我把ChatGPT拉到微信群里来了,都可以对AI提问了!
一、前言:用的很爽!
自从小傅哥用上 ChatGPT 连搜索引擎用的都不多了,很多问题的检索我第一时间都会想到去 ChatGPT 提问试试。它的回答既非常准确又没有一堆广告,对于研发人员来说使用 ChatGPT 简直是个宝贝。
它能给你编写简单的工程案例代码,它能回答你没有缺少思路的疑难问题,它也能帮你优化你需要内卷的 PPT 话术!哈哈哈,但当然它也有不能干的,比如让它手写个 MyBatis,它告诉我:
ChatGPT:是GPT(Generative Pre-training Transformer,生成预训练转换器)语言模型的一种变体,专门设计用于响应会话风格的提示生成类人文本。ChatGPT是在一个大型的人类对话数据集上训练的,并使用这种训练来生成对自然语言提示的适当和连贯的响应。ChatGPT可用于为聊天机器人、虚拟助理和其他会话系统生成文本,并能够生成广泛的响应,包括对问题的简单回答、对需要更复杂推理或解释的提示的响应,以及旨在幽默或吸引人的响应。
从 ChatGPT 中,我似乎感受到了,哪些是它的价值,哪些是我的价值。那些重复没有意义的工作终究会被不断地蚕食和取代。
但这样的一个好东西,还有很多研发人员没有体验过,实在不应该。毕竟这个东西与以往很多智能机器人相比,那些都像智障一样。所以小傅哥找了些资料,把ChatGPT部署成微信聊天机器人,拉到群里,让粉丝伙伴体验下。
二、教程:如何部署
1. 镜像文件
在 Github 上已经有了非常多的大神提供了如何把 ChatGPT 接入微信聊天的方式,主要是 TypeScript、Go 语言开发的。基本这些也都能部署使用。这里小傅哥还看到Docker中有镜像:cynen/wechat 部署起来也非常方便,接下来小傅哥就使用这种方式进行部署。其他 Github中的方式,有感兴趣的读者也可以尝试部署。Github 搜索:ChatGPT wechat
2. 注册账号
ChatGPT 暂时还不支持国内的账号注册,所以需要申请虚拟点好号码进行注册。如下步骤如果你能访问并申请,那么就可以体验 ChatGPT 了。
sms-activate.org - 注册虚拟电话号码[如图] 【多服务、印度、openAI】,账号用支付宝充值2块钱就可以。
beta.openai.com/signup - 注册账号,注册过程中会让你填写你的虚拟电话号,并在1中的地址里收取验证码。
chat.openai.com/auth/login - 注册完成后登录,就可以和ai对话了。
3. API keys 申请
openai 是提供了接入的 API keys 的,只有在申请了这个 API keys 才能完成后续的接入动作。
地址:https://beta.openai.com/account/api-keys
说明:点击进入后,点击 Create new secret key 就可以申请了。申请后会复制你的 SECRET KEY,复制后关闭弹窗即可。
4. 镜像部署
这里小傅哥选择使用 Docker 镜像的方式部署一个微信聊天机器人。你可以自己本地安装 Docker 也可以在京东云、阿里云、百度云、腾讯云等购买云服务器的方式进行部署。
进入 Docker 后,你需要完成如下操作;
# 创建目录 mkdir /data/openai # 创建文件 touch config.json # 修改文件 vi config.json { "api_key": "复制粘贴你申请的API keys", # openai的 账户创建的apikeys "auto_pass": false, # 加好友时,是否自动通过 "model": "text-davinci-003",# 模型名称,官网有很多模型 "session_timeout": 90# ession保存时间 秒,其实就是上下文保留时间. 超过这个时间,就会自动清空上下文 } # 拉取镜像 docker run -dti --name wechat -v /data/openai/config.json:/app/config.json cynen/wechat # 登录微信 docker logs -f wechat
当你启动 cynen/wechat 运行 docker logs -f wechat 就可以看到弹出一个微信的扫码登录。这个时候你可以用自己的一个微信扫码登录,登录完成后你可以与这个微信聊天或者拉群里就可以了。
5. 运行效果
微信群聊
后台日志
咋样,是不是还挺有意思的,而且非常的聪明!
如果你自己不能部署一个这样的机器人,也可以添加小傅哥的微信,进群体验下。
以上是我把ChatGPT拉到微信群里来了,都可以对AI提问了!的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

DALL-E 3 于 2023 年 9 月正式推出,是比其前身大幅改进的型号。它被认为是迄今为止最好的人工智能图像生成器之一,能够创建具有复杂细节的图像。然而,在推出时,它不包括

