总结/朱季谦
本文分成两部分，包括【国内服务器上搭建chat GPT】和【后端 Boot集成chat GPT】。
无论是在【国内服务器上搭建chat GPT】和【后端 Boot集成chat GPT】，两个方式都需要魔法访问，否则是无法正常使用的，即需要具备正常访问谷歌或者 的能力。
至于什么是魔法访问，以及如何搭建魔法访问，请自行研究哈。
下面就开始讲解两部分的教程。
一、国内服务器上搭建chat GPT
首先，你需要准备以下东西：
1、一台可以访问公网的Linux云服务器，最低配置1核2G即可（当然，有钱可以任性，买最高配置）
2、的密钥
3、开源的仿的镜像
1.1、准备一台云服务器
可以是腾讯云、阿里云或者华为云等，我分别在阿里云和华为云上都能正常搭建。
1.2、设置网络代理
在部署魔法访问的服务器上，需要在/etc/增加代理，确保通过密钥方式的接口调用能正常访问：
=:8889 =:8889 =:8889 =://127.0.0.1:1080
这里的8889和1080需要根据你的魔法访问里的.json来相应设置。
配置完成后，执行 /etc/，检验一下curl 可以访问即没问题。可以继续往下走。
1.3、安装
可以按照我以前记录的一篇关于搭建的方式进行命令行按照安装遇到的问题笔记
搭建完成后，因为的对外访问若需要走所在宿主的代理话，还需要设置以下操作——
创建一个~/./目录，然后在该目录下新建一个.json文件，在该文件里添加以下命令——
{
"default":
{
"httpProxy": "http://127.0.0.1:8889",
"httpsProxy": "http://127.0.0.1:8889",
"noProxy": "*.test.example.com,.example2.com,127.0.0.0/8"
}
}
}
1.4、镜像
目前网上已经开源了许多优秀的仿写 页面的应用，我们无需再额外造轮子，只需要挑选其中一款用来打包部署成容器运行即可。
我使用的是-这个开源项目。
直接克隆项目到对应的Linux服务器——
git clone https://github.com/yuezk/chatgpt-mirror.git在基于该开源项目以形式打包前，需要执行以下被依赖到的镜像——
docker pull node:18-alpine
docker pull node:18-slim复制
接下来，就可以执行以下操作来创建一个镜像了——
cd chatgpt-mirror
#--network host表示与宿主公用网络，即走代理，然后留意下最后有一个 .
docker build --network host -t chatgpt-mirror .
#正常执行成功后，通过该指令能看到一个新镜像
docker images复制
具体情况如下：
image
然后需要在cd -环境里新增一个文件env，该文件里写入密钥与宿主机器的代理：
OPENAI_API_KEY=你的chatGPT密钥
HTTP_PROXY=http://127.0.0.1:8889复制
完成以上操作后，最后在该目录-里执行——
run -itd –net host -p 3000:3000 -v /app/.json:/app//app. –env-file env –
正常执行完成后，即可在浏览上输入你的服务器ip:3000，就能出来一个外表仿但内在是调用真实接口的应用。
重点是，如此一来，你的电脑、平台、手机等终端都无需魔法访问，就能直接使用了，而且响应速度比直连官网快一倍左右速度，无比丝滑！而且，没有像官网直连那样经常出现响应异常以及断开的问题，协助效率大大增加。
以下就是访问搭建在我自己服务器上的页面，是不是跟真实的很像。
image
二、后端 Boot集成chat GPT
注意，该方式同样需要魔法访问。
首先，在maven依赖引入以下配置——
com.theokanning.openai-gpt3-java
service
0.11.1
复制
编写以下代码——
@GetMapping("/ai")
public void sendMsg() throws InterruptedException {
System.out.println("开始提问题～");
System.out.println("你是一个工作助手，情帮忙设计一份活动策划书" );
//GPT_TOKEN即你的代码密钥
OpenAiService service = new OpenAiService(GPT_TOKEN,Duration.ofSeconds(10000));
CompletionRequest completionRequest = CompletionRequest.builder()
//使用的模型
.model("text-davinci-003")
//输入提示语
.prompt("设计一份活动策划书")
//该值越大每次返回的结果越随机，即相似度越小，可选参数，默认值为 1，取值 0-2
.temperature(0.5)
//返回结果最大分词数
.maxTokens(2048)
//与temperature类似
.topP(1D)
.build();
service.createCompletion(completionRequest).getChoices().forEach(System.out::println);
Thread.sleep(6000);
}复制
的属性文档介绍在这里——
启动，调用该接口，即可正常使用chat GPT集成到后端代码里——
image
需要注意的是，若是部署在有魔法访问的Linux云服务，代码需要相应做一下调整，否则是无法访问到的，会出现以下异常提示：.: to to /2a03:2880:f10c:283:face:b00c:0:25de:443]
故而，需要做以下调整：
public void send1Msg() throws InterruptedException {
System.out.println("开始提问题～");
System.out.println("你是一个工作助手，情帮忙设计一份活动策划书" );
//需要额外设置一个能访问chatGPT的魔法访问代理
ObjectMapper mapper = defaultObjectMapper();
Proxy proxy = new Proxy(Proxy.Type.HTTP, new InetSocketAddress("127.0.0.1", 8889));
OkHttpClient client = defaultClient(GPT_TOKEN,Duration.ofSeconds(10000))
.newBuilder()
.proxy(proxy)
.build();
Retrofit retrofit = defaultRetrofit(client, mapper);
OpenAiApi api = retrofit.create(OpenAiApi.class);
//将设置的代理传给OpenAiService即可
OpenAiService service = new OpenAiService(api);
CompletionRequest completionRequest = CompletionRequest.builder()
.model("text-davinci-003")
.prompt("设计一份活动策划书")
.temperature(0.5)
.maxTokens(2048)
.topP(1D)
.build();
service.createCompletion(completionRequest).getChoices().forEach(System.out::println);
Thread.sleep(6000);
}复制
部署在Linux云服务上的聊天返回打印效果——
image
