首先导入open_ai key

import openai
import os
from dotenv import load_dotenv, find_dotenv
# 导入第三方库_ = load_dotenv(find_dotenv())
# 读取系统中的环境变量openai.api_key  = os.getenv('OPENAI_API_KEY')
# path1.api_key = os.getenv('path')
print(openai.api_key)
# print(path1.api_key)
# 设置 API_KEY

定义promt函数

# 一个封装 OpenAI 接口的函数，参数为 Prompt，返回对应结果
def get_completion(prompt, model="gpt-3.5-turbo"):'''prompt: 对应的提示model: 调用的模型，默认为 gpt-3.5-turbo(ChatGPT)，有内测资格的用户可以选择 gpt-4'''messages = [{"role": "user", "content": prompt}]response = openai.ChatCompletion.create(model=model,messages=messages,temperature=0, # 模型输出的温度系数，控制输出的随机程度)# 调用 OpenAI 的 ChatCompletion 接口return response.choices[0].message["content"]

策略：提供少量示例

即在要求模型执行实际任务之前，提供给它少量成功执行任务的示例。

例如，在以下的示例中，我们告诉模型其任务是以一致的风格回答问题，并先给它一个孩子和一个祖父之间的对话的例子。孩子说，“教我耐心”，祖父用这些隐喻回答。因此，由于我们已经告诉模型要以一致的语气回答，现在我们说“教我忘我的爱”，由于模型已经有了这个少样本示例，它将以类似的语气回答下一个任务。

prompt = f"""
你的任务是以一致的风格回答问题。<孩子>: 教我耐心。<祖父母>: 挖出最深峡谷的河流源于一处不起眼的泉眼；最宏伟的交响乐从单一的音符开始；最复杂的挂毯以一根孤独的线开始编织。<孩子>: 教我爱至忘我，举例圣方济各的爱。
"""
response = get_completion(prompt)
print(response)

输出：

他的爱是无私的、包容的、慈悲的。他曾经说过：“我们必须爱我们的邻居如同自己一样，如果我们爱我们的邻居，我们就会为他们祈祷，为他们服务，为他们牺牲。”这就是爱至忘我的真正含义，它不是自私的，而是关注他人的需要和幸福。