通过ChatGPT做一个终端对话玩具（xx再也不怕我xx了）

　　引导篇
　　从去年12月初了解到  ChatGPT ，也注册了账号，但是一直没去使用（真是太懒了）。
　　相信大家就算没使用过，也听闻过它的传说，简单来说就是一个解答性聊天机器人。
　　最近呢，有几位朋友也一直在向我咨询一些  ChatGPT  的问题，想了想还是做个小应用，带各位来了解并使用上ChatGPT 。
　　声明一下，此篇文章真不是用  ChatGPT  生成的。注册篇
　　已经有很多大佬来介绍这个注册方式了，我简单的说一下步骤吧。 准备好科学上网的节点（香港、越南的不行）； 在 https://sms-activate.org/ 验证码平台上充值个1$； 去 https://chat.openai.com/auth/login 通过邮箱注册（推荐谷歌直接注册）； 在验证码平台上找一个  openai  的验证码服务（最便宜的是印尼的，有效期20分钟）；输入验证码平台上的手机号进行验证； 等待验证码出现，粘贴之后即可完成注册； 可以直接在 https://platform.openai.com/account/api-keys 生成  apiKey ;实战篇
　　本次做的小工具，是一个终端对话助手。通过用户的输入内容，让  ChatGPT  进行识别回答并输出。
　　效果图
　　准备工作
　　初始化 yarn init -y
　　安装插件 openai （对话功能）inquirer （处理命令行输入等操作）cli-spinner （Loading效果）
　　准备  openai  的 apiKey 对接 OpenAI
　　引入 openai，并且写一个调用入口函数。 const { Configuration, OpenAIApi } = require(＂openai＂);  async function main() {     // 创建 openai 配置     const configuration = new Configuration({         apiKey: ＂apiKey＂     });     // 初始化 openai     const openai = new OpenAIApi(configuration);     const { data: { choices } } = await openai.createCompletion({         model: ＂text-davinci-003＂, // 对话机器人模型         prompt: ＂js 是什么？＂, // 问题         temperature: 0.5, // 准确性的概率，0是最精准的         max_tokens: 150, // 输出内容长度         top_p: 1.0, // 避免重复和不相关的内容         frequency_penalty: 0.0, // 控制语言模型中出现的词语频率，惩罚         presence_penalty: 0.0, // 控制语言模型中出现的词语频率，惩罚     })     console.log(choices[0].text); // 输出的内容 }  main()
　　输出的结果如下图
　　这一步已经将  openai  对接完了。
　　让用户配置和提问
　　我们需要让用户提问，不应该直接将问题写在文件里，缺少与用户之间的交互。
　　这时候  inquirer  出现了，它是一个命令行交互工具，可以做很多事情，比如各种 cli  的一些问题及选择配置的方式，如 VueCli  的创建的这种多选、单选它都可以做到。
　　使用方式也很简单 const { prompt } = await inquirer.prompt({     type: ＂input＂, // 可以是 password｜list 等     name: ＂prompt＂, // 定义的字段名     message: ＂请输入问题＂, // 提示信息 });  console.log(＂输入的内容 =>>>＂, prompt)
　　现在可以拿到用户的输入内容了，我们就可以做很多事情了。 获取用户输入的  apiKey ；获取用户选择的对话机器人模型； 获取用户提问内容； 引入&定义配置const inquirer = require(＂inquirer＂); // 定义一个配置 config const config = Object.create(null); const fs = require(＂fs＂); 写入 Key 到文件
　　让用户输入密钥，为了持久化存储，我选择直接创建文件来进行存  key ，以免每次都需要重新输入。// 判断文件是否存在 const keysIsExist = fs.existsSync(＂openai_keys＂); // 如果不存在 if (!keysIsExist) {     const { apiKey } = await inquirer.prompt({         type: ＂password＂,         name: ＂apiKey＂,         message: ＂请输入 Open AI 的 Key＂,     })      // 覆盖写入     fs.writeFile(＂openai_keys＂, apiKey.trim(), { flag: ＂w＂ }, (err) => {         if (err) console.error(err)         else main() // 重新执行     }) } else {    // 存在此文件直接读取赋值给 config.apiKey     fs.readFile(＂openai_keys＂, (err, data) => {         if (err) {             console.error(err)             return         }         config.apiKey = data.toString();     }) }
　　WX20230301-005129@2x.png 让用户选择机器人const { model } = await inquirer.prompt({     type: ＂list＂,     name: ＂model＂,     message: ＂请选择对话机器人＂,     choices: [         { name: ＂text-ada-001＂, value: ＂text-ada-001＂ },         { name: ＂text-curie-001＂, value: ＂text-curie-001＂ },         { name: ＂text-babbage-001＂, value: ＂text-babbage-001＂ },         { name: ＂text-davinci-003＂, value: ＂text-davinci-003＂ },     ],     default: ＂text-davinci-003＂ }) config.model = model;
