OpenAi[ChatGPT] 使用Python对接OpenAi APi 实现智能QQ机器人-学习详解篇

发表评论
75

A+

所属分类：Linux

最近火爆全网的 ChatGPT，被很多人玩出了花，我们在 Github上可以看到几个常见的逆向 SDK包，这一篇我将以学习的方式来写这一篇文章。

OpenAi[ChatGPT] 使用Python对接OpenAi APi 实现智能QQ机器人-学习详解篇

这些 SDK不仅仅可以用于开发机器人，还可以自由的开发你所想要的效果，如你所想，他是一个工具包，帮你构建一个 ChatGPT服务和会话。

最近 OpenAi给他套上了一个 Cloudflare的 CDN服务，这个服务会去拦截非真机请求，现在已经可以破解了。

寻找合适的逆向SDK

原作者用的是这个。

整个包的文件并不是很多，喜欢 Python的可以去看看，我这个 Java看不太懂。

实践开始-实践篇第一

代码中使用到的revChatGPT依赖源码库: https://github.com/acheong08/ChatGPT

我们的Python版本，需要 >=3.8，然后 pip直接升级到最新版本。

下面代码的目的是与ChatGPT官方接口进行交互,注意安装一下里面用到的依赖 chat-gpt-qbot.py:

import flask, json
from flask import request
from revChatGPT.revChatGPT import Chatbot
config = {
    "session_token": "换成你自己的token"
}
# 创建一个服务，把当前这个python文件当做一个服务
server = flask.Flask(__name__)
chatbot = Chatbot(config, conversation_id=None)
def chat(msg):
    message = chatbot.get_chat_response(msg)['message']
    print(message)
    return message
@server.route('/chat', methods=['post'])
def chatapi():
    requestJson = request.get_data()
    if requestJson is None or requestJson == "" or requestJson == {}:
        resu = {'code': 1, 'msg': '请求内容不能为空'}
        return json.dumps(resu, ensure_ascii=False)
    data = json.loads(requestJson)
    print(data)
    try:
        msg = chat(data['msg'])
    except Exception as error:
        print("接口报错")
        resu = {'code': 1, 'msg': '请求异常: ' + str(error)}
        return json.dumps(resu, ensure_ascii=False)
    else:
        resu = {'code': 0, 'data': msg}
        return json.dumps(resu, ensure_ascii=False)
if __name__ == '__main__':
    server.run(port=7777, host='0.0.0.0')

import flask, json

from flask import request

from revChatGPT.revChatGPT import Chatbot

config = {

"session_token": "换成你自己的token"

}

# 创建一个服务，把当前这个python文件当做一个服务

server = flask.Flask(__name__)

chatbot = Chatbot(config, conversation_id=None)

def chat(msg):

message = chatbot.get_chat_response(msg)['message']

print(message)

return message

@server.route('/chat', methods=['post'])

def chatapi():

requestJson = request.get_data()

if requestJson is None or requestJson == "" or requestJson == {}:

resu = {'code': 1, 'msg': '请求内容不能为空'}

return json.dumps(resu, ensure_ascii=False)

data = json.loads(requestJson)

print(data)

try:

msg = chat(data['msg'])

except Exception as error:

print("接口报错")

resu = {'code': 1, 'msg': '请求异常: ' + str(error)}

return json.dumps(resu, ensure_ascii=False)

else:

resu = {'code': 0, 'data': msg}

return json.dumps(resu, ensure_ascii=False)

if __name__ == '__main__':

server.run(port=7777, host='0.0.0.0')

我们导入我们的逆向包。

[crayon-65c44ec06f79f118644895 inline="true"  class="language-javascript"]from revChatGPT<span class="token punctuation">.</span>revChatGPT <span class="token keyword">import</span> Chatbot

1	[crayon-65c44ec06f79f118644895 inline="true" class="language-javascript"]from revChatGPT<span class="token punctuation">.</span>revChatGPT <span class="token keyword">import</span> Chatbot

[/crayon]

这是逆向包里面的源码，用于初始化一个服务，我们刚刚的类中调用了这个包。

然后去创建抛出这个服务的接口，方便被调用。

我们只要运行上面的代码就可以在7777端口直接与ChatGPT进行交互了。我们使用接口工具测试一下，结果如下图，可以看到，接口正常工作并从ChatGPT得到了对话结果。

其中消息体:

{
  "msg": "你会数学吗"
}

{

"msg": "你会数学吗"

}

消息体是我们自定义的内容，你可以自己增加字段对接口进行功能扩展本例子中的msg就是我们的发言内容而接口返回的:

{
    "code": 0, 
    "data": "是的，我会数学。我是一个大型语言模型，我可以回答各种问题，包括数学问题。你有什么数学问题需要我帮助你解决吗？"
}

{

"code": 0,

"data": "是的，我会数学。我是一个大型语言模型，我可以回答各种问题，包括数学问题。你有什么数学问题需要我帮助你解决吗？"

}

这也是我们自己定义的，当 code=0时代表与 ChatGPT交互成功，此时 data为 ChatGPT反馈给我们的对话内容。而当 code=1时说明出现了错误,此时没有 data,但在 msg中返回了错误信息。

