class OpenaiClassifier():
def __init__(self, api_keys):
openai.api_key = api_keys['Openai']
def get_ratings(self, review):
prompt = f"Rate the following review as an integer from 1 to 5, where 1 is the worst and 5 is the best: \"{review}\""
response = openai.Completion.create(
engine="text-davinci-003",
prompt=prompt,
n=1,
max_tokens=5,
temperature=0.5,
top_p=1
)
try:
rating = int(response.choices[0].text.strip())
return rating
except ValueError:
return None我想知道/v1/completions和/v1/chat/completions端点之间的主要区别是什么，以及如何使用这些模型进行文本分类：gpt-4、gpt-4-0314、gpt-4-32k、gpt-4-32k-0314、gpt-3.5-turbo、gpt-3.5-turbo-0301
3条答案
按热度按时间r1zhe5dt1#
/completions端点提供单个****提示的完成，并接受单个字符串作为输入，而/chat/completions提供给定对话的响应，并要求输入与消息历史对应的特定格式。如果你想使用聊天gpt模型，你需要使用
/chat/completionsAPI，但你的请求必须调整。qc6wkl3g2#
奥列格的答案是好的和正确的，但更完整的答案是：
/v1/完成终点适用于旧型号，如DeVinci。它是一个非常强大的模型，可以获取指令并生成输出。
/v1/chat/completions API用于较新的聊天模型（正如Oleg提到的）。GPT-3.5-Turbo很棒，因为它可以做DeVinci能做的一切，但它更便宜（成本的1/10），缺点是-要让它和DeVinci执行相同的操作，它可能需要更大的输入，输入可能更复杂。
当你给予例子时，聊天模型表现最好。
对于DeVinci（或其他基于/v1/completions API的模型），输入看起来像一条指令：“以风为主题创作两到三句简短的恐怖故事。”
对于聊天模型，输入将看起来像聊天：
输出为chat的完成。例如：
The wind howled through the night, shaking the windows of the house with a sinister force. As I stepped outside, I could feel it calling out to me, beckoning me to follow its chilling path.这是一个real example from OpenAI documentation（我添加了一些关于指令API的上下文）。
因此，需要考虑的要点是：
fdbelqdn3#
根据我的使用经验，有一些不同
1.后端型号不同：请参阅doc：
1.角色选择：在
/chat/completions中，您可以选择不同的角色{user，assistant，system}，当您希望模型始终保持在某个上下文中时，系统角色很有帮助，例如，系统可能是：You are a customer service。1.追加会话：在
/chat/completions中，您可以以会话的方式输入更长的上下文，例如，您可以转到{“role”：“user”，“content”：“我是彼得”} {“role”：“user”，“content”：“喂，彼得！“} {“role”：“user”，“content”：“我叫什么名字？“}
你可以不断地附加对话，让模型记住你以前的对话，当你想应用它来构建有记忆的聊天机器人时，这是非常有用和重要的。虽然这也可以在
/completions端点中完成，但它不是显式的。总的来说，我认为从长远来看，
/chat/completions端点是要走的路。