python做一个chatgpt，不要openai库

要创建一个能够与用户进行对话的 ChatGPT，需要使用一些 Python 库来实现自然语言处理和机器学习功能。虽然可以在 Python 中使用多种库来完成此任务，但是以下是一种可能的方法，使用 NLTK 和 TensorFlow 库。

首先，安装必要的库：NLTK 和 TensorFlow。

pip install nltk tensorflow

接下来，下载 GPT-2 模型并加载到 TensorFlow 中。可以使用 GitHub 上的 [gpt-2-simple](https://github.com/minimaxir/gpt-2-simple) 库来完成这个任务。在下载和加载模型之前，需要安装 TensorFlow 1.x 版本。

!pip install tensorflow==1.15
!pip install gpt-2-simple
import gpt_2_simple as gpt2

model_name = "117M"
gpt2.download_gpt2(model_name=model_name)
sess = gpt2.start_tf_sess()
gpt2.load_gpt2(sess, model_name=model_name)

现在可以编写一个函数，该函数将接收用户输入并使用 GPT-2 模型生成响应。该函数使用 NLTK 库中的 tokenizer 将用户输入拆分为单词，并将其传递给 GPT-2 模型，以生成响应。生成的响应还需要使用 NLTK 库的 sentence tokenizer 进行后处理，以确保生成的文本具有良好的语法和流畅性。

import nltk
nltk.download('punkt')
from nltk.tokenize import sent_tokenize, word_tokenize

def generate_response(input_text):
    # Tokenize input text into sentences
    sentences = sent_tokenize(input_text)

    # Generate response for each sentence
    response = ""
    for sentence in sentences:
        # Tokenize sentence into words
        words = word_tokenize(sentence)

        # Generate response using GPT-2 model
        generated_text = gpt2.generate(sess, model_name=model_name, prefix=" ".join(words), length=100, temperature=0.7, nsamples=1, batch_size=1, return_as_list=True)[0]

        # Add generated response to overall response
        response += generated_text

    # Tokenize response into sentences
    response_sentences = sent_tokenize(response)

    # Join response sentences into a single string
    response_text = " ".join(response_sentences)

    return response_text

最后，编写一个 while 循环，该循环不断从用户接收输入，并使用 generate_response 函数生成响应。循环会在用户输入 "exit" 时退出。

while True:
    # Get user input
    input_text = input("You: ")

    # Exit if user input is "exit"
    if input_text.lower() == "exit":
        break

    # Generate response
    response_text = generate_response(input_text)

    # Print response
    print("ChatGPT: " + response_text)

这就是一个简单的 ChatGPT 的实现，它使用 NLTK 和 TensorFlow 库来处理自然语言和机器学习任务。