智商、情商双商在线的AI聊天机器人，正在持续收割全球的注意力。上周，OpenAI发布升级版ChatGPT-4、中文互联网界也紧随其后推出生成式AI大语言模型「文心一言」，人工智能已经一步步走进并影响着我们的生活。 　　今天，我们带着好奇向ChatGPT提问，看看AI能给出什么样的答案！ 　　ChatGPT给出的答案是： 　　审美非标准化是指拒绝或不遵守传统或约定俗成的审美标准。这是偏离既定的美或艺术表现规范和标准以创造独特或非传统事物的做法。 　　这种方法重视个性、创造力和创新，而不是遵守既定规范。它通常涉及尝试新的形式、技术和风格，以挑战对美和艺术的传统观念。 　　审美非标准化可以在许多艺术形式中看到，包括视觉艺术，音乐，文学和时尚。它允许艺术家和创作者摆脱既定规范的限制，创造出真正原创和开创性的东西。然而，它也可能引起争议和两极分化，因为它挑战既定观念，并可被视为对传统文化价值观的破坏。 　　如ChatGPT所言，审美非标化重视个性、创造力和创新。京投发展之所以倡导审美「非标化」，是因为标准化太强，会导致审美疲劳，产品过于同质化；而非标的、带有个人强烈价值观且品质好的产品和服务才会

---

chatgpt api收费标准 edge浏览器如何装chatgpt插件

chatgpt官网,chatgpt怎么读,chatgpt什么意思,chatgpt入口

欢迎使用Markdown编辑器

示例代码**：

示例代码：

chatgpt接口官方的名字叫做Chat completions，是指ChatGPT在用户输入一部分内容后，为用户推荐的可能的自动完成内容。这些自动完成的内容可以是一个词、短语、句子甚至是一篇文章等等。Chat completions可以让用户更快地输入想要表达的内容，同时也能提高用户的交互效率和满意度。

使用OpenAI chatgpt API，您可以使用gpt-3.5-turbo和gpt-4构建自己的应用程序，从而实现许多有趣的功能，例如：

• 写文案
• 编写 代码
• 回答问题
• 对学习进行辅导（如学习英语）
• 翻译语言
• 为视频游戏模拟角色（NPC）等等

还有更多功能可以自行尝试

本文将向您介绍如何调用聊天模型的API，并分享一些使用技巧。您也可以在OpenAI Playground中测试效果。

聊天模型接受一系列消息作为输入，并生成一条由模型生成的消息作为输出。虽然聊天模式旨在使多轮对话容易进行，但它同样

适用于单次任务，而无需进行任何对话。简单的说就是输入一条消息给chatgpt他会给你生成一个回答返回过来，问答可以是多伦

的 像正常的聊天一样。

简单的介绍完了 我们看一下如何使用chatgpt接口。

一个简单的API调用示例如下（python）：

http请求代码：

如果你是用的python可以使用python代码，如果你用的是其他语言比如php或者c++等可以使用http请求的方式调用

上面代码主要参数是messages参数。messages必须是一个对象数组，其中每个对象都有一个角色（“system”、“user”或

“assistant”）和内容（消息的内容）。对话可以很短，也可以很长。

一般情况，messages内容先是system消息，然后是交替出现的user和assistant。

类型	作用
system	设置chatgpt的角色。
user	消息是 给chatgpt提交的我们的问题。
assistant	消息 是chatgpt给返回的消息。

其中system消息有助于设置助手的行为。通俗点讲就是可以给chatgpt设定一个角色让它取扮演，例如我上面代码是，指定让 chatgpt“扮演一个小说家”。这样我们后面的问答都是在这个前提下进行的，就是chatgpt会一直扮演一个小说家和我们对话。 system不是必须的，也可以不设置。

注意我上面代码使用了4条消息，分别是“system”、“user” 、“assistant”、“user”

其中system是设定的角色，后面的“user” 、“assistant”是历史记录 就是曾经我问过chatgpt的内容和他回答我的内容

最后一个user才是本次我要问他的内容。为什么要这样呢，因为chatgpt官方没有提供给我们数据存储的功能，所以只能我们

自己存储数据每次需要把历史记录提交给他，chatgpt才能有上下文的功能。当然这样也会浪费更多的tokens。

当我们提交上面的请求，chatgpt会给我们响应，响应格式：

我们可以ai_response = response.choices[0].message[‘content’]这样取出返回的内容

每个响应都包含一个finish_reason。finish_reason的可能值包括：

值	说明
stop	API返回完整的模型输出
length	由于max_tokens参数或令牌限制而导致的不完整模型输出
content_filter	由于我们的内容过滤器的标志而省略的内容
null	API响应仍在进行中或不完整

finish_reason的值在这个事例中作用体现不大，后面开发流式传输（steam）会有用，后面会专门讲如何开发流式传输实现打字机的效果

usage字段：在ChatGPT接口返回的内容中，usage字段是用来记录API调用时消耗的token数目的，具体含义如下：

值	说明
prompt_tokens	表示消息输入中使用的token数目，即API请求时消息的token数目。
completion_tokens	表示API返回的响应消息中使用的token数目，即模型预测生成的响应消息的token数目。
total_tokens	表示整个API调用过程中使用的总token数目，包括输入和输出的所有token数目。

需要注意的是，每个API调用的token数目将影响API的调用时间和费用，并且总token数目必须在模型允许的最大token限制（例

如gpt-3.5-turbo-0301模型的最大限制为4096个token）以内。如果超出了这个限制，则需要缩短输入或者输出的token数目以符合

模型的最大限制。

管理tokens

语言模型以称为token的块读取文本。在英语中，token可以短至一个字符或长至一个单词（例如a或apple），在某些语言中，

token甚至可以比一个字符更短或比一个单词更长。

例如，字符串“ChatGPT is great!”被编码为六个令牌：[“Chat”, “G”, “PT”, " is", " great", “!”]。

而在中文中：1个汉字大致是2~2.5个token。

API调用中的令牌总数影响：

1	接口根据token多少收费，token越多费用越高
2	总token必须低于模型的最大限制（gpt-3.5-turbo-0301的最大令牌数为4096）
3	使用的token越多 API响应时间越长

输入和输出令牌都计入这些数量。例如，如果您的API调用在消息输入中使用了10个token，并且您收到了20个token的消息输

出，则将为您计费30个token。**

要查看API调用使用了多少令牌，请检查API响应中的usage字段（例如，response[‘usage’][‘total_tokens’]）。

像gpt-3.5-turbo和gpt-4这样的聊天模型以与其他模型相同的方式使用令牌，但由于它们是基于消息格式的，因此更难以计算一个

对话将使用多少令牌。

如何计算聊天API调用的令牌

要查看文本字符串中有多少令牌而不进行API调用，请使用OpenAI的tiktoken Python库。有关如何使用tiktoken计算令牌的指南可

以在OpenAI Cookbook中找到示例代码。后面会专门讲一下

本文展示了如何调用OpenAI ChatGPT API，以及一些参数的说明，提供了使用技巧和Python和HTTP请求代码示例。下一篇讲一

下其他的一些参数的作用，例如温度等。

示例代码：