public class SendData
    {
        public string role;
        public string content;
        public SendData() { }
        public SendData(string _role,string _content) {
            role = _role;
            content = _content;
        }
    }

2）定义一下返回数据的类，用于保存模型返回的数据信息

 [Serializable]
    public class MessageBack
    {
        public string id;
        public string created;
        public string model;
        public List<MessageBody> choices;
    }
    [Serializable]
    public class MessageBody
    {
        public Message message;
        public string finish_reason;
        public string index;
    }
    [Serializable]
    public class Message
    {
        public string role;
        public string content;
    }

3）unity使用UnityWebRequest调用api的代码示例

调用api的功能写成一个方法，输入的参数包含待发送的文本、openAI的密钥以及回调函数，方法里需要用的一些变量，我放在脚本里做了定义。

以下是完整的代码示例：

using System;
using System.Collections;
using System.Collections.Generic;
using UnityEngine;
using UnityEngine.Networking;

public class GptTurboScript : MonoBehaviour
{
    /// <summary>
    /// api地址
    /// </summary>
    public string m_ApiUrl = "https://api.openai.com/v1/chat/completions";
    /// <summary>
    /// gpt-3.5-turbo
    /// </summary>
    public string m_gptModel = "gpt-3.5-turbo";
    /// <summary>
    /// 缓存对话
    /// </summary>
    [SerializeField]public List<SendData> m_DataList = new List<SendData>();
    /// <summary>
    /// AI人设
    /// </summary>
    public string Prompt;

    private void Start()
    {
        //运行时，添加人设
        m_DataList.Add(new SendData("system", Prompt));
    }
    /// <summary>
    /// 调用接口
    /// </summary>
    /// <param name="_postWord"></param>
    /// <param name="_openAI_Key"></param>
    /// <param name="_callback"></param>
    /// <returns></returns>
    public IEnumerator GetPostData(string _postWord,string _openAI_Key, System.Action<string> _callback)
    {
        //缓存发送的信息列表
        m_DataList.Add(new SendData("user", _postWord));

        using (UnityWebRequest request = new UnityWebRequest(m_ApiUrl, "POST"))
        {
            PostData _postData = new PostData
            {
                model = m_gptModel,
                messages = m_DataList
            };

            string _jsonText = JsonUtility.ToJson(_postData);
            byte[] data = System.Text.Encoding.UTF8.GetBytes(_jsonText);
            request.uploadHandler = (UploadHandler)new UploadHandlerRaw(data);
            request.downloadHandler = (DownloadHandler)new DownloadHandlerBuffer();

            request.SetRequestHeader("Content-Type", "application/json");
            request.SetRequestHeader("Authorization", string.Format("Bearer {0}", _openAI_Key));

            yield return request.SendWebRequest();

            if (request.responseCode == 200)
            {
                string _msg = request.downloadHandler.text;
                MessageBack _textback = JsonUtility.FromJson<MessageBack>(_msg);
                if (_textback != null && _textback.choices.Count > 0)
                {

                    string _backMsg = _textback.choices[0].message.content;
                    //添加记录
                    m_DataList.Add(new SendData("assistant", _backMsg));
                    _callback(_backMsg);
                }

            }
        }
    }

    #region 数据包

    [Serializable]public class PostData
    {
        public string model;
        public List<SendData> messages;
    }

    [Serializable]
    public class SendData
    {
        public string role;
        public string content;
        public SendData() { }
        public SendData(string _role,string _content) {
            role = _role;
            content = _content;
        }

    }
    [Serializable]
    public class MessageBack
    {
        public string id;
        public string created;
        public string model;
        public List<MessageBody> choices;
    }
    [Serializable]
    public class MessageBody
    {
        public Message message;
        public string finish_reason;
        public string index;
    }
    [Serializable]
    public class Message
    {
        public string role;
        public string content;
    }

    #endregion
}

本文的代码示例是基于我前段时间做的一个使用chatGPT实现的二次元AI女友galgame的demo提取的，源码包提供了text-davinci-003以及gpt-3.5-Turbo两个模型的demo示例，源码已经发布在Gitee上，需要使用的朋友，可以自行下载参考。

Gitee地址：chatGPTAIGirlFrien chatGPTAIGirlFriendSample: 使用chatGPT+unity+Azure+VRoid制作的简单的AI女友(老婆)对话机器人的demo。

[经验分享]gpt-3.5-Turbo|unity中实现http接口调用gpt新接口以及信息处理的实现案例分享

猜你喜欢