1.SpringBoot利用自定义注解实现多数据源05-21 2.SpringBoot实现限流注解05-21 3.SpringBoot整合OSS文件上传05-31 4.通用权限系统-Spring-Boot-Starter07-08 5.通用权限系统-Dozer对象转换07-09

6.SpringBoot对接OpenAI08-06

SpringBoot对接OpenAI

随着人工智能技术的飞速发展，越来越多的开发者希望将智能功能集成到自己的应用中，以提升用户体验和应用的功能。OpenAI作为一家领先的人工智能公司，提供了许多先进的自然语言处理和语言生成模型，其中包括深受欢迎的GPT-3.5模型。本文将介绍如何利用Spring Boot框架与OpenAI进行对接，为你的应用增加强大的智能能力。

1、OpenAI概述：

OpenAI是一家人工智能研究实验室，致力于构建人类水平通用人工智能。他们的GPT-3.5模型是目前最先进的自然语言处理模型之一，能够理解和生成自然语言文本。通过与OpenAI对接，你可以将这一强大的模型嵌入到你的应用中，实现自动化文本生成、智能问答、机器翻译等功能。

2、Spring Boot 简介：

Spring Boot是一个用于构建独立的、基于生产级别的Java应用程序的框架。它简化了Spring应用的开发过程，提供了一系列的工具和插件，帮助开发者快速搭建稳健的应用。通过Spring Boot，你可以轻松创建RESTful API，处理HTTP请求，以及管理应用的依赖等。

3、搭建Spring Boot项目：

环境准备：确保你已经安装了Java开发环境和Maven构建工具。
创建Spring Boot项目：使用Spring Initializr创建一个新的Spring Boot项目，选择所需的依赖，如Web、OpenAI API等。
配置OpenAI API密钥：在application.properties或application.yml文件中，设置OpenAI API的访问密钥，确保可以在项目中调用OpenAI的服务。

3.1、环境准备

这里就不多说了，直接使用maven搭建一个SpringBoot项目

3.2、引入依赖

本次案例比较简单，就是一个干净的SpringBoot项目，再引入Hutool工具包即可，下面是全部的pom.xml文件

<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0"         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">    <modelVersion>4.0.0</modelVersion>    <parent>        <groupId>org.springframework.boot</groupId>        <artifactId>spring-boot-starter-parent</artifactId>        <version>2.3.2.RELEASE</version>        <relativePath/> <!-- lookup parent from repository -->    </parent>    <groupId>com.pp.chat</groupId>    <artifactId>chatgpt-api-demo</artifactId>    <version>1.0-SNAPSHOT</version>      <dependencies>        <!-- Fastjson -->        <dependency>            <groupId>com.alibaba</groupId>            <artifactId>fastjson</artifactId>            <version>1.2.83</version>        </dependency>        <!-- HuTool工具包 -->        <dependency>            <groupId>cn.hutool</groupId>            <artifactId>hutool-all</artifactId>            <version>5.8.16</version>        </dependency>        <!-- knife4j生成接口文档 -->        <dependency>            <groupId>com.github.xiaoymin</groupId>            <artifactId>knife4j-openapi2-spring-boot-starter</artifactId>            <version>4.2.0</version>        </dependency>        <dependency>            <groupId>org.springframework.boot</groupId>            <artifactId>spring-boot-starter-web</artifactId>        </dependency>        <!-- lombok简化实体构造方法 -->        <dependency>            <groupId>org.projectlombok</groupId>            <artifactId>lombok</artifactId>        </dependency>    </dependencies></project>

3.3、配置文件

knife4j:  enable: true ChatGPT:  connect-timeout: 60000      # HTTP请求连接超时时间  read-timeout: 60000         # HTTP请求读取超时时间  variables:                  # 自定义变量:    apiKey: xxx     # 你的 OpenAI 的 API KEY    model: gpt-3.5-turbo   # ChartGPT 的模型    maxTokens: 500             # 最大 Token 数    temperature: 1         # 该值越大每次返回的结果越随机，即相似度越小

4、核心代码

4.1、项目结构

4.2、实体类

1、GPTChoice

package com.pp.chat.entity; import lombok.Data;/** * TODO 文本模型返回内容 * * @author ss_419 * @version 1.0 * @date 2023/8/5 15:47 */@Datapublic class GPTChoice {    private String text;    private Integer index;    private Message message; }

2、GPTData

package com.pp.chat.entity; import lombok.Data;   /** * TODO 图形模型返回内容 * * @author ss_419 * @version 1.0 * @date 2023/8/5 11:37 */@Datapublic class GPTData {     private String url;}

3、GPTRequest

package com.pp.chat.entity; import lombok.Data; import java.util.List; /** * TODO 问题请求体 * * @author ss_419 * @version 1.0 * @date 2023/8/5 15:47 */@Datapublic class GPTRequest {    /*** 问题*/    private String askStr;    /*** 文本回答*/    private String replyStr;    /*** 图形回答*/    private List<GPTData> replyImg;}

4、GPTResponse

package com.pp.chat.entity; import lombok.Data; import java.util.List;/** * TODO 文本模型返回响应体 * * @author ss_419 * @version 1.0 * @date 2023/8/5 15:47 */@Datapublic class GPTResponse {    private String id;    private String object;    private String created;    private String model;    private List<GPTChoice> choices; }

