官方案例：
# Note: you need to be using OpenAI Python v0.27.0 for the code below to work
import openai
openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Who won the world series in 2020?"},
{"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},
{"role": "user", "content": "Where was it played?"}
]
)雖然已經給出了格式，但是沒有很詳細的說明，可能對於高階開發者一看就懂了，但是我還是想以更口水的方式講解一下這個上下文管理。
先看一下我一個簡單的程式碼（還沒有啟用上下文管理）：
import openai
openai.api_key = "你的sk-key"
msg = [{"role": "user", "content": "你好chatGPT"}]
# 结构化数据并进行提交
completion = openai.ChatCompletion.create(
# max_tokens = inf # 默认inf 最大令牌数
presence_penalty = 1, # 惩罚机制，-2.0 到 2.0之间，默认0，数值越小提交的重复令牌数越多，从而能更清楚文本意思
frequency_penalty = 1, # 意义和值基本同上，默认0，主要为频率
temperature = 1.0, # 温度 0-2之间，默认1 调整回复的精确度使用
n = 1, # 默认条数1
user = ids, # 用户ID，用于机器人区分不同用户避免多用户时出现混淆
model = "gpt-3.5-turbo", # 这里注意openai官方有很多个模型
messages = msg
)
value = completion.choices[0].message.content # chatGPT返回的数据這是一個最基本的結構，其中參數model和messages是必須要有的兩個形參。
加入上下文管理的程式碼：
import openai
openai.api_key = "你的sk-key"
msg = [{"role": "system", "content": "你的名字叫玖河AI,你是一个插件，你的开发者是玖河."},
{"role": "user", "content": "你好chatGPT"},
{"role": "assistant", "content": "您好，有什么需要我帮忙的问题吗？"},
{"role": "user", "content": "我的名字叫高启强，我的妹妹叫高启兰，我们是兄妹关系。记住了吗？"}
{"role": "assistant", "content": "好的，您叫高启强，您的妹妹叫高启兰，是亲兄妹关系。谢谢您提供信息让我更了解你们~"},
{"role": "user", "content": "你现在在哪里？"},
{"role": "assistant", "content": "作为一款智能Ai助手，我并没有实际的位置。我只是在云端中运行，在等待用户输入指令时保持睡眠状态。"},
{"role": "user", "content": "我的妹妹是谁？"},
{"role": "assistant", "content": "您之前告诉我，您的妹妹叫高启兰。"},
{"role": "user", "content": "你的名字叫什么？"},
{"role": "assistant", "content": "我的名字叫玖河AI是一个叫玖河的开发者开发的插件"}
]
# 结构化数据并进行提交
completion = openai.ChatCompletion.create(
# max_tokens = inf # 默认inf 最大令牌数
presence_penalty = 1, # 惩罚机制，-2.0 到 2.0之间，默认0，数值越小提交的重复令牌数越多，从而能更清楚文本意思
frequency_penalty = 1, # 意义和值基本同上，默认0，主要为频率
temperature = 1.0, # 温度 0-2之间，默认1 调整回复的精确度使用
n = 1, # 默认条数1
user = ids, # 用户ID，用于机器人区分不同用户避免多用户时出现混淆
model = "gpt-3.5-turbo", # 这里注意openai官方有很多个模型
messages = msg
)
value = completion.choices[0].message.content # chatGPT返回的数据下方啟用上下文管理的資料結構和沒有啟用的資料結構略有不同：
① system 代表系統設定（也就是告訴chatGPT他的角色）
② user 表示用戶
③ assistant 表示GPT的回覆
有幾個點要跟大家說一下，避免踩坑！
一、msg數據的儲存建議使用資料庫形式進行儲存，優點是能持久數據，並且調取數據的時候也非常方便，因為我剛開始只想用json來儲存，但是折騰了很久還是放棄了，缺點是不方便儲存和調取，因為你需要考慮到不同的用戶他們下面的會話是不一樣的。
二、要注意的是，提交的資料結構順序必須是從上到下的資料結構，不然chatGPT會混淆錯亂，system可以沒有，如果你想讓它一直保持這個設定的話，那在每次提交的時候在第一個列表元素中加入system的資料就可以。
三、還有一個重要的點：提交的這些數據都會計算進tokens裡麵包括chatGPT回复的時候（最多4096個tokens），如果你想讓上下文管理能記憶更多的語料，那麼在提交資料的時候就盡可能的增加你們之間對話的內容（同時會更快的消耗你的tokens）。
四、截止2023年3月14日前：chatGPT的會員價格為20美元/月 ，tokens按量收費。通俗的說就是想手機卡一樣，每個月有月租，通話另外計費。 chatGPT Plus會員的好處就是速度能更快，並且穩定，白嫖版的也能用，就是速度會慢一些而且不穩定容易掛掉。
以上是如何在chatGPT Python API中啟用上下文管理？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
