How to apply GPT onto your LINE-bot

串接 GPT-3 機器人教學

（圖片若無法載入請重新整理幾次看看）

前言

今天要實作的語言是 Python 版，若希望使用 Node.js 或 C# 可以左轉其他大神的：

Node.js : https://github.com/memochou1993/ai-assistant?fbclid=IwAR14FiBM2-FuI36QpXDcq9G52x9FuUWeI4KtfqFinJgnyA6whL2BQTZD4_k

C# : https://github.com/isdaviddong/chatGPTLineBot?fbclid=IwAR1ktXUcivo8eG6MmTntY-dlG0SqyoRVyoGKEmMXHogc37jxrnxyuhrVFi4

基本上串 ChatGPT 很簡單，尤其是 python 已經有套件的狀況下

都是看一下官方文件就可以串起來的簡單步驟

讀者們如果有 Docker 的基礎，應該二十分鐘內就可以串好並部署了！

第一步：到 openAI 網站申請 `API key`

連結在這：https://beta.openai.com/account/api-keys

切記，這個 api key 不可以推上來 github 喔，可能會不明人士盜用！

第二步：使用 .env 來設定環境變數

我在 repo 中有放置 .env.sample ，大家可以根據自己的環境設置不一樣的變數

https://github.com/Lanznx/HealthLineBot/blob/main/.env.sample


DJANGO_SECRET_KEY=secret
DATABASE_URL=sqlite://YOUR_PASSWORD/db.sqlite3
EMAIL_URL=smtp://user:YOUR_PASSWORD@localhost:25
LINE_CHANNEL_ACCESS_TOKEN=
LINE_CHANNEL_SECRET=
CHAT_GPT_TOKEN=

這邊要注意的是，你的 .env 應該要放置於跟 manage.py 相同的路徑底下

這樣我在專案設定的路徑 ENV_PATH = ".env"才吃的到環境變數喔！

再來是 google 金鑰憑證的部分，這個金鑰是我朋友的陳年老金鑰，我想說方便才拿它來串 ChatGPT

我已經盡量把需要的地方拆出來了，但礙於申請這個 google API 金鑰可能會有點麻煩

而目前感覺起來應該也不太會有爆流量的問題，所以就先暫時暴露在 github 上給大家方便吧！

如果想要把金鑰替換成自己的，可以參考以下文章申請！

https://ithelp.ithome.com.tw/articles/10234325

第三步：根據官方文件，你可以選擇使用 HTTP request 或者 python 套件

官方文件在這：https://beta.openai.com/docs/api-reference/completions/create

但這邊我跟官方文件使用的引入方式不太一樣，是使用 python-dotenv 這個套件

但功能基本上大同小異，讀者可以自行斟酌

基本上我都寫好了，所以只要環境變數有塞進去 .env 應該就可以跑起來了

第四步：核心程式碼解說（可略過）

/healthlinebot/view.py 的連結：

https://github.com/Lanznx/HealthLineBot/blob/main/healthlinebot/views.py

我在第十三行引入 openai 的官方套件，並且完成 .env 的載入

這個套件很明顯還在實驗階段，版本只出到 0.25.0

下面是官方連結，有興趣可以看看：

https://pypi.org/project/openai/

接下來就是整個程式碼最核心的部分了！！

我定義了 chatGPT 這個函式，text 是使用者回覆的訊息

然後我呼叫了 openai.Completion.create 這個函式

必填的參數只有一個，就是一定要指定 model

而我所使用的語言模型是 text-davinci-003 ，跟大家一般在網頁版所看到的並不一樣

但這部分我沒有多做研究，可能網頁版的模型已經釋出 API 讓大家玩了？

歡迎大家可以研究一下並讓我知道喔！

總之我覺得目前這個已經很厲害了

來簡單解釋一下我現在填進去的參數

model: 這個就不解釋了，可以在這裡查看所有的語言模型種類

https://beta.openai.com/docs/api-reference/models/list

prompt：使用者輸入的訊息，給模型的 input

max_tokens：模型回覆的長度

大部分的模型可以支援到 2048 個 token，就是回覆很長很多的意思！
詳細定義可以看這裡：https://beta.openai.com/tokenizer

temperature：溫度，我把它解讀為人性的「溫度」

這個參數應該是介於 0 ~ 1 之間，預設為 1
設成 0 的話模型給出的回覆會很無聊，1 的話會很更 creative，我自己是設定中庸的 0.8

最後最後，只要使用者不是輸入我們指定的字，我們就可以透過呼叫剛剛定義好的 chatGPT 這個函式來用 text-davinci-003 模型來回覆使用者囉！

第五步：部署

我使用了 docker 去做打包，所以部署起來特別的方便

如果你是沒有用過 docker 的讀者，可以參考這篇教學學習一下

https://github.com/twtrubiks/docker-tutorial

也可以用官方的連結快速安裝

https://www.docker.com/products/docker-desktop/

最後我是開放 8000 port，如果希望使用別的 port 來開通服務的話可以去改

docker-compose.yaml 當中的 8000:8000 把左邊的八千改成你想要的 port


version: '3.8'

services:
  server:
    container_name: bot
    build:
      context: .
    ports:
      - 8000:8000 // 改左邊的 8000，他代表 host_port，右邊是 container_port 不用動
    restart: always

Ngrok 的教學可以參考這篇

https://ithelp.ithome.com.tw/articles/10197345

架設 Linebot 的教學可以參考這篇

https://ithelp.ithome.com.tw/users/20117701/ironman/2634