到这里我们就拥有了一个可以和ChatGPT交互到接口，通过这个接口，我们就能与ChatGPT进行对话

既然进行对话，那就需要一个输入框和一个按钮，你可以做一个网页来调用这个接口，这很简单，我们不在这里赘述了。

我们真正要做的是一个QQ机器人，其原理就是让QQ机器人监听到消息，并通过我们的接口把消息转发给ChatGPT，然后再把ChatGPT返回的对话内容发送给QQ用户，这样一个可以对话的机器人就做好了，具体做法，下文继续讲解。

实践继续-实践篇第二

上文我们实现了一个接口，用代码成功获取到了ChatGPT的对话内容，下面我们将继续完善QQ机器人相关逻辑，注意看代码中的注释。

为了更方便的将优化后(接入QQ机器人)的代码，与之前的代码比较，我开启一个本地比较，并收起了没有变动的代码。

机器人的交互实现逻辑，这个你可能会看不懂，因为我们是使用了一个机器人框架，那其实我们不要局限自己的思想，我们可以尝试自己修改使用其他机器人框架，比如云仔机器人，逻辑去自己实现。

我们使用的是 go-cqhttp。

go-cqhttp帮助中心

所以说，这一写更改，你得去了解这个 go-cqhttp你才能看懂，不过我们要灵活学习，我们只需要了解思路便可，然后去官方文档找使用方法。

此时，这些代码已经拥有了处理好友请求、拉群请求、回复消息的功能。可以看到，相对于上个文章，我们增加了很多代码，并且都加了注释当然，这些代码看不懂没关系，可以照着我的文章改一下对应的地方，直接用。

大家来原创作者Q群玩儿，我也在里面： 206867743。

实践继续-实践篇第三

前两个文章我们已经解决了和ChatGPT通信的问题和QQ处理消息的问题，现在我们就需要处理如何监听QQ消息了。

在一次次的更新和遇到的问题中，原创作者和逆向包的很多作者都更新了很多内容，我们看看原创作者的更新记录：

2022-12-12 23:52

增加一个Windows专用版本，只能在Windows电脑或服务器上使用，可以自动获取cloudflare Cookie

2022-12-12 12:38 更新内容

增加CloudFlare配置，更新依赖，暂不支持账号密码，暂不知道CloudFlare配置多久需要更换一次，现在好像必须要**了

2022-12-10 17:42 更新内容

增加账号密码支持，可以不使用token，直接使用账号密码

2022-12-10 00:23 更新内容

将每个QQ私聊区分，每个人私聊机器人都是一个独立的会话
将每个QQ群区分，每个QQ群是一个独立的会话
增加回复字数限制，超过限制转换成图片回复（见配置文件）
如果想要重置会话，对机器人发送：重置会话

简介

监听QQ消息并不需要我们写代码，因为市面上已经有很多开源QQ机器人框架，在这里我们使用go-cqhttp 官方文档: go-cqhttp 如果您感兴趣的话，可以阅读一下官方文档，如果不想看，直接看我的文章即可。

前提条件

您需要准备一个QQ号，不要使用自己大号
您需要准备一个OpenAi的账号，用来获取Token
一台服务器（可选，如果您想让机器人7x24小时在线的话，请准备一台，1核1G足以，外服最好）

注意：OpenAi（ChatGPT）的注册方式B站有一堆视频，随便参考一个就行。

不会注册也可以看看我博客的文章：一文教你快速注册OpenAi(ChatGPT) (旧版本)机器人搭建教程我也是写过了：使用OpenGPT(ChatGPT)搭建 QQ 机器人

但是！注意，先前说过，现在的 ChatGPT套了一个 CF的 CDN，会拦截人机交互请求。

那我们现在，除了需要获取 OpenAi的 session-token，还需要获取 cf_clearance。

同时，我们还需要获取 user-agent。

前往控制台的网络标签里面查看，如果是空白，你发一句消息就可以。

复制之后写到配置文件中，也就是 py/config.js文件。

可以使用作者打包好的文件，也可以根据前两个文章自行开发，推荐使用作者打包好的，文件在地址：https://lucent.blog/?p=99

目前原创作者打包了两个版本，一个Linux的，麻烦在于 cf的 CDN交互令牌会在 2H内失效，我们需要手动获取并更新，麻烦。

另一个是 window版本，已经实现自动获取 CloudflareCookie。

配置指南

这个版本只能在Windows上使用，Windows电脑或服务器都行。依然只支持token。 系统会自动打开谷歌浏览器获取Cloufflare相关Cookie，第一次运行时可能需要手动验证，请注意点一下。

注意，脚本它只能打开Google浏览器，没配置其他浏览器。

其他描述

那在作者最新版本的代码里面，也是新增了一部分功能。

自行研究。

然后很多逆向包作者也在想一个完美解决的办法，我们慢慢等待吧！

然后，请看看这句话：

尾述

写着一篇，我基本上是去看原创作者的代码和逆向包的代码，我是一个业余的 Python，但是我觉得，很多东西是可以去尝试的，通原理而致用，当你学会整个思路，那你也可以自己写一个自己的机器人，自己去配置去设计交互逻辑。

比如可以新增一个Markdown渲染器+代码高亮，将长文本以图片方式展示（虽然已经存在了），又比如，绑定一个不被拦截的域名，过长文本直接生成一个临时链接，点开查看，刚好通过网页渲染后，美观度高很多。

寻找合适的逆向SDK

实践开始-实践篇第一

实践继续-实践篇第二

实践继续-实践篇第三

简介

前提条件

配置指南

其他描述

尾述

发表评论取消回复

登录 找回密码

登录找回密码