DDREASE是一种用于从文件或块设备(如硬盘、SSD、RAM磁盘、CD、DVD和USB存储设备)恢复数据的工具。它将数据从一个块设备复制到另一个块设备,留下损坏的数据块,只移动好的数据块。ddreasue是一种强大的恢复工具,完全自动化,因为它在恢复操作期间不需要任何干扰。此外,由于有了ddasue地图文件,它可以随时停止和恢复。DDREASE的其他主要功能如下:它不会覆盖恢复的数据,但会在迭代恢复的情况下填补空白。但是,如果指示工具显式执行此操作,则可以将其截断。将数据从多个文件或块恢复到单

0.这篇文章干了啥?提出了DepthFM:一个多功能且快速的最先进的生成式单目深度估计模型。除了传统的深度估计任务外,DepthFM还展示了在深度修复等下游任务中的最先进能力。DepthFM效率高,可以在少数推理步骤内合成深度图。下面一起来阅读一下这项工作~1.论文信息标题:DepthFM:FastMonocularDepthEstimationwithFlowMatching作者:MingGui,JohannesS.Fischer,UlrichPrestel,PingchuanMa,Dmytr

谷歌力推的JAX在最近的基准测试中性能已经超过Pytorch和TensorFlow,7项指标排名第一。而且测试并不是在JAX性能表现最好的TPU上完成的。虽然现在在开发者中,Pytorch依然比Tensorflow更受欢迎。但未来,也许有更多的大模型会基于JAX平台进行训练和运行。模型最近,Keras团队为三个后端(TensorFlow、JAX、PyTorch)与原生PyTorch实现以及搭配TensorFlow的Keras2进行了基准测试。首先,他们为生成式和非生成式人工智能任务选择了一组主流

在iPhone上面临滞后,缓慢的移动数据连接?通常,手机上蜂窝互联网的强度取决于几个因素,例如区域、蜂窝网络类型、漫游类型等。您可以采取一些措施来获得更快、更可靠的蜂窝互联网连接。修复1–强制重启iPhone有时,强制重启设备只会重置许多内容,包括蜂窝网络连接。步骤1–只需按一次音量调高键并松开即可。接下来,按降低音量键并再次释放它。步骤2–该过程的下一部分是按住右侧的按钮。让iPhone完成重启。启用蜂窝数据并检查网络速度。再次检查修复2–更改数据模式虽然5G提供了更好的网络速度,但在信号较弱

哭死啊,全球狂炼大模型,一互联网的数据不够用,根本不够用。训练模型搞得跟《饥饿游戏》似的,全球AI研究者,都在苦恼怎么才能喂饱这群数据大胃王。尤其在多模态任务中,这一问题尤为突出。一筹莫展之际,来自人大系的初创团队,用自家的新模型,率先在国内把“模型生成数据自己喂自己”变成了现实。而且还是理解侧和生成侧双管齐下,两侧都能生成高质量、多模态的新数据,对模型本身进行数据反哺。模型是啥?中关村论坛上刚刚露面的多模态大模型Awaker1.0。团队是谁?智子引擎。由人大高瓴人工智能学院博士生高一钊创立,高

特斯拉机器人Optimus最新视频出炉,已经可以在厂子里打工了。正常速度下,它分拣电池(特斯拉的4680电池)是这样的:官方还放出了20倍速下的样子——在小小的“工位”上,拣啊拣啊拣:这次放出的视频亮点之一在于Optimus在厂子里完成这项工作,是完全自主的,全程没有人为的干预。并且在Optimus的视角之下,它还可以把放歪了的电池重新捡起来放置,主打一个自动纠错:对于Optimus的手,英伟达科学家JimFan给出了高度的评价:Optimus的手是全球五指机器人里最灵巧的之一。它的手不仅有触觉

多模态文档理解能力新SOTA!阿里mPLUG团队发布最新开源工作mPLUG-DocOwl1.5,针对高分辨率图片文字识别、通用文档结构理解、指令遵循、外部知识引入四大挑战,提出了一系列解决方案。话不多说,先来看效果。复杂结构的图表一键识别转换为Markdown格式:不同样式的图表都可以:更细节的文字识别和定位也能轻松搞定:还能对文档理解给出详细解释:要知道,“文档理解”目前是大语言模型实现落地的一个重要场景,市面上有很多辅助文档阅读的产品,有的主要通过OCR系统进行文字识别,配合LLM进行文字理
