人工智能（AI）最近一直在掀起波澜，ChatGPT的Chat completions彻底改变了互联网。
你可以用它做很多事情：起草电子邮件或其他文章，回答关于一组文件的问题，创建对话代理，给你的软件一个自然语言界面，辅导各种科目，翻译语言，等等。本教程使用Chat completions功能建立一个AI聊天应用程序的基本知识，使每个程序员都能轻松上手。它并不像看起来那样艰难。在你跟随本教程时，你会看到这一点。
您将学到以下内容：
- 如何只用Node.js创建一个CLI聊天应用程序。
- 如何只用React建立一个聊天应用。
- 如何结合React和Node.js来创建更好的聊天AI软件。
本教程将以 gpt-3.5-turbo 模型为基础。
前提条件
本教程需要JavaScript、CSS、React和Node.js的基本知识。你还需要一个OpenAI平台的账户，chatGPT就在这个平台上。它是免费的，所以你可以在这里创建一个。
如何用Node.js创建一个CLI聊天AI应用程序
本节将重点介绍创建一个只在终端使用Node.js运行的聊天应用程序。
首先，为该项目创建一个目录：
mkdir nodejs-chatgpt-tutorial
导航到该文件夹：
cd nodejs-chatgpt-tutorial
初始化该项目：
npm init -y
这将创建一个 package.json 文件来跟踪项目的细节
在该文件中添加以下一行代码：
"type": "module"
这将使你能够使用ES6模块的导入语句。用以下命令安装OpenAI：
npm i openai
创建一个文件，所有的代码都在其中。命名为 index.js：
touch index.js
从OpenAI模块导入 Configuration 和 OpenAIApi ，从 readline 模块导入readline：
import { Configuration, OpenAIApi } from "openai"; import readline from "readline";像这样建立OpenAI的配置：
const configuration = new Configuration({ organization: "org-0nmrFWw6wSm6xIJXSbx4FpTw", apiKey: "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", });这段代码创建了一个 Configuration 对象的新实例。在它里面，你将输入你的 organization 和 apiKey 的值。你可以在设置中找到你的组织的详细信息，在API密钥中找到你的apiKey信息。如果你没有现有的API Key，你可以创建它。在配置后输入以下代码，创建一个新的OpenAI API实例：
const openai = new OpenAIApi(configuration);
你将在整个项目中使用它。
输入下面的代码来测试 createChatCompletion 函数：
openai .createChatCompletion({ model: "gpt-3.5-turbo", messages: [{ role: "user", content: "Hello" }], }) .then((res) => { console.log(res.data.choices[0].message.content); }) .catch((e) => { console.log(e); });这段代码调用 createChatCompletion 函数，触发一个端点（ https://api.openai.com/v1/chat/completions ）。该函数接受一个参数对象（使用中的chatGPT model 和用户与AI之间的 messages 数组。我们将在下一节中研究如何使用 messages 数组来保存聊天历史并改进应用程序）。每个消息都是一个对象，包含 role（即谁发送了该消息。如果是来自人工智能，该值可以是助理，如果是来自人类的消息，该值可以是用户）和 content（发送的信息）。最后，代码打印了来自人工智能的响应（ res.data.choice[0].message.content ）。用这个命令在终端运行该文件：
node index
这将在几秒钟后返回人工智能的响应。这就是创建聊天机器人的全部内容！但通过请求用户输入信息而不是将信息内容硬编码到代码中，使应用程序更具互动性将是很有帮助的。readline模块将在这方面帮助我们。要使其具有互动性，请删除你最后输入的代码，并添加以下内容：
const userInterface = readline.createInterface({ input: process.stdin, output: process.stdout, });这段代码在终端创建了一个用户界面，允许用户输入他们的问题。
接下来，用下面的代码提示用户输入一个信息：
userInterface.prompt();
最后，输入以下代码：
userInterface.on("line", async (input) => { await openai .createChatCompletion({ model: "gpt-3.5-turbo", messages: [{ role: "user", content: input }], }) .then((res) => { console.log(res.data.choices[0].message.content); userInterface.prompt(); }) .catch((e) => { console.log(e); }); });在上面的代码中
- 当用户输入东西并点击 Enter 时，上面的代码会触发一个回调函数。
- 它将用户输入的任何内容作为 input。
- input 的内容现在被用作 content。
- 在显示人工智能的响应后，在 then 块中提示用户输入另一条信息。
查看GitHub上的所有代码。运行该文件并与人工智能进行对话。它将看起来像下面的图片：
与AI的CLI聊天
很好! 这是一个交互式CLI聊天。这对少数人（如工程师）很有用，但它有很好的安全性，因为它是在服务器端。但其他可能不了解如何使用CLI应用程序的人呢？他们将需要一些更容易使用的、具有更好的用户界面（UI）和用户体验（UX）的东西。下一节将重点介绍使用React构建这种应用程序。
如何使用React创建一个聊天应用程序
本节旨在帮助前端开发者快速掌握ChatGPT API，以创建一个聊天应用程序，并构建一个更好的用户界面，给用户带来更好的体验。你可以把在这里获得的知识应用于其他前端框架或库。
首先要做的是设置一个基本的React模板。我将使用Vite来实现这一目的。你可以用Vite来搭建任何现代JavaScript前端项目的脚手架。使用下面的命令：
npm create vite@latest
