import importlib import time import os from functools import lru_cache from colorful import print亮红, print亮绿, print亮蓝 pj = os.path.join default_user_name = 'default_user' def read_env_variable(arg, default_value): """ 环境变量可以是 `GPT_ACADEMIC_CONFIG`(优先),也可以直接是`CONFIG` 例如在windows cmd中,既可以写: set USE_PROXY=True set API_KEY=sk-j7caBpkRoxxxxxxxxxxxxxxxxxxxxxxxxxxxx set proxies={"http":"http://127.0.0.1:10085", "https":"http://127.0.0.1:10085",} set AVAIL_LLM_MODELS=["gpt-3.5-turbo", "chatglm"] set AUTHENTICATION=[("username", "password"), ("username2", "password2")] 也可以写: set GPT_ACADEMIC_USE_PROXY=True set GPT_ACADEMIC_API_KEY=sk-j7caBpkRoxxxxxxxxxxxxxxxxxxxxxxxxxxxx set GPT_ACADEMIC_proxies={"http":"http://127.0.0.1:10085", "https":"http://127.0.0.1:10085",} set GPT_ACADEMIC_AVAIL_LLM_MODELS=["gpt-3.5-turbo", "chatglm"] set GPT_ACADEMIC_AUTHENTICATION=[("username", "password"), ("username2", "password2")] """ arg_with_prefix = "GPT_ACADEMIC_" + arg if arg_with_prefix in os.environ: env_arg = os.environ[arg_with_prefix] elif arg in os.environ: env_arg = os.environ[arg] else: raise KeyError print(f"[ENV_VAR] 尝试加载{arg},默认值:{default_value} --> 修正值:{env_arg}") try: if isinstance(default_value, bool): env_arg = env_arg.strip() if env_arg == 'True': r = True elif env_arg == 'False': r = False else: print('Enter True or False, but have:', env_arg); r = default_value elif isinstance(default_value, int): r = int(env_arg) elif isinstance(default_value, float): r = float(env_arg) elif isinstance(default_value, str): r = env_arg.strip() elif isinstance(default_value, dict): r = eval(env_arg) elif isinstance(default_value, list): r = eval(env_arg) elif default_value is None: assert arg == "proxies" r = eval(env_arg) else: print亮红(f"[ENV_VAR] 环境变量{arg}不支持通过环境变量设置! ") raise KeyError except: print亮红(f"[ENV_VAR] 环境变量{arg}加载失败! ") raise KeyError(f"[ENV_VAR] 环境变量{arg}加载失败! ") print亮绿(f"[ENV_VAR] 成功读取环境变量{arg}") return r @lru_cache(maxsize=128) def read_single_conf_with_lru_cache(arg): from shared_utils.key_pattern_manager import is_any_api_key try: # 优先级1. 获取环境变量作为配置 default_ref = getattr(importlib.import_module('config'), arg) # 读取默认值作为数据类型转换的参考 r = read_env_variable(arg, default_ref) except: try: # 优先级2. 获取config_private中的配置 r = getattr(importlib.import_module('config_private'), arg) except: # 优先级3. 获取config中的配置 r = getattr(importlib.import_module('config'), arg) # 在读取API_KEY时,检查一下是不是忘了改config if arg == 'API_URL_REDIRECT': oai_rd = r.get("https://api.openai.com/v1/chat/completions", None) # API_URL_REDIRECT填写格式是错误的,请阅读`https://github.com/binary-husky/gpt_academic/wiki/项目配置说明` if oai_rd and not oai_rd.endswith('/completions'): print亮红("\n\n[API_URL_REDIRECT] API_URL_REDIRECT填错了。请阅读`https://github.com/binary-husky/gpt_academic/wiki/项目配置说明`。如果您确信自己没填错,无视此消息即可。") time.sleep(5) if arg == 'API_KEY': print亮蓝(f"[API_KEY] 本项目现已支持OpenAI和Azure的api-key。也支持同时填写多个api-key,如API_KEY=\"openai-key1,openai-key2,azure-key3\"") print亮蓝(f"[API_KEY] 您既可以在config.py中修改api-key(s),也可以在问题输入区输入临时的api-key(s),然后回车键提交后即可生效。") if is_any_api_key(r): print亮绿(f"[API_KEY] 您的 API_KEY 是: {r[:15]}*** API_KEY 导入成功") else: print亮红("[API_KEY] 您的 API_KEY 不满足任何一种已知的密钥格式,请在config文件中修改API密钥之后再运行。") if arg == 'proxies': if not read_single_conf_with_lru_cache('USE_PROXY'): r = None # 检查USE_PROXY,防止proxies单独起作用 if r is None: print亮红('[PROXY] 网络代理状态:未配置。无代理状态下很可能无法访问OpenAI家族的模型。建议:检查USE_PROXY选项是否修改。') else: print亮绿('[PROXY] 网络代理状态:已配置。配置信息如下:', r) assert isinstance(r, dict), 'proxies格式错误,请注意proxies选项的格式,不要遗漏括号。' return r @lru_cache(maxsize=128) def get_conf(*args): """ 本项目的所有配置都集中在config.py中。 修改配置有三种方法,您只需要选择其中一种即可: - 直接修改config.py - 创建并修改config_private.py - 修改环境变量(修改docker-compose.yml等价于修改容器内部的环境变量) 注意:如果您使用docker-compose部署,请修改docker-compose(等价于修改容器内部的环境变量) """ res = [] for arg in args: r = read_single_conf_with_lru_cache(arg) res.append(r) if len(res) == 1: return res[0] return res def set_conf(key, value): from toolbox import read_single_conf_with_lru_cache read_single_conf_with_lru_cache.cache_clear() get_conf.cache_clear() os.environ[key] = str(value) altered = get_conf(key) return altered def set_multi_conf(dic): for k, v in dic.items(): set_conf(k, v) return