建立與設定 Firebase Realtime database
參考「建立 Firebase RealTime Database」教學,建立一個 Firebase Realtime database。
參考「設定 Firebase RealTime Database 安全規則」教學,將讀取和寫入的規則都設為 true。
參考「串接 Firebase RealTime Database 存取資料」教學,安裝 Python 的 firebase 函式庫。
<code class="language-py hljs python">pip install git+https://github.com/ozgur/python-firebase </code>
ChatGPT 使用 text-davinci-003 模型
參考「ChatCPT 串連上下文語句」教學中的 text-davinci-003 模型範例,加入 Firebase Realtime database 儲存對話紀錄,如此一來就能在再次開啟時,記得上一次所講的對話。
<code class="language-py hljs python"><span class="hljs-keyword">import</span> openai openai.api_key = <span class="hljs-string">'你的 API Key'</span> <span class="hljs-keyword">from</span> firebase <span class="hljs-keyword">import</span> firebase url = <span class="hljs-string">'https://XXXXXXXXX.firebaseio.com'</span> fdb = firebase.FirebaseApplication(url, <span class="hljs-literal">None</span>) <span class="hljs-comment"># 初始化 Firebase Realtime database</span> chatgpt = fdb.get(<span class="hljs-string">'/'</span>,<span class="hljs-string">'chatgpt'</span>) <span class="hljs-comment"># 取的 chatgpt 節點的資料</span> <span class="hljs-keyword">if</span> chatgpt == <span class="hljs-literal">None</span>: messages = <span class="hljs-string">''</span> <span class="hljs-comment"># 如果節點沒有資料,訊息內容設定為空</span> <span class="hljs-keyword">else</span>: messages = chatgpt <span class="hljs-comment"># 如果節點有資料,使用該資料作為歷史聊天記錄</span> <span class="hljs-keyword">while</span> <span class="hljs-literal">True</span>: msg = input(<span class="hljs-string">'me > '</span>) <span class="hljs-keyword">if</span> msg == <span class="hljs-string">'!reset'</span>: message = <span class="hljs-string">''</span> fdb.delete(<span class="hljs-string">'/'</span>,<span class="hljs-string">'chatgpt'</span>) <span class="hljs-comment"># 如果輸入 !reset 就清空歷史紀錄</span> print(<span class="hljs-string">'ai > 對話歷史紀錄已經清空!'</span>) <span class="hljs-keyword">else</span>: messages = <span class="hljs-string">f'<span class="hljs-subst">{messages}</span><span class="hljs-subst">{msg}</span>\n'</span> <span class="hljs-comment"># 在輸入的訊息前方加上歷史紀錄</span> response = openai.Completion.create( model=<span class="hljs-string">'text-davinci-003'</span>, prompt=messages, max_tokens=<span class="hljs-number">128</span>, temperature=<span class="hljs-number">0.5</span> ) ai_msg = response[<span class="hljs-string">'choices'</span>][<span class="hljs-number">0</span>][<span class="hljs-string">'text'</span>].replace(<span class="hljs-string">'\n'</span>,<span class="hljs-string">''</span>) <span class="hljs-comment"># 取得 ChatGPT 的回應</span> print(<span class="hljs-string">'ai > '</span>+ai_msg) messages = <span class="hljs-string">f'<span class="hljs-subst">{messages}</span>\n<span class="hljs-subst">{ai_msg}</span>\n\n'</span> <span class="hljs-comment"># 在訊息中加入 ChatGPT 的回應</span> fdb.put(<span class="hljs-string">'/'</span>,<span class="hljs-string">'chatgpt'</span>,messages) <span class="hljs-comment"># 更新資料庫資料</span> </code>
執行程式後,就算重新啟動程式,ChatGPT 也會記得過去的聊天內容 ( 例如說還記得名字 )
進入 Firebase Realtime database 也能看到歷史紀錄的資料。
ChatGPT 使用 gpt-3.5-turbo 模型
參考「ChatCPT 串連上下文語句」教學中的 gpt-3.5-turbo3 模型範例,加入 Firebase Realtime database 儲存對話紀錄,如此一來就能在再次開啟時,記得上一次所講的對話。
<code class="language-py hljs python"><span class="hljs-keyword">import</span> openai openai.api_key = <span class="hljs-string">'你的 API Key'</span> <span class="hljs-keyword">from</span> firebase <span class="hljs-keyword">import</span> firebase url = <span class="hljs-string">'https://XXXXXXXXXXX.firebaseio.com'</span> fdb = firebase.FirebaseApplication(url, <span class="hljs-literal">None</span>) <span class="hljs-comment"># 初始化 Firebase Realtimr database</span> chatgpt = fdb.get(<span class="hljs-string">'/'</span>,<span class="hljs-string">'chatgpt'</span>) <span class="hljs-comment"># 讀取 chatgpt 節點中所有的資料</span> <span class="hljs-keyword">if</span> chatgpt == <span class="hljs-literal">None</span>: messages = [] <span class="hljs-comment"># 如果沒有資料,預設訊息為空串列</span> <span class="hljs-keyword">else</span>: messages = chatgpt <span class="hljs-comment"># 如果有資料,訊息設定為該資料</span> <span class="hljs-keyword">while</span> <span class="hljs-literal">True</span>: msg = input(<span class="hljs-string">'me > '</span>) <span class="hljs-keyword">if</span> msg == <span class="hljs-string">'!reset'</span>: fdb.delete(<span class="hljs-string">'/'</span>,<span class="hljs-string">'chatgpt'</span>) <span class="hljs-comment"># 如果輸入 !reset 就清空 chatgpt 的節點內容</span> messages = [] print(<span class="hljs-string">'ai > 對話歷史紀錄已經清空!'</span>) <span class="hljs-keyword">else</span>: messages.append({<span class="hljs-string">"role"</span>:<span class="hljs-string">"user"</span>,<span class="hljs-string">"content"</span>:msg}) <span class="hljs-comment"># 將輸入的訊息加入歷史紀錄的串列中</span> response = openai.ChatCompletion.create( model=<span class="hljs-string">"gpt-3.5-turbo"</span>, max_tokens=<span class="hljs-number">128</span>, temperature=<span class="hljs-number">0.5</span>, messages=messages ) ai_msg = response.choices[<span class="hljs-number">0</span>].message.content.replace(<span class="hljs-string">'\n'</span>,<span class="hljs-string">''</span>) <span class="hljs-comment"># 取得回應訊息</span> messages.append({<span class="hljs-string">"role"</span>:<span class="hljs-string">"assistant"</span>,<span class="hljs-string">"content"</span>:ai_msg}) <span class="hljs-comment"># 將回應訊息加入歷史紀錄串列中</span> fdb.put(<span class="hljs-string">'/'</span>,<span class="hljs-string">'chatgpt'</span>,messages) <span class="hljs-comment"># 更新 chatgpt 節點內容</span> print(<span class="hljs-string">f'ai > <span class="hljs-subst">{ai_msg}</span>'</span>) </code>
執行程式後,就算重新啟動程式,ChatGPT 也會記得過去的聊天內容 ( 例如說還記得名字 )
進入 Firebase Realtime database 也能看到歷史紀錄的資料。
小結
透過 Firebase Realtime database,就能非常方便快速地儲存 ChatGPT 的聊天記錄,並讓 ChatGPT 能夠分辨上下文,是相當不錯的功能!但仍然要注意的是,回傳歷史紀錄會造成 ChatGPT 的 token 數量暴增,一但超過免費額度就要開始收費囉。