该命令将提示你为你的项目创建一个名称和文件夹，并选择一个框架或库（本教程使用React）。之后，你将导航到该文件夹，并运行以下命令：
npm install npm run dev
这些命令将安装必要的依赖性，并在 5173 端口启动本地服务器，接下来，用以下命令安装OpenAI：
npm i openai
这个模块提供了我们创建聊天应用程序所需的所有权限。现在我们准备开始写代码了！导航到 src/App.jsx 文件，删除其所有内容。然后添加以下导入语句：
import { useState } from "react"; import { Configuration, OpenAIApi } from "openai";上面的代码导入了用于设置配置值的 Configuration 和用于让我们访问Chat completions的 OpenAIApi 。之后，像这样建立配置：
const configuration = new Configuration({ organization: "org-0nmrFWw6wSm6xIJXSbx4FpTw", apiKey: "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", });这段代码创建了一个 Configuration 对象的新实例。在它里面，你输入你的 organization 和 apiKey 的值。你可以在设置中找到你的组织的详细信息，你的apiKey信息在API密钥中。如果你没有现有的API密钥，你可以创建它。在配置后输入以下代码，创建一个新的OpenAI API实例：
const openai = new OpenAIApi(configuration);
我们将在整个项目中使用它。创建并导出一个默认函数：
function App() { return (Chat AI Tutorial
); } export default App;这个函数将容纳其余的代码。在 return 语句之前设置以下状态：
const [message, setMessage] = useState(""); const [chats, setChats] = useState([]); const [isTyping, setIsTyping] = useState(false);- message 将保存从应用程序发送至人工智能的信息。
- chats 数组将记录双方（用户和人工智能）发送的所有信息。
- isTyping 变量将通知用户，机器人是否正在打字。
在h1标签下输入以下几行代码
{isTyping ? "Typing" : ""}
上面的代码将显示 Typing ，只要用户在等待AI的响应。创建一个表单，用户可以在其中输入信息，将下面的代码添加到 main 元素中：
这段代码创建了一个有一个输入的表单。每当点击 Enter 键提交表单时，就会触发 chat 函数。聊天函数将接受两（2）个参数（e 和 message），像这样：
const chat = async (e, message) => { }在该函数中输入以下几行：
e.preventDefault(); if (!message) return; setIsTyping(true);
上面的代码防止 form 重新加载网页，检查提交前是否输入了信息，并将 isTyping 设置为 true ，以表明应用程序已经开始处理所提供的输入。ChatGPT有一个信息的格式。它采取以下模式：
{role: user | assistant, content: message to be sent每条信息（content）都必须显示谁发送的。当聊天是来自人工智能时，角色是 assistant，但如果是来自人类，则是 user 。因此，在发送消息之前，一定要正确地格式化它，并像这样把它添加到数组（chats）中：
let msgs = chats; msgs.push({ role: "user", content: message }); setChats(msgs); setMessage("");上面的最后一行清除了输入，以便用户输入另一个音符。现在我们将通过使用下面的代码触发 createChatCompletion 函数来调用 createChatCompletion 端点：
await openai .createChatCompletion({ model: "gpt-3.5-turbo", messages: [ { role: "system", content: "You are a EbereGPT. You can help with graphic design tasks", }, ...chats, ], })createChatCompletion 函数至少需要两（2）个参数（model 和 messages）：
- 模型指定了正在使用的chatGPT的版本。
- 消息是迄今为止用户和人工智能之间的所有消息的列表，以及一个系统消息，让人工智能了解它能提供什么样的帮助。
{ role: "system", content: "You are a EbereGPT. You can help with graphic design tasks", }你可以把内容改成任何适合你的东西。messages 不一定要在数组中包含一个以上的对象。它可以只是一条消息。但是当它是一个数组时，它提供了一个消息历史，人工智能可以依靠它在未来给出更好的回复，而且它使用户打字更少，因为可能没有必要一直过度描述。 createChatCompletion 函数返回一个承诺。所以使用 then...catch... 块来获取响应。
.then((res) => { msgs.push(res.data.choices[0].message); setChats(msgs); setIsTyping(false); }) .catch((error) => { console.log(error); });这段代码将从人工智能返回的消息添加到聊天数组中，并将 isTyping 设置为 false ，表示人工智能已经完成了回复。你现在应该在每次发送消息时收到反馈（Typing）：
聊天应用程序在人工智能即将作出反应时给予反馈
现在是显示聊天历史给用户看的时候了。在 h1 标签下面输入以下代码：
{chats && chats.length ? chats.map((chat, index) => ( {chat.role.toUpperCase()} : {chat.content}
)) : ""}上面的代码循环浏览 chats ，并将它们一个接一个地显示给用户。它把 role 的大写字母和消息的 content 并排输出。以下是输出结果的样子：
聊天机器人在没有CSS的情况下按预期工作
这看起来很酷！但添加一些造型会让它看起来像WhatsApp或Messenger一样吸引人。用以下内容替换 src/index.css 文件的内容：
