OpenAI ప్లాట్‌ఫారమ్ నుండి API కీని రూపొందిస్తోంది
పైథాన్‌లో OpenAI APIని ఉపయోగించడానికి, మేము OpenAI ప్లాట్‌ఫారమ్ నుండి రహస్య API కీని పొందాలి. కాబట్టి, మేము OpenAI వెబ్‌సైట్‌కి వెళ్తాము.
మేము లింక్‌పై క్లిక్ చేసినప్పుడు వెబ్‌సైట్ యొక్క ఇంటర్‌ఫేస్ కనిపిస్తుంది.
సైన్ అప్ చేయడానికి మరియు లాగిన్ చేయడానికి బటన్లు ఉన్నాయి. మీకు ఇప్పటికే నడుస్తున్న ఖాతా ఉన్నప్పుడు మీరు లాగిన్ చేయవచ్చు. ఒకవేళ మీకు OpenAIలో ఖాతా లేకుంటే, మీరు సైన్అప్ ఎంపిక ద్వారా కొత్త ఖాతా కోసం నమోదు చేసుకోవచ్చు.
కొత్త ఖాతాకు ఎలా నమోదు చేసుకోవాలో ఇక్కడ మేము ప్రదర్శిస్తాము. మీరు మీ Gmail, Apple, Microsoft లేదా ఏదైనా ఇతర ఖాతాను ఉపయోగించి నమోదు చేసుకోవచ్చు.
ఇమెయిల్ చిరునామాను అందించిన తర్వాత, 'కొనసాగించు' బటన్‌ను నొక్కండి. మీ OpenAI ఖాతా కోసం పాస్‌వర్డ్ తప్పనిసరిగా తదుపరి స్క్రీన్‌లో నమోదు చేయాలి. కొనసాగించే ముందు, మీరు మీ ఖాతాను తప్పనిసరిగా ప్రామాణీకరించాలి. ధృవీకరణ పూర్తయిన వెంటనే, మీరు లాగిన్ పేజీకి దారి మళ్లించబడతారు. ఇమెయిల్ మరియు పాస్‌వర్డ్ వంటి అవసరమైన సమాచారాన్ని అందించడం ద్వారా లాగిన్ అవ్వండి.
మీరు మీ ఖాతాకు లాగిన్ చేసిన తర్వాత, మీరు మీ ప్రాథమిక సమాచారాన్ని అందించాల్సిన చోట మరొక ఫారమ్ కనిపిస్తుంది (ఇది మునుపటి స్నాప్‌షాట్‌లో చూడవచ్చు) ఆపై 'కొనసాగించు' నొక్కండి.
మీ ఫోన్ నంబర్‌ను ప్రామాణీకరించాల్సిన చివరి ధృవీకరణ దశ వస్తుంది. ఫోన్ నంబర్‌ను పూరించండి. ధృవీకరణ ప్రయోజనాల కోసం మీరు తదుపరి స్క్రీన్‌లో టైప్ చేయాల్సిన కోడ్ మీరు అందించిన నంబర్‌కు పంపబడుతుంది కాబట్టి చెల్లుబాటు అయ్యే ఫోన్ నంబర్‌ను అందించినట్లు నిర్ధారించుకోండి.
ధృవీకరణ పూర్తయిన వెంటనే, మీరు క్రింది జోడించిన స్నాప్‌షాట్‌లో చూడగలిగే కొత్త ఇంటర్‌ఫేస్‌కి మళ్లించబడతారు:
మేము మా ఖాతాలోకి విజయవంతంగా సైన్ ఇన్ చేసాము.
API కీని సృష్టించడం క్రింది దశ. ఎగువ కుడి మూలలో, మీరు దానిపై క్లిక్ చేయడం ద్వారా ఖాతా ప్రొఫైల్‌ను పరిశీలించవచ్చు.
మునుపటి స్నాప్‌షాట్‌లో చూపబడిన ఎంపికల జాబితా నుండి, 'View API కీలు' ఎంపికకు నావిగేట్ చేయండి.
కొత్త విండోలో, “కొత్త రహస్య కీని సృష్టించు” ఎంపికను మనం చూడవచ్చు. ఈ బటన్‌ను టిక్ చేయడం ద్వారా కనిపించడానికి డైలాగ్ బాక్స్ యాక్టివేట్ అవుతుంది.
మీ కీకి పేరు పెట్టండి. ఇక్కడ, మేము దానిని 'డమ్మీ కీ' అని పేరు పెట్టాము. ఆపై, కొనసాగడానికి “రహస్య కీని సృష్టించు” బటన్‌ను నొక్కండి.
