文章目录

前言一、账号注册申请密钥二、参数详情三、Java集成1.调用接口2.响应数据 四、效果总结

前言

OpenAI API 几乎可以应用于任何涉及理解或生成自然语言或实现代码等场景。提供一系列具有不同学习训练的模型，适用于处理不同的任务，并且自己能够自定义学习模型，通过大样本数据去喂养该模型，使其能实现自己的应用场景。这些模型可用于从内容生成到语义搜索和分类的所有领域。

一、账号注册申请密钥

openai获取密钥

二、参数详情

models：模型，其包含Davinci, Curie, Babbage 和 Ada等子模型，每个子模型的功能不尽相同prompt：生成完成的提示，编码为字符串、字符串数组、标记数组或标记数组数组。tokens：文本长度限制，要求输入和输出的文本总长度不能超过各模型限定的Tokens长度temperature：温度，使用什么采样温度，介于 0 和 2 之间。较高的值（如 0.8）将使输出更加随机，而较低的值（如 0.2）将使输出更加集中和确定。控制结果随机性，0.0表示结果固定，随机性大可以设置为0.9topP：一种替代温度采样的方法，称为核采样，其中模型考虑具有 top_p 概率质量的标记的结果。所以 0.1 意味着只考虑构成前 10% 概率质量的标记。frequencyPenalty：-2.0 和 2.0 之间的数字。正值会根据新标记在文本中的现有频率对其进行惩罚，从而降低模型逐字重复同一行的可能性。presencePenalty：-2.0 和 2.0 之间的数字。正值会根据到目前为止是否出现在文本中来惩罚新标记，从而增加模型谈论新主题的可能性。stop：API 将停止生成更多令牌的最多 4 个序列。返回的文本将不包含停止序列。n：为每个提示生成多少完成。stream：是否以流方式返回输出

三、Java集成

1.调用接口

这边就以流的方式接收结果

// 调用接口 /v1/completions// 请求头：Authorization: Bearer + KEY// 参数：Map<String, Object> param = new HashMap<>();param.put("model", "text-davinci-003");param.put("prompt", text);param.put("max_tokens", 2048);param.put("temperature", 0);param.put("frequency_penalty", 0);param.put("presence_penalty", 0);param.put("stream", true);param.put("stop", CollectionUtil.newArrayList("\n"));

2.响应数据

// text/event-stream//设置推送内容类型为事件流response.setContentType("text/event-stream");//消息流编码格式response.setCharacterEncoding("utf-8");// 将收到的流数据返回给前端显示

四、效果

问答示例效果：

后端运行实时接收与推送数据：

总结

效果还是不错的，可以接入AI聊天机器人~~~