平时做技术实践时，很多问题不是概念不会，而是细节没串起来。拿“openai createChatCompletion函数采用实例”来说，它看着像小点，放到项目里常会牵出环境、配置、兼容性和维护成本。下面按实际采用顺序，把思路、关键写法和容易踩坑的地方讲清楚，便于大家直接对照操作。

目录

• 实现过程
• 1、前期的引入和设置密钥
• 2、具体的采用
• 3、细节讲解
• （1）关键参数
• （2）openai通用参数

实现过程

从实现思路看，最近在尝试openai的相关函数，所以今天就来盘点盘点下 createChatCompletion 函数，听说是专门为了聊天创立的api，看看是要怎么用的？

1、前期的引入和设置密钥

这里我就轻松带过了，能够看我之前的文章，引入过程大同小异。

cnpm install openai   // 下载
const { Configuration, OpenAIApi } = require("openai");  // 在项目里通过require引入
// 设置密钥
const configuration = new Configuration({ 
    apiKey: aikey
}); 
const openai = new OpenAIApi(configuration);

2、具体的采用

const completion = await openai.createChatCompletion({
  model: "gpt-3.5-turbo",
  messages: [{role: "user", content: "Hello world", name: "sanwu"}],
});

接口得到的信息在这里 console.log(completion.data.choices[0].message);

3、细节讲解

（1）关键参数

model 在这个场景下，这里是选用聊天的模型，每个模型都有它对应的领域，聊天的话，基本上我们选用下图的/v1/chat/completions行的模型，有gpt-4, gpt-4-0314, gpt-4-32k, gpt-4-32k-0314, gpt-3.5-turbo, gpt-3.5-turbo-0301等模型能够选中。

messages 这里是定义发起消息者的角色定位、姓名、具体消息内容。

理解这一步时，角色定位和消息内容是必须的参数。想想也是，聊天过程中，文本内容是基本，而要正确理解文本的含义，通常我们会结合对方的角色定位来综合考虑，所以这两者是必须的，反倒是姓名，一般来说不会影响到回复结果，所以仅仅是记录一下，是非必须参数。

（2）openai通用参数

temperature 控制结果的随机性，范围在0~2， 0是固定结果，值越大结果越随机。

top_p 理解这一步时，跟temperature类似，不过值在0~1之间，默认值为1，如果设置成0.1，则代表取得是前10%概率质量的结果。

n 每个问题prompt要给的答案数，这里设置多了，会更快消耗配额的。

stream 是否得到部分进度。

stop 最大长度为 4 的字符串列表，一旦生成的 tokens 包含其中的内容，将停止生成并得到结果。

max_tokens 生成结果时的最大 tokens 理解这一步时，数，不能超过模型的上下文长度，一般最大可设置为2048，新的gpt-4似乎就是4096。

presence_penalty 主题的重复度，区间也是-2~2， -2的重复度最高。

frequency_penalty 字符的重复度，区间是-2~2， -2的重复字符最多。

logit_bias 实际处理时，修改指定标记出现在完成中的可能性。 接受一个 json 对象，该对象将标记（由标记器中的标记 ID 指定）映射到从 -100 到 100 的关联偏差值。从数学上讲，偏差会在采样之前添加到模型生成的 logits 中。确切的效果因模型而异，但 -1 和 1 之间的值应该会减少或增加选择的可能性；像 -100 或 100 这样的值应该导致相关令牌的禁止或独占选择。

理解这一步时，以上就是openai createChatCompletion函数采用实例的详细内容，更多关于openai createChatCompletion函数的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

• OpenAI 函数调用示例及功能入门教程
• OPENAI API 微调 GPT-3 的 Ada 模型
• 176万！GPT-4发布详解如何查看OpenAI的下载量
• OpenAI发布GPT-4兼容图像文本输入处理中文准确度大幅提升
• OpenAI的Whisper模型进行语音识别采用详解
• 人工智能深度学习OpenAI baselines的采用方法
• OpenAI Function Calling特性示例详解