మీరు బటన్‌ను నొక్కినప్పుడు, మీకు రహస్య API కీ అందించబడుతుంది. ఈ కీ పైన ఇవ్వబడిన నిరాకరణ ఉంది, ఇది ఈ కీని ఒకసారి మాత్రమే వీక్షించగలదని పేర్కొంది. కాబట్టి, OpenAI ఖాతా నుండి దాన్ని మళ్లీ తిరిగి పొందలేము కనుక మనం దానిని ఎక్కడో కాపీ చేయాలి. మనం దానిని ఎలాగైనా పోగొట్టుకుంటే, కొత్తది ఉత్పత్తి చేయడమే ఏకైక మార్గం.
కాబట్టి, మేము ఈ రహస్య కీని భవిష్యత్తు ఉపయోగం కోసం సురక్షితంగా నిల్వ చేసాము.
మునుపటి చిత్రంలో, పేజీ ఇప్పుడు నవీకరించబడిందని మనం గమనించవచ్చు. కొత్త కీని చేర్చడానికి జాబితా సవరించబడింది. మీ అప్లికేషన్‌లలో OpenAI APIని ఉపయోగిస్తున్నప్పుడు, మీరు పొందిన API కీ ద్వారా మీ విచారణలను మీరు ప్రామాణీకరించవచ్చు.
డిపెండెన్సీలను ఇన్‌స్టాల్ చేస్తోంది
ఇప్పుడు మేము మా రహస్య API కీని రూపొందించాము, మేము ప్రాజెక్ట్ కోసం అవసరమైన పైథాన్ డిపెండెన్సీలను ఇన్‌స్టాల్ చేస్తాము. కాబట్టి, మేము LangChain మరియు OpenAI అనే రెండు పైథాన్ ప్యాకేజీలను ఇక్కడ ఇన్‌స్టాల్ చేస్తాము. ఈ రెండు లైబ్రరీలు పైథాన్ ప్రామాణిక లైబ్రరీలో చేర్చబడలేదు కాబట్టి మనం వాటిని విడిగా ఇన్‌స్టాల్ చేయాలి.
మీరు కమాండ్‌లను ఉపయోగించి టెర్మినల్ ద్వారా రెండింటినీ ఇన్‌స్టాల్ చేయవచ్చు లేదా మీరు వాటిని పైథాన్ IDE ద్వారా ఇన్‌స్టాల్ చేయవచ్చు.
టెర్మినల్ ద్వారా LangChainని ఇన్‌స్టాల్ చేయడానికి, ఈ ఆదేశాన్ని వ్రాయండి:
$ పిప్ లాంగ్‌చెయిన్‌ను ఇన్‌స్టాల్ చేయండిOpenAI ప్యాకేజీని ఇన్‌స్టాల్ చేయడానికి, కింది ఆదేశాన్ని వ్రాయండి:
$ పిప్ ఇన్‌స్టాల్ ఓపెన్ చేయండిటెర్మినల్పై ఈ ఆదేశాలను అమలు చేయడం వలన పైథాన్ ఇప్పటికే ఇన్‌స్టాల్ చేయబడి ఉంటే మీ మెషీన్‌లో రెండు ప్యాకేజీలను ఇన్‌స్టాల్ చేస్తుంది.
ఈ ట్యుటోరియల్ కోసం, మేము పైథాన్ IDE ద్వారా ఇన్‌స్టాల్ చేసే ఇతర పద్ధతిని ఉపయోగిస్తాము. మేము ఇక్కడ ఉపయోగించే పైథాన్ IDE Pycharm. మేము పైచార్మ్‌ని ప్రారంభించాము మరియు కొత్త ప్రాజెక్ట్‌ను రూపొందిస్తాము. డిఫాల్ట్‌గా, ఇది పైథాన్‌లో ప్రాజెక్ట్‌ను సృష్టిస్తుంది.
Pycharm ఇంటర్‌ఫేస్ దిగువన, మీరు ఎంపికల జాబితాతో ఒక సైడ్‌బార్‌ను గుర్తించవచ్చు. “పైథాన్ ప్యాకేజీలు” విభాగంపై క్లిక్ చేయండి. అవసరమైన లైబ్రరీలను శోధించండి మరియు వాటిని ఇన్‌స్టాల్ చేయడానికి కుడి వైపున ఉన్న “ప్యాకేజీని ఇన్‌స్టాల్ చేయి” బటన్‌పై క్లిక్ చేయండి.
అందించిన చిత్రంలో, మీరు LangChain యొక్క ఇన్‌స్టాలేషన్‌ను చూడవచ్చు. అదేవిధంగా, మేము OpenAI ప్యాకేజీని ఇన్‌స్టాల్ చేస్తాము.
ఇన్‌స్టాలేషన్ పూర్తయిన తర్వాత, మీరు ఈ కీని ఉపయోగించి వివిధ OpenAI మోడల్‌లను యాక్సెస్ చేయడం ద్వారా ప్రాజెక్ట్‌పై పని చేయడం ప్రారంభించవచ్చు.
