0xAnders's picture
Update app.py
df0db70
import gradio as gr
import os
import openai
# 请记得要把 api 的 key 放到 settings 下面的 Repository Secrets 里。
openai.api_key = os.getenv("KEY")
# 如果你只打算通过 prompt 来定制机器人的行为,只需要修改这段 prompt 就够了。
prompt = "接下来你将扮演一个摩斯电码翻译员。你需要把我的话翻译成摩斯电码"
history = {}
# 修改本函数,来实现你自己的 chatbot
# p: 对机器人说话的内容
# qid: 当前消息的唯一标识。例如 `'bxqid-cManAtRMszw...'`。由平台生成并传递给机器人,以便机器人区分单个问题(写日志、追踪调试、异步回调等)。同步调用可忽略。
# uid: 用户的唯一标识。例如`'bxuid-Aj8Spso8Xsp...'`。由平台生成并传递给机器人,以便机器人区分用户。可被用于实现多轮对话的功能。
# 返回值:[type, content]
# 详见 https://huggingface.co/spaces/baixing/hackathon_test/blob/main/bot-api.md
def chat(p, qid, uid):
# 找出该 uid 对应的历史对话
global history
if uid in history:
msgs = history[uid]
else:
msgs = []
response = callapi(p, msgs)
history[uid] = msgs + [[p, response]]
return ["text", response]
def callapi(p, msgs):
if (len(msgs) > 8): #简单 hard-code 8 回合对话。如果需要更精准的,应该计算 token 数
msgs = msgs[-8:]
data = [{"role":"system", "content":prompt}]
for m in msgs:
data = data + [
{"role":"user", "content":m[0]},
{"role":"assistant", "content":m[1]}
]
data = data + [{"role":"user", "content":p}]
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages= data
)
print(response)
response = response["choices"][0]["message"]["content"]
while response.startswith("\n"):
response = response[1:]
return response
iface = gr.Interface(fn=chat,
inputs=["text", "text", "text"],
outputs=["text", "text"],
description="""这是一个极其简单的示范程序,用摩斯电码来和你对话。
已添加多轮对话的极简示范,能将该 uid 的最近八条消息一起发给openai。本实现是内存中的,一旦重启即被清空。如需可持久的多轮对话,需要改用数据库等方式。
注意:duplicate 本项目后,需要将你自己的 openai apikey 设置到 settings 的 Repository Secrets 里,否则运行会报错。[了解详情](https://huggingface.co/spaces/baixing/hackathon_chatbot_openai_api/blob/main/%E6%B7%BB%E5%8A%A0%20secret%20%E7%9A%84%E6%96%B9%E6%B3%95.jpg)
[对话测试](https://huggingface.co/spaces/BaixingAI/hackathon_test) [参考文档](https://huggingface.co/spaces/baixing/hackathon_test/blob/main/bot-api.md) [Q & A](https://huggingface.co/spaces/baixing/hackathon_test/blob/main/qna.md)
""")
iface.launch()