Die Integration der ChatGPT-API mit Node.js ist eine leistungsstarke Möglichkeit, Ihrer Anwendung Funktionen zur Verarbeitung natürlicher Sprache hinzuzufügen. In diesem Beitrag erfahren Sie, wie Sie die Integration einrichten, von der Installation der erforderlichen Bibliotheken bis zur Implementierung von ChatGPT-API-Aufrufen.

1. Voraussetzungen

• Node.js auf Ihrem Computer installiert.
• Ein OpenAI-Konto und ein gültiger API-Schlüssel.
• Grundlegende Vertrautheit mit JavaScript und Node.js.

2. Abhängigkeiten installieren

Erstellen Sie zunächst ein neues Node.js-Projekt und installieren Sie die erforderlichen Abhängigkeiten. Wir werden axios verwenden, um HTTP-Anfragen zu stellen, und dotenv, um Umgebungsvariablen zu verwalten.

mkdir chatgpt-nodejs
cd chatgpt-nodejs
npm init -y
npm install axios dotenv

3. Projekt konfigurieren

Erstellen Sie in Ihrem Projektverzeichnis eine .env-Datei zum Speichern Ihres OpenAI-API-Schlüssels:

OPENAI_API_KEY=your-api-key-here

Erstellen Sie nun eine index.js-Datei und fügen Sie den Basiscode hinzu, um die Verwendung von dotenv und axios zu konfigurieren:

require('dotenv').config();
const axios = require('axios');

const apiKey = process.env.OPENAI_API_KEY;
const apiUrl = 'https://api.openai.com/v1/chat/completions';

async function getChatGPTResponse(prompt) {
    try {
        const response = await axios.post(apiUrl, {
            model: "gpt-4",
            messages: [{ role: "user", content: prompt }],
            max_tokens: 150,
        }, {
            headers: {
                'Authorization': `Bearer ${apiKey}`,
                'Content-Type': 'application/json'
            }
        });

        const reply = response.data.choices[0].message.content;
        console.log('ChatGPT:', reply);
    } catch (error) {
        console.error('Error fetching response:', error.response ? error.response.data : error.message);
    }
}

getChatGPTResponse('Olá, como você está?');

4. Den Kodex verstehen

• dotenv: Lädt Umgebungsvariablen aus der .env-Datei.
• axios: Führt einen POST-Aufruf an die ChatGPT-API durch.
• apiKey: Speichert den API-Schlüssel, der in der Anfrage verwendet wird.
• apiUrl: ChatGPT-API-URL.
• getChatGPTResponse: Asynchrone Funktion, die die Eingabeaufforderung an ChatGPT sendet und die Antwort anzeigt.

5. Ausführen des Codes

Um den Code auszuführen, führen Sie den Befehl aus:

node index.js

Wenn alles richtig konfiguriert ist, sehen Sie die ChatGPT-Antwort in der Konsole.

6. Integration anpassen

Sie können im API-Aufruf mehrere Parameter anpassen, z. B. das Modell, die Anzahl der Antworttokens (max_tokens) und sogar Kontextnachrichten in die Nachrichtenliste aufnehmen. Zum Beispiel:

const conversation = [
    { role: "system", content: "Você é um assistente útil." },
    { role: "user", content: "Me explique o que é uma API." }
];

async function getChatGPTResponse(messages) {
    try {
        const response = await axios.post(apiUrl, {
            model: "gpt-4",
            messages: messages,
            max_tokens: 150,
        }, {
            headers: {
                'Authorization': `Bearer ${apiKey}`,
                'Content-Type': 'application/json'
            }
        });

        const reply = response.data.choices[0].message.content;
        console.log('ChatGPT:', reply);
    } catch (error) {
        console.error('Error fetching response:', error.response ? error.response.data : error.message);
    }
}

getChatGPTResponse(conversation);

7. Fazit

Die Integration der ChatGPT-API in Node.js ist eine relativ einfache Aufgabe, die Ihrer Anwendung erweiterte KI-Funktionalität hinzufügen kann. Mit der Flexibilität der API können Sie alles erstellen, von Konversationsassistenten bis hin zu komplexen Systemen zur Verarbeitung natürlicher Sprache.

Probieren Sie verschiedene Eingabeaufforderungen und Einstellungen aus, um zu sehen, wie sich ChatGPT an Ihre spezifischen Bedürfnisse anpassen kann!

Dies ist ein einfaches Beispiel zum Starten der Integration. Wenn Sie mit der API vertrauter werden, können Sie erweiterte Funktionen erkunden, z. B. die Feinabstimmung von Modellen und die Verwendung komplexerer Konversationskontexte.