将以上三个代码合并优化
时间: 2024-06-09 20:09:45 浏览: 3
以下是一个将以上三个代码合并优化的示例:
```python
import openai
import requests
import json
# 设置 OpenAI API 密钥
openai.api_key = "YOUR_API_KEY"
# 设置 CSDN ChatGPT 接口地址
csdn_chatgpt_url = "http://csdn_chatgpt.com/api/chat"
# 发送请求获取 CSDN ChatGPT 的回复
def get_csdn_chatgpt_reply(prompt):
response = requests.post(csdn_chatgpt_url, json={"prompt": prompt})
return response.json()["result"]
# 发送请求获取 OpenAI ChatGPT 的回复
def get_openai_chatgpt_reply(prompt):
model_engine = "text-davinci-002"
response = openai.Completion.create(
engine=model_engine,
prompt=prompt,
max_tokens=1024,
n=1,
stop=None,
temperature=0.7,
)
return response.choices[0].text.strip()
# 对话循环
while True:
# 获取用户输入
prompt = input("You: ")
# 获取 CSDN ChatGPT 的回复
csdn_reply = get_csdn_chatgpt_reply(prompt)
# 如果 CSDN ChatGPT 的回复不为空,则使用它作为回复
if csdn_reply:
print("CSDN ChatGPT:", csdn_reply)
else:
# 获取 OpenAI ChatGPT 的回复
openai_reply = get_openai_chatgpt_reply(prompt)
# 输出 OpenAI ChatGPT 的回复
print("OpenAI ChatGPT:", openai_reply)
```
这个示例将 CSDN ChatGPT 和 OpenAI ChatGPT 集成到了一个对话循环中,并且优先使用 CSDN ChatGPT 的回复,只有当它的回复为空时才会使用 OpenAI ChatGPT 的回复。这样可以更好地利用两个模型的优势,提高对话质量。同时,还通过使用 requests 库和 json 库发送和解析 HTTP 请求,简化了代码。