［AIGC］学会调用OpenAI 体验成为跨境电商'超级个体'【小白篇】学会使用OpenAI 轻松成为 ”跨境电商超

开启跨境电商第一步

前段时间在有一个很火的儿童玩具，那么对于我们这样的新手想要在国外出售卖类似儿童玩具该明确哪些因素呢？

1.首先就是调研市场，确定你要售卖的商品和你想要售卖的地区

2.将语言转换翻译成你售卖地区的官方语言（AI代码）

3.合理定价（用openai大模型扮演经济学家给出合理定价）

4.写文案（给OpenAI提供prompt，prompt engineer）

认识OpenAI

AI应用

大都是基于其提供的大模型，也是其最值钱的内容

在这里我们选择OPENAI的达芬奇模型常量，因为其擅长文本处理

花销

每当我们向AI询问问题并得到答案其实都要消耗AI应用的tokens（算力）

简而言之，越简单的问题消耗的tokens越少，越有价值的问题询问所花费的tokens越多

API_KEY

即 API 密钥，我们每个人都可以生成一个自己的API_KEY，也可以借用别人的。它是赋予某种形式的秘密令牌的名称，与 Web 服务（或类似的）请求一起提交以识别请求的来源。

准备工作（工具）

一个Google账号（www.google.com/）

一个OpenAI账号（openai.com/）

打开OpenAI输入我们写的模板得到输出结果

生成一个APIKey (在下面会告诉大家步骤)

Colab网站：（colab.research.google.com/notebooks/w…

在Colab中输入另一个模板得到最终结果

OpenAI模板

首先打开OpenAI然后输入

Consideration product:工厂现货PVC充气青蛙夜市地摊热卖充气玩具发光蛙儿童水上玩具

Compose human readable product title used on Amazon in english within 20 words

Write 5 selling points for the products in Amazon

Evaluat a price range for this product in U.S

Output the result in json format with three properties called title, selling_points and price_range

图片.png

OpenAI的输出如下

{

"title": "Factory Stock PVC Inflatable Frog Night Market Bestselling Glow-in-the-Dark Frog Children's Water Toy",

"selling_points": [

"High-Quality PVC Material",

"Unique Glow-in-the-Dark Feature",

"Perfect for Night Markets and Stalls",

"Fun and Safe Water Play for Kids",

"Ready to Ship from the Factory"

"price_range": " $15.99 -$ 24.99"

}

图片.png

创建一个API Key

在我们的OpenAI界面登录

图片.png

点击进入API页面

图片.png

浏览 API Key

图片.png

生成一个API Key 并且复制下来

图片.png

Colab 模板

import openai

openai.api_key = "输入你的API_Key" #openai 的sdk

COMPLETION_MODEL = "text-davinci-003" #模型常量 达芬奇 完成

# 输出的格式(openai 模板)

prompt = """

Consideration product:工厂现货PVC充气青蛙夜市地摊热卖充气玩具发光蛙儿童水上玩具

1.Compose human readable product title used on Amazon in english within 20 words

2.Write 5 selling points for the products in Amazon

3.Evalue a price range for this product in U.S

Output the result in json format with three properties called title,

selling points and price_range

"""

# 定义函数

def get_response(prompt):

    completions = openai.Completion.create(

        engine=COMPLETION_MODEL, # 模型

        prompt = prompt, # 提示词

        max_tokens=512, #省点

        n = 1, # 1条

        stop = None,

        temperature = 0.0  # 自由发挥度 0-2

    )

    # print(completions)

    message = completions.choices[0].text

    return message
    
print(get_response(prompt))