5、GPTImageResponse

package com.pp.chat.entity; import lombok.Data; import java.util.List; /** * TODO 图形模型返回响应体 * * @author ss_419 * @version 1.0 * @date 2023/8/5 15:47 */@Datapublic class GPTImageResponse {    private String created;    private List<GPTData> data;}

6、Message

package com.pp.chat.entity; import lombok.Data; /** * TODO 文本模型消息体 * * @author ss_419 * @version 1.0 * @date 2023/8/5 10:30 */@Datapublic class Message {    private String role;    private String content;}

4.3、业务类

ChartGPTService

package com.pp.chat.service; import com.pp.chat.entity.GPTData; import java.util.List; public interface ChartGPTService {    /**     * 调用文本模型ai     * @param prompt     * @return     */    String send(String prompt);     /**     * 调用图片模型ai     * @param prompt     * @return     */    List<GPTData> sendImg(String prompt);}

ChartGPTServiceImpl

package com.pp.chat.service.impl; import cn.hutool.http.Header;import cn.hutool.http.HttpResponse;import cn.hutool.http.HttpUtil;import cn.hutool.json.JSONObject;import cn.hutool.json.JSONUtil;import com.pp.chat.entity.*;import com.pp.chat.service.ChartGPTService;import org.springframework.beans.factory.annotation.Value;import org.springframework.stereotype.Service; import java.util.ArrayList;import java.util.HashMap;import java.util.List;import java.util.Map; @Service("chartGPTService")public class ChartGPTServiceImpl implements ChartGPTService {    @Value("${ChatGPT.variables.apiKey}")    private String apiKey;    @Value("${ChatGPT.variables.maxTokens}")    private String maxTokens;    @Value("${ChatGPT.variables.model}")    private String model;    @Value("${ChatGPT.variables.temperature}")    private String temperature;     @Override    public String send(String prompt) {        JSONObject bodyJson = new JSONObject();        Message message = new Message();        message.setContent(prompt);        message.setRole("system");        ArrayList<Message> messages = new ArrayList<>();        messages.add(message);        bodyJson.put("messages", messages);        bodyJson.put("model", model);        bodyJson.put("max_tokens", Integer.parseInt(maxTokens));        bodyJson.put("temperature", Double.parseDouble(temperature));        Map<String, Object> headMap = new HashMap<>();//        headMap.put("Authorization", "Bearer " + apiKey);        HttpResponse httpResponse =                // 官网请求，没梯子不能访问                // HttpUtil.createPost("https://api.openai.com/v1/chat/completions")                // 使用代理地址 https://api.openai-proxy.com/                HttpUtil.createPost("https://api.openai-proxy.com/v1/chat/completions")                        .header(Header.AUTHORIZATION, "Bearer " + apiKey)                        .header(Header.CONTENT_TYPE, "application/json")                        .body(JSONUtil.toJsonStr(bodyJson)).execute();        String resStr = httpResponse.body();         GPTResponse gptResponse = JSONUtil.toBean(resStr, GPTResponse.class);         return gptResponse.getChoices().get(0).getMessage().getContent().replaceAll("\\n", "");     }     @Override    public List<GPTData> sendImg(String prompt) {        JSONObject bodyJson = new JSONObject();        bodyJson.put("prompt", prompt);        bodyJson.put("n", 2);        bodyJson.put("size", "1024x1024");        Map<String, Object> headMap = new HashMap<>();        headMap.put("Authorization", "Bearer " + apiKey);        HttpResponse httpResponse =                // 官网请求，没梯子不能访问                // HttpUtil.createPost("https://api.openai.com/v1/chat/completions")                // 使用代理地址 https://api.openai-proxy.com/                HttpUtil.createPost("https://api.openai-proxy.com/v1/images/generations")                        .header(Header.AUTHORIZATION, "Bearer " + apiKey)                        .header(Header.CONTENT_TYPE, "application/json")                        .body(JSONUtil.toJsonStr(bodyJson)).execute();        String resStr = httpResponse.body();         GPTImageResponse gptResponse = JSONUtil.toBean(resStr, GPTImageResponse.class);         List<GPTData> data = gptResponse.getData();         return data;     }}

4.4、Boot启动类

Main

package com.pp.chat;  import org.springframework.boot.SpringApplication;import org.springframework.boot.autoconfigure.SpringBootApplication; /** * @author ss_419 */@SpringBootApplicationpublic class Main {    public static void main(String[] args) {        SpringApplication.run(Main.class,args);        System.out.println("Hello world!");    }}

5、测试

启动项目，使用knife4j进行接口测试

接口文档默认地址：http://localhost:8080/doc.html

5.1、测试文本模型

5.2、测试图片模型

gpt生成的图片在链接中

6、总结

通过Spring Boot与OpenAI的对接，我们可以轻松将强大的自然语言处理功能集成到我们的应用中，为用户提供更智能、更便捷的服务。同时，结合Spring Boot强大的开发能力，我们可以快速搭建出高效稳定的智能应用，满足不断变化的市场需求。未来，随着OpenAI技术的不断演进，我们将能够构建更多创新的智能应用，为用户带来更加令人惊喜的体验

文章版权归作者所有，未经允许请勿转载，侵权请联系 admin@trc20.tw 删除。

THE END

博客文章
# Spring