ఉదాహరణ:
ఈ కాన్సెప్ట్‌ను అమలు చేయడానికి ఒక ఉదాహరణ ప్రోగ్రామ్‌ను రూపొందిద్దాం, అక్కడ మనం ఒక ప్రశ్నను పేర్కొనండి మరియు OpenAI మాడ్యూల్ ఉపయోగించి ఊహించిన టెక్స్ట్ ఎక్కడ పొందబడుతుంది.
దిగుమతి మీరునుండి లాంగ్చైన్. llms దిగుమతి OpenAI
మీరు . సుమారు [ 'OPENAI_API_KEY' ] = 'మీ కీ ఇక్కడ ఉంది'
llm_langchain = OpenAI ( మోడల్_పేరు = 'text-davinci-003' )
వచనం_అంచనా = '2023లో నేర్చుకోవడానికి అత్యుత్తమ సాంకేతిక నైపుణ్యం ఏది?'
ముద్రణ ( llm_langchain ( వచనం_అంచనా ) )
మేము మొదట పైథాన్ స్టాండర్డ్ లైబ్రరీ నుండి మాడ్యూల్‌ను దిగుమతి చేస్తాము, అనగా “os”. మీరు ఈ మాడ్యూల్‌ని ఉపయోగించి ఆపరేటింగ్ సిస్టమ్‌తో కమ్యూనికేట్ చేయవచ్చు. అప్పుడు, మేము Langchain-llms మాడ్యూల్ నుండి OpenAIని దిగుమతి చేస్తాము. ఇది OpenAI మాడ్యూల్‌లతో మా ప్రాజెక్ట్‌తో పరస్పర చర్య చేయడానికి మరియు ఇంటిగ్రేట్ చేయడానికి మాకు సహాయపడుతుంది.
మా ప్రాజెక్ట్‌లోకి అవసరమైన ప్యాకేజీలను దిగుమతి చేసిన తర్వాత, మేము ఇంతకు ముందు పొందిన రహస్య API కీని “os” ఎన్విరాన్‌మెంట్ వేరియబుల్‌గా సెట్ చేస్తాము. ఈ కీ మన ప్రాజెక్ట్‌లోని OpenAI మాడ్యూల్‌లను యాక్సెస్ చేయడానికి అనుమతిస్తుంది. 'os.environ' అనేది వినియోగదారు పర్యావరణ వేరియబుల్‌లను మ్యాప్ చేయడానికి ఉపయోగించబడే ఒక వస్తువు. మీ రహస్య API కీని “మీ కీ ఇక్కడ” అందించండి.
మేము కొన్ని టెక్స్ట్ ప్రిడిక్షన్ చేస్తున్నప్పుడు, టెక్స్ట్ ప్రిడిక్షన్ కోసం ఉపయోగించే మోడల్ “model_name=”text-davinci-003″ OpenAI ప్లాట్‌ఫారమ్ నుండి. మేము దానిని 'llm_langchain' ఫంక్షన్‌కి కేటాయిస్తాము. అప్పుడు, మేము OpenAI యొక్క పేర్కొన్న మాడ్యూల్‌ని ఉపయోగించి అంచనా వేయవలసిన వచనాన్ని అందిస్తాము, ఇది “2023లో నేర్చుకోవడానికి ఉత్తమమైన సాంకేతిక నైపుణ్యం ఏది?” చివరగా, ప్రింట్ ఫంక్షన్‌ని ఉపయోగించి, మేము పైథాన్ కన్సోల్‌లో అవుట్‌పుట్ ఊహించిన వచనాన్ని ప్రదర్శిస్తాము.
OpenAI మోడల్ “text-davinci-003” ద్వారా పొందిన ఊహించిన వచనం క్రింది స్నాప్‌షాట్‌లో చూపబడింది:
ముగింపు
పైథాన్‌లో లాంగ్‌చెయిన్‌తో OpenAI యొక్క ఏకీకరణ ఈ కథనంలో వివరించబడింది. వ్యాసం యొక్క పరిచయ విభాగంలో OpenAI మీకు క్లుప్తంగా వివరించబడింది. అంతేకాకుండా, OpenAI ప్లాట్‌ఫారమ్ నుండి రహస్య API కీ యొక్క తరం వివరించబడింది. ఇంకా, మేము పైథాన్ ప్రాజెక్ట్‌లో అవసరమైన డిపెండెన్సీల ఇన్‌స్టాలేషన్‌ను వివరించాము మరియు అమలు చేసాము. చివరగా, మేము పేర్కొన్న ప్రశ్న కోసం AI మోడల్‌ని ఉపయోగించి ప్రతిస్పందనను రూపొందించడానికి OpenAI మరియు LangChainలను దిగుమతి చేయడం ద్వారా ఒక సాధారణ పైథాన్ ప్రోగ్రామ్‌ను సృష్టించాము.