项目目前提供基础版 GPT-3 模型实现,暂不支持连续对话。
首先进入项目根目录,在终端输入以下命令初始化项目:
cp .env.example .env
npm i
打开 .env
文件,填入你的 API key
,如果你还没有,已经注册用户的 请到这里生成:
OPENAI_API_KEY=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
填入后,在终端内使用 Node.js
运行项目文件,耐心等待 AI 答复即可~
node index "什么是前端?"
项目默认使用 text-davinci-003
AI 模型,你可以根据需求自行在 .env
文件中更换:
目前可选的 AI 模型有一下几种,具体请 查看官方文档:
名称 | 描述 | 最大请求数 | 训练数据 |
---|---|---|---|
text-davinci-003 | 功能最强大的 GPT-3 模型,还支持在文本中插入补全。 | 4,000 tokens | 截止 2021 年 6 月 |
text-curie-001 | 非常能干,比 davinci 更快,成本更低。 | 2,048 tokens | 截至 2019 年 10 月 |
text-babbage-001 | 能够完成简单的任务,速度快,成本低。 | 2,048 tokens | 截至 2019 年 10 月 |
ext-ada-001 | 能够执行非常简单的任务,通常是 gpt-3 系列中速度最快成本最低的。 | 2,048 tokens | 截至 2019 年 10 月 |
虽然 davinci 通常是最有能力的,但其他型号可以非常出色地执行某些任务,具有显着的速度或成本优势。例如,curie 可以执行许多与 davinci 相同的任务,但速度更快,成本仅为 davinci 的 1/10。
Davinci 是最有能力的模型系列,可以执行其他模型可以执行的任何任务,而且通常只需较少的指令。对于需要对内容有充分理解的应用程序,例如针对特定受众的摘要和创意内容生成,Davinci 将产生最佳结果。这些增加的功能需要更多的计算资源,因此 Davinci 每次 API 调用的成本更高,并且不如其他模型快。
达芬奇的另一个亮点是理解文本的意图。达芬奇相当擅长解决多种逻辑问题,解释人物的动机。达芬奇已经能够解决一些涉及因果关系的最具挑战性的人工智能问题。
擅长:复杂的意图,因果关系,观众总结
居里非常强大,但速度非常快。虽然达芬奇在分析复杂文本方面更强,但居里非常有能力完成许多细微的任务,如情感分类和总结。居里还非常擅长回答问题和执行问答,并作为一般服务聊天机器人。
擅长:语言翻译、复杂分类、文本情感、总结
巴贝奇可以执行简单的任务,比如简单的分类。在语义搜索排名文档与搜索查询的匹配程度方面,它也非常有能力。
擅长:中等分类、语义搜索分类
Ada 通常是最快的模型,可以执行解析文本、地址更正和某些不需要太多细微差别的分类任务等任务。Ada 的性能通常可以通过提供更多上下文来提高。
擅长:解析文本、简单分类、地址更正、关键词
注意:由像 Ada 这样的更快模型执行的任何任务都可以由像 Curie 或 Davinci 这样的更强大的模型执行。
Codex 模型是 GPT-3 模型的后代,可以理解和生成代码。他们的训练数据包含自然语言和来自 GitHub 的数十亿行公共代码。
他们最擅长 Python,精通十几种语言,包括 JavaScript,Go,Perl,PHP,Ruby,Swift,TypeScript,SQL 甚至 Shell。
OpenAI 目前提供两种 Codex 模型:
名称 | 描述 | 最大请求数 | 训练数据 |
---|---|---|---|
text-davinci-002 | 最有能力的法典模型。特别擅长将自然语言翻译成代码。 | 8,000 tokens | 截止 2021 年 6 月 |
code-cushman-001 | 几乎与 Davinci Codex 一样强大,但速度稍快。这种速度优势可使其更适合于实时应用。 | 2,048 tokens | - |
有关更多信息,请访问 Codex 使用指南。