:root { font-family: Inter, system-ui, Avenir, Helvetica, Arial, sans-serif; line-height: 1.5; font-weight: 400; color-scheme: light dark; color: rgba(255, 255, 255, 0.87); background-color: #242424; font-synthesis: none; text-rendering: optimizeLegibility; -webkit-font-smoothing: antialiased; -moz-osx-font-smoothing: grayscale; -webkit-text-size-adjust: 100%; } h1 { font-size: 3.2em; line-height: 1.1; text-align: center; position: sticky; top: 0; background-color: #242424; } main{ max-width: 500px; margin: auto; } p{ background-color: darkslategray; max-width: 70%; padding: 15px; border-radius: 50px; } p span{ margin: 5px; } p span:first-child{ margin-right: 0; } .user_msg{ text-align: right; margin-left: 30%; display: flex; flex-direction: row-reverse; } .hide { visibility: hidden; display: none; } form{ text-align: center; position: sticky; bottom: 0; } input{ width: 100%; height: 40px; border: none; padding: 10px; font-size: 1.2rem; } input:focus{ outline: none; }并删除 src/App.css 文件中的所有样式。
你可以在GitHub上找到完整的代码。现在应用程序应该有一个新的外观：
聊天机器人如期使用CSS工作
用React和ChatGPT创建一个聊天机器人的工作就这样结束了。它并不像听起来那么困难。但像这样的前端应用最好是用于演示，而不是生产。这样创建应用程序的问题是，前端将API密钥暴露给网络攻击。
要解决这个问题，明智的做法可能是将API Key和Organisation Id保存在云端某个安全的地方并引用它，或者为你的应用程序建立一个具有更好安全性的后端。下面的部分将致力于解决这个问题。
如何结合React和Node.js来创建一个全栈式的聊天AI软件
本节现在将加入前几节的力量，建立一个更安全的应用程序，同时表现出更好的用户界面和用户体验。
我们将改进Node部分，使用服务器来暴露一个端点供前端使用，并简化前端与后台的交互，而不是直接联系OpenAI。
如何设置项目
这一部分将创建项目所需的文件夹和文件。创建项目目录：
mkdir react-node-chatgpt-tutorial
导航到该文件夹：
cd react-node-chatgpt-tutorial
使用Vite安装React，并将文件夹命名为 frontend 。使用这个命令：
npm create vite@latest
之后，你将浏览到该文件夹并运行以下命令：
npm install npm run dev
这些命令将安装必要的依赖，并在 5173 端口启动本地服务器。创建后台文件夹：
mkdir backend
现在导航到后端文件夹，用这个命令初始化项目：
npm init -y
这将创建一个 package.json 文件来跟踪项目的细节。在该文件中添加以下一行代码：
"type": "module"
这将使ES6模块导入语句的使用成为可能。用下面的命令安装OpenAI和其他依赖项：
npm i openai body-parser cors express
创建一个文件，所有的代码都在其中。命名为 index.js ：
touch index.js
这就完成了项目的设置。现在有两个文件夹（frontend 和 backend）。
如何搭建服务器
这一部分将着重于创建一个本地服务器，以监听 8000 端口。
首先要做的是像这样导入必要的模块：
import { Configuration, OpenAIApi } from "openai"; import express from "express"; import bodyParser from "body-parser"; import cors from "cors";接下来，设置 express 、监听 port、用于接收输入的 body-parser 以及允许前端和后端自由通信的 cors 。使用下面的代码：
const app = express(); const port = 8000; app.use(bodyParser.json()); app.use(cors());
最后，输入以下代码：
app.listen(port, () => { console.log(`listening on port ${port}`); });这就完成了服务器的设置。当你运行 index.js 时，你应该得到以下输出：
listening on port 8000
如何创建端点
在这一部分，我们将建立一个端点，该端点将使用请求体接收来自前端的消息，并向调用者返回一个响应。开始时，我们要像前几节那样建立配置参数：
const configuration = new Configuration({ organization: "org-0nmrFWw6wSm6xIJXSbx4FpTw", apiKey: "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", }); const openai = new OpenAIApi(configuration);接下来，使用下面的代码创建一个异步POST路由：
app.post("/", async (request, response) => { });这个端点将使用 http://localhost:8000/，在回调函数中，输入以下代码，从请求体（ request.body ）接收 chats 的输入：
const { chats } = request.body;现在像我们在React部分做的那样，调用 createChatCompletion 端点：
