网页版chatgpt的api在哪找使用Cloudlare配置openai转发并部署网页版ChatGPT

2,507 0 0

使用配置转发并部署网页版

众所周知, 在国内访问有各种各样的麻烦, 各种代理的 IP 被封也就算了, 乱登录可能账号都难保, 尤其是现在毛子的电话号码网站没了的情况. 实在是无法忍受代理粗糙的性能, 我决定在自己的电脑上搭建一个网页版的 , 通过调用 API 实现大部分的功能, 且全程合法合规, 甚至不会用到 VPS.

大致的思路分为两步: 首先的 API 是无法直接访问的, 其次拿到了 API 相当于是最底层的接口, 直接用 POST 方法人工操作显然很愚蠢且麻烦, 需要套一层壳.

注意, 这两步都一定要亲自实现, 否则会有极大的安全问题. 因为所有的 POST 方法都会把内容明文传输. 我记得前段时间明文传输密码的 P大树洞还出来洗地说 HTTPS 保障了安全, 简直是无稽之谈. HTTPS 只能保证端到端的安全, 甚至连访问的 IP 都清晰可见, 两端肯定是要解密的呀. 要是用了别人的 API 代理, 对方可以直接看到你的 API Key 以及所有的问答内容; 要是用了别人的前端这些信息依然可见. 如果别人不怀好意使用你的 Key 耗费了大量的 Token, 根本找不到人哭.

利用中转 API

虽然的 API 是无法直接访问, 这个调用比直接上网页版的限制还是宽松得多. 解铃还须系铃人, 既然选择了使用来做网页防护和 IP 鉴定, 我们干脆直接让帮我们做这个代理.

帮助我们实现了这个功能. 其核心思想是在中设置一个无服务器的服务, 执行一些简单的功能.

创建一个, 代码部分填充如下:

网页版chatgpt的api在哪找使用Cloudlare配置openai转发并部署网页版ChatGPT

const TELEGRAPH_URL = 'https://api.openai.com';

addEventListener('fetch', event => {
  event.respondWith(handleRequest(event.request))
})

async function handleRequest(request) {
  const url = new URL(request.url);
  url.host = TELEGRAPH_URL.replace(/^https?:///, '');

  const modifiedRequest = new Request(url.toString(), {
    headers: request.headers,
    method: request.method,
    body: request.body,
    redirect: 'follow'
  });

  const response = await fetch(modifiedRequest);
  const modifiedResponse = new Response(response.body, response);

  // 添加允许跨域访问的响应头
  modifiedResponse.headers.set('Access-Control-Allow-Origin', '*');

  return modifiedResponse;
}

右边会显示 404, 但是没关系这是正常现象.

部署之后, 在中设置自己想要的 URL, 方便我们调用.

直接访问这个链接的访问如下:

{
  "error": {
    "message": "Invalid URL (GET /)",
    "type": "invalid_request_error",
    "param": null,
    "code": null
  }
}

这是因为我们调用时并没有传入合法的参数, 如果真的需要, 可以使用以下代码测试代理是否工作:

网页版chatgpt的api在哪找使用Cloudlare配置openai转发并部署网页版ChatGPT

url = "https://[your trigger URL]/v1/chat/completions"
api_key = 'sk-xxxxxxxxxxxxxxxxxxxx'

model_engine = "gpt-3.5-turbo" 
prompt = "介绍一下你自己" 
role = "user"
response = requests.post( "https://[your trigger URL]/v1/chat/completions", 
     headers={ "Authorization": "Bearer {}".format(api_key), "Content-Type": "application/json", }, 
    json={"model": "gpt-3.5-turbo", "messages": [{"role": role, "content": prompt}]}, ) 
try:
    print(response.json()['choices'][0]['message']['content'])
except:
    print(response.json())

有一点值得注意, 就是在官方文档中你可以看到两类模型, 一类是 GPT3.5, 另一类是 , 两类的调用参数和 URL 都不一样. 一般来说建议使用 gpt-3.5-turbo, 因为这个模型能节省大多的 Token.

这里再给一个达芬奇模型的例子:

import requests 
api_key ='sk-xxxxxxxxxxxxxxxxxxxx' 
model_engine = "text-davinci-003" 
prompt = "What is DataFrame concat function？" 
response = requests.post( "https://[your trigger URL]/v1/completions", 
     headers={ "Authorization": "Bearer {}".format(api_key), "Content-Type": "application/json", }, 
    json={ "model": model_engine, "prompt": prompt, "max_tokens": 256, "temperature": 0.5, }, ) 
try:
    print(response.json()["choices"][0]['text'])
except:
    print(response.json())