将上述代码写成一个通用得工具类

好的，可以先定义一个 Python 类，可以接收输入的文本，然后使用预训练的 GPT 模型生成 AI 回复，最后将回复输出。以下是一个简单的实现：

import torch
from transformers import GPT2LMHeadModel, GPT2Tokenizer

class GPTChatbot:
    def __init__(self):
        self.tokenizer = GPT2Tokenizer.from_pretrained('gpt2')
        self.model = GPT2LMHeadModel.from_pretrained('gpt2')
        self.device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
        self.model.to(self.device)
        self.model.eval()

    def generate_response(self, input_text):
        input_ids = self.tokenizer.encode(input_text, return_tensors='pt').to(self.device)
        sample_output = self.model.generate(
            input_ids,
            do_sample=True, 
            max_length=50, 
            top_k=50, 
            top_p=0.95, 
            num_return_sequences=1
        )
        response = self.tokenizer.decode(sample_output[0], skip_special_tokens=True)
        return response

这个类中，我们首先使用 `GPT2Tokenizer` 和 `GPT2LMHeadModel` 类来加载 GPT 模型和分词器。然后，我们可以使用 `generate_response` 方法接收用户输入，并使用 GPT 模型生成 AI 回复。在 `generate_response` 方法中，我们先将输入文本编码为 token ID，并使用 `model.generate()` 方法生成 AI 回复。回复以 token ID 的形式返回，我们可以使用分词器将其转换为文本，并返回 AI 回复。

你可以使用以下代码测试这个工具类：

chatbot = GPTChatbot()

while True:
    user_input = input('User: ')
    response = chatbot.generate_response(user_input)
    print('AI: ' + response)

这个代码将启动一个命令行聊天程序，你可以不断地输入问题，然后 AI 将回答你的问题。