const result = await openai.createChatCompletion({ model: "gpt-3.5-turbo", messages: [ { role: "system", content: "You are a EbereGPT. You can help with graphic design tasks", }, ...chats, ], });这里的区别是，我们没有使用 then...catch... 块，而是将其分配给一个变量（ result ），并使用 response.json() 返回响应，如以下代码：
response.json({ output: result.data.choices[0].message, });在GitHub上找到这部分的代码。以下是在Postman上测试时的输出：
来自Postman的输出
代码的后端部分就这样结束了。下一部分将使用刚刚创建的端点（ http://localhost:8000/ ）连接前端和后端。
如何从前端连接到后端
这一部分把我们带到前台，在那里我们将创建一个表单。该表单将通过API端点向后端发送消息，并通过相同的媒介接收响应。导航到 frontend/src/App.jsx 文件并输入以下代码：
import { useState } from "react"; function App() { const [message, setMessage] = useState(""); const [chats, setChats] = useState([]); const [isTyping, setIsTyping] = useState(false); const chat = async (e, message) => { e.preventDefault(); if (!message) return; setIsTyping(true); let msgs = chats; msgs.push({ role: "user", content: message }); setChats(msgs); setMessage(""); alert(message); }; return (FullStack Chat AI Tutorial
{chats && chats.length ? chats.map((chat, index) => ( {chat.role.toUpperCase()} : {chat.content}
)) : ""}{isTyping ? "Typing" : ""}
这段代码与上一节的代码相似。但我们删除了OpenAI的配置，因为我们在本节中不再需要它们。
在这一点上，每当表单被提交时，就会弹出一个警报。这一点一会儿就会改变。在聊天函数中，去掉 alert 信息，然后输入以下内容：
fetch("http://localhost:8000/", { method: "POST", headers: { "Content-Type": "application/json", }, body: JSON.stringify({ chats, }), }) .then((response) => response.json()) .then((data) => { msgs.push(data.output); setChats(msgs); setIsTyping(false); }) .catch((error) => { console.log(error); });上面的代码调用了我们创建的端点，并传入 chats 数组供其处理。然后它返回一个响应，该响应被添加到 chats 中并显示在用户界面上：
样式设计前的全栈聊天UI
如果你在 frontend/src/index.css 文件中添加以下样式，UI会看起来更好：
:root { font-family: Inter, system-ui, Avenir, Helvetica, Arial, sans-serif; line-height: 1.5; font-weight: 400; color-scheme: light dark; color: rgba(255, 255, 255, 0.87); background-color: #242424; font-synthesis: 无; text-rendering: optimizeLegibility; -webkit-font-smoothing: antialiased; -moz-osx-font-smoothing: grayscale; -webkit-text-size-adjust: 100%; } html, body{ scroll-behavior: smooth; } h1 { font-size: 3.2em; line-height: 1.1; text-align: center; position: sticky; top: 0; background-color: #242424; } main{ max-width: 800px; margin: auto; } p{ background-color: darkslategray; max-width: 70%; padding: 15px; border-radius: 50px; } p span{ margin: 5px; } p span:first-child{ margin-right: 0; } .user_msg{ text-align: right; margin-left: 30%; display: flex; flex-direction: row-reverse; } .hide { visibility: hidden; display: none; } form{ text-align: center; position: sticky; bottom: 0; } input{ width: 100%; height: 40px; border: none; padding: 10px; font-size: 1.2rem; background-color: rgb(28, 23, 23); } input:focus{ outline: none; }并删除 frontend/src/App.css 文件中的所有样式。
这一部分的代码在GitHub上。现在，这里是最终的输出：
全栈式聊天机器人如期使用CSS工作
恭喜你完成了这个项目！全栈聊天机器人的工作更多，但它帮助我们分离了关注点，建立了一个更安全和有吸引力的应用程序，并为用户提供了更好的体验。所以，这些努力是值得的。你可以在GitHub上找到这一部分的代码。
小结
本教程希望向你展示，任何具有基本编程知识的人都可以构建人工智能驱动的软件。你学会了如何使用React和Nodejs构建一个聊天机器人，我们还讨论了每种技术的利弊。最后，我们建立了一个既实用、安全又有视觉吸引力的解决方案。读完本教程后，你现在可以探索AI的功能，如图像处理和音频互动。花点时间浏览一下文档，看看你可以如何扩展我们在这里涉及的内容。