【OpenAI】第七节（提效实用案例）使用OpenAI API Key，实现问题分类全教程！

XinZong
252 阅读5分钟

前言

人工智能，尤其是OpenAI，已经成为现代技术的重要组成部分。然而，许多人仍然不清楚它的实际用途。今天，我将通过一个实际的例子，教你如何使用OpenAI API来实现一个完整的客户反馈问题分类系统。在用户反馈中，我们常常会收到各种各样的问题，但这些反馈的类型往往不尽如人意。虽然我们可以设定一些分类规则，但用户的反馈仍然可能会混乱不堪。这时，人工筛选和分类就显得尤为繁琐。AI的出现，可以帮助我们省去这部分人力，让团队专注于更有价值的工作。

image.png

一、文章价值

通过本教程，你将学习到：

  1. OpenAI API的基本使用方法。
  2. 如何将用户输入的内容分类为不同类型（如：bug类型、用户体验问题、用户吐槽）。
  3. 实际代码示例，帮助你快速上手。

使用OpenAI的API来实现问题分类，不仅可以提高工作效率，还能帮助团队更好地理解用户需求。本文将详细讲解如何使用OpenAI的API实现问题分类，并探讨其优点和应用场景。💡

二、OpenAI的优势

在实现问题分类之前，让我们先了解一下使用OpenAI的优点：

  1. 高效性：OpenAI的模型经过大量数据训练，能够快速理解和处理自然语言，减少人工干预的需求。
  2. 准确性：通过深度学习，OpenAI能够提供高准确率的分类结果，帮助团队更好地识别问题。
  3. 灵活性：API支持多种输入格式和输出类型，可以根据需求进行定制化。
  4. 实时性：使用流式输出，可以实时获取分类结果，提升用户体验。

image.png

三、准备OpenAI API Key

OpenAI API Key如何获取，我们在之前的文章内已经讲过了，所以不知道怎么获取的小伙伴，可以直接在这里查看教程！

点击这里：【OpenAI】第一节（OpenAI API）获取OpenAI API KEY的两种方式，开发者必看全方面教程！

四、环境准备

我们该示例是用的Python代码来实现的。

在开始之前，请确保已经安装了openai库。如果没有安装，可以通过以下命令进行安装：

pip install openai

步骤一：创建OpenAI客户端

首先，我们需要创建一个OpenAI客户端，并配置API密钥和基础URL。以下是创建客户端的代码：

from openai import OpenAI

# 创建OpenAI客户端
client = OpenAI(
    api_key="your_api_key",  # 你自己创建的Key
    base_url="your_base_url"  # 你的base_url
)

请将your_api_key替换为你的实际API Key密钥。 请将your_base_ur替换为你的实际base_url。

image.png

步骤二：定义API调用函数

接下来，我们定义一个函数api，用于调用OpenAI的API，并处理输入内容。这个函数会接受一个参数content，即用户输入的内容。

def api(content):
    print()
    # 这里是系统提示词
    sysContent = f"请对下面的内容进行分类，并且描述出对应分类的理由。你只需要根据用户的内容输出下面几种类型：bug类型,用户体验问题，用户吐槽." \
                 f"输出格式:[类型]-[问题:{content}]-[分析的理由]"
    response = client.chat.completions.create(
        messages=[
        	# 把系统提示词传进来sysContent
            {'role': 'system', 'content': sysContent},
            # 把用户提示词传进来content
            {'role': 'user', 'content': content},
        ],
        # 这是模型
        model='gpt-3.5-turbo',
        stream=True
    )

    for chunk in response:
        print(chunk.choices[0].delta.content, end="", flush=True)

在这个函数中：

  1. 我们构建了一个系统消息sysContent，该消息指引模型如何对用户输入进行分类。
  2. 使用client.chat.completions.create方法调用OpenAI的API。
  3. 使用stream=True参数以流式输出的方式处理响应。
  4. 遍历响应的每个chunk并打印结果。

步骤三：测试API调用

最后，我们在__main__块中调用api函数，并传入要分类的内容。你可以替换content的值以测试不同的输入。

if __name__ == '__main__':
	
    # content = "这个功能不好用啊"  # 这是用户问题
    # content = "这个按钮点击后打不开"  # 这是用户问题
    content = "这个页面不太好看"  # 这是用户问题
    api(content)

五、完整代码

以下是完整的代码：

from openai import OpenAI

# 创建OpenAI客户端
client = OpenAI(
    api_key="your_api_key_here",
    base_url="http://api.aihao123.cn/luomacode-api/open-api/v1"
)

def api(content):
    print()
    sysContent = f"请对下面的内容进行分类，并且描述出对应分类的理由。你只需要根据用户的内容输出下面几种类型：bug类型,用户体验问题，用户吐槽." \
                 f"输出格式:[类型]-[问题:{content}]-[分析的理由]"
    response = client.chat.completions.create(
        messages=[
            {'role': 'system', 'content': sysContent},
            {'role': 'user', 'content': content},
        ],
        model='gpt-3.5-turbo',
        stream=True
    )

    for chunk in response:
        print(chunk.choices[0].delta.content, end="", flush=True)

if __name__ == '__main__':
    # content = "这个功能不好用啊"
    # content = "这个按钮点击后打不开"
    content = "这个页面不太好看"
    api(content)

下面是输出结果:

content = "这个功能不好用啊"

[用户体验问题]-[问题:这个功能不好用啊]-用户反馈功能存在使用上的困难或不便利，影响用户体验。

content = "这个按钮点击后打不开"

[bug]-[问题:这个按钮点击后打不开]-[用户描述了一个明显的功能异常，按钮点击后应该打开对应的页面或执行相应的操作，但实际上却没有任何反应，这符合bug类型的特征。]

content = "这个页面不太好看"

[用户体验问题]-[问题:这个页面不太好看]-用户提到页面不太好看，属于用户体验问题，可能涉及到页面设计、颜色搭配等方面。

既然结果出来了，我们就可以利用代码把分类好的内容进行总结，或者再利用AI进行分析，实现一个全自动化的功能，提升我们的效率。

六、结语

通过以上步骤，你已经学会了如何使用OpenAI的API对用户输入的内容进行分类，并输出分析理由。你可以根据实际需求修改分类类型和分析逻辑，以适应不同的应用场景。🌟

希望这篇文章能帮助你在项目中更好地利用OpenAI的强大功能！如果你有任何问题或建议，欢迎在评论区留言，我们一起探讨！💬

avatar
文章
阅读
粉丝