　　WX20230301-005157@2x.png 让用户提问const { prompt } = await inquirer.prompt({     type: ＂input＂,     name: ＂prompt＂,     message: ＂请输入问题＂, });
　　WX20230301-005214@2x.png 加个 Loading 效果
　　因为  openai  响应有点慢，所以为了减少蕉绿，引入了 cli-spinner const Spinner = require(＂cli-spinner＂).Spinner; // %s 会被下面的 ▂ ▃ ▄ ▅ ▆ ▇ █ 替代，是个占位符 const spinner = new Spinner(＂Loading.. %s＂); // 这里是loading字符，按照这个顺序去渲染 spinner.setSpinnerString(＂▂ ▃ ▄ ▅ ▆ ▇ █＂);
　　在请求 openai 之前调用// 请求开始 spinner.start(); // 请求完成之后暂停 spinner.stop(true); // 参数 bool ，是否需要清除输出内容 全部代码
　　终于完结撒花了，现在已经是凌晨一点半了。 const { Configuration, OpenAIApi } = require(＂openai＂); const inquirer = require(＂inquirer＂); const fs = require(＂fs＂); const config = Object.create(null); const Spinner = require(＂cli-spinner＂).Spinner; const spinner = new Spinner(＂Loading.. %s＂); spinner.setSpinnerString(＂▂ ▃ ▄ ▅ ▆ ▇ █＂);  async function main() {   // 判断文件是否存在   const keysIsExist = fs.existsSync(＂openai_keys＂);   if(!keysIsExist) {     const { apiKey } = await inquirer.prompt({       type: ＂password＂,       name: ＂apiKey＂,       message: ＂请输入 Open AI 的 Key＂,     })      // 覆盖写入     fs.writeFile(＂openai_keys＂, apiKey.trim(), { flag: ＂w＂ }, (err) => {       if (err) console.error(err)       else main()     })   } else {     fs.readFile(＂openai_keys＂, (err, data) => {       if (err) {         console.error(err)         return       }       config.apiKey = data.toString();     })   }   const { model } = await inquirer.prompt({   type: ＂list＂,   name: ＂model＂,   message: ＂请选择对话机器人＂,   choices: [    { name: ＂text-ada-001＂, value: ＂text-ada-001＂ },    { name: ＂text-curie-001＂, value: ＂text-curie-001＂ },    { name: ＂text-babbage-001＂, value: ＂text-babbage-001＂ },    { name: ＂text-davinci-003＂, value: ＂text-davinci-003＂ },   ],   default: ＂text-davinci-003＂  })  config.model = model;    const { apiKey } = config;  console.log(＂33[42;30m LGOIN 33[40;32m 登录成功33[0m＂);  const configuration = new Configuration({   apiKey  });  config.openai = new OpenAIApi(configuration);  start() }  async function start() {  const { model } = config;  const { prompt } = await inquirer.prompt({   type: ＂input＂,   name: ＂prompt＂,   message: ＂请输入问题＂,  });  if(!prompt.trim()) {   start()   return false  }  try {   spinner.start();   const { data: { choices } } = await config.openai.createCompletion({    model,    prompt,    temperature: 0.5,    max_tokens: 150,    top_p: 1.0,    frequency_penalty: 0.0,    presence_penalty: 0.0,   })   const answer = choices[0]?.text?.replace(/ +/g, ＂＂);   spinner.stop(true);   console.log(＂33[32mOpen AI：＂ + answer?.trim() + ＂33[0m＂);   start()  } catch (error) {   spinner.stop(true);   console.log(error);  }  }  main();