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？
这里我就简单带过了，可以看我之前的文章，引入过程大同小异。
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);
model: “gpt-3.5-turbo”,
messages: [{role: “user”, content: “Hello world”, name: “sanwu”}],
});
接口返回的信息在这里
model 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等模型可以选中。
ENDPOINTMODEL NAME/v1/chat/completionsgpt-4, gpt-4-0314, gpt-4-32k, gpt-4-32k-0314, gpt-3.5-turbo, gpt-3.5-turbo-0301/v1/completionstext-davinci-003, text-davinci-002, text-curie-001, text-babbage-001, text-ada-001/v1/editstext-davinci-edit-001, code-davinci-edit-001/v1/audio/transcriptionswhisper-1/v1/audio/translationswhisper-1/v1/fine-tunesdavinci, curie, babbage, ada/v1/embeddingstext-embedding-ada-002, text-search-ada-doc-001/v1/moderationstext-moderation-stable, text-moderation-latest
messages 这里是定义发起消息者的角色定位、姓名、具体消息内容。
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。
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 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，会快速消耗配额的。
stream 是否返回部分进度。
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，将停止生成并返回结果。
max_tokens 生成结果时的最大 tokens 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 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。
以上就是openai createChatCompletion函数使用实例的详细内容，更多关于openai createChatCompletion函数的资料请关注脚本之家其它相关文章！
相关文章
