在 Azure OpenAI 上利用 GPT-35-Turbo 和 GPT-4 开启 AI 创新之旅

OpenAI 的强大 GPT 模型（包括 GPT-35-Turbo 和 GPT-4）现在可以通过 Azure OpenAI 服务 访问。

此服务使开发人员能够轻松将这些模型集成到应用程序中，用于聊天机器人、代码生成、内容创建等任务，同时受益于 Azure 强大的基础设施。

本指南将帮助您使用 Python 开始使用这些模型。

为什么选择 Azure OpenAI？

Azure OpenAI 服务通过提供以下功能将 OpenAI 模型的功能扩展到企业级别：

企业级安全性：完全符合 ISO、SOC 等安全标准。
可扩展性：利用 Azure 的全球数据中心提供可用性和性能。
与 Azure 服务集成：无缝集成 Azure Functions、Logic Apps 和 Azure Machine Learning 等其他 Azure 服务。

价格表

https://azure.microsoft.com/en-us/pricing/details/cognitive-services/openai-service/#pricing

先决条件

在实施之前，请确保您具备以下条件：

Azure 订阅：您可以在此免费创建一个。
Python 3.8 或更高版本：确保您的机器上已安装 Python。
Azure OpenAI 资源：部署 GPT-35-Turbo 或 GPT-4 模型。请按照此指南设置资源。
Python 库：需要 OpenAI 库和 os 库来管理环境变量。

不同的集成方式

Azure OpenAI 服务支持不同的访问 GPT-35-Turbo 和 GPT-4 的方式：

REST API：通过 HTTP 请求与模型交互。
Python SDK：使用 openai 库在 Python 应用程序中集成模型。
Azure OpenAI Studio：一个用于测试、微调和管理模型的 Web 界面。

在本指南中，我们将重点介绍 Python SDK 方法，这是开发中最通用且最广泛使用的方法。

设置您的环境

1. 安装 OpenAI Python 客户端

第一步是安装 OpenAI Python 库，该库可让您与 GPT 模型进行交互：

pip install openai

该库由 OpenAI 维护并定期更新。您可以查看发布历史以保持最新的改进。

2. 获取 API 密钥和终端节点

要对 Azure OpenAI 进行身份验证请求，您需要两条重要信息：

API 密钥：在 Azure OpenAI 资源设置中的“密钥和终端节点”下找到。
终端节点：同样可在“密钥和终端节点”部分找到。

将这些值安全地存储在环境变量中，以避免在代码中硬编码敏感数据。

设置环境变量

对于 Windows：

setx AZURE_OPENAI_API_KEY "YOUR_API_KEY"
setx AZURE_OPENAI_ENDPOINT "YOUR_ENDPOINT"

对于 Linux/Mac：

export AZURE_OPENAI_API_KEY="YOUR_API_KEY"
export AZURE_OPENAI_ENDPOINT="YOUR_ENDPOINT"

或者，为了在生产环境中更好地保护安全性，可以将您的凭据存储在 Azure Key Vault 中。

创建一个基础的 Python 应用程序

现在您的环境已经设置好，让我们创建一个基础的 Python 应用程序与 GPT-35-Turbo 模型进行交互。我们将使用 openai 库向模型发送查询并打印响应。

1. 创建应用程序文件

创建一个名为 quickstart.py 的文件，并将以下代码粘贴到其中：

import os
from openai import AzureOpenAI
# Initialize the client
client = AzureOpenAI(
  azure_endpoint = os.getenv("AZURE_OPENAI_ENDPOINT"),
  api_key = os.getenv("AZURE_OPENAI_API_KEY"),
  api_version = "2024-02-01"  # Update this if necessary
)
# Define the prompt and conversation
response = client.chat.completions.create(
    model="gpt-35-turbo",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "What is Azure OpenAI?"}
    ]
)
# Print the assistant's response
print(response.choices[0].message.content)

2. 运行应用程序

要执行脚本，只需运行：

python quickstart.py

这将提示助手解释 Azure OpenAI 是什么，并在终端中打印响应。

理解代码结构

系统角色：定义助手的行为（例如，乐于助人、正式等）。
用户角色：向模型发送用户的查询。
助手角色：助手对用户的输入作出回应。

这种格式使处理对话式交互成为可能，尤其适用于多轮对话（用户和助手之间多次问题和答案的交换）。

添加高级功能

1. 管理长对话

Azure OpenAI 模型每个请求都有令牌限制。对于 GPT-35-Turbo，令牌限制为 4096。每次发出新的 API 请求时，您需要发送整个对话历史记录，以保留上下文。如果您的对话超过了这个限制，模型将无法处理。

为了解决这个问题，您可以移除较旧的消息，以保持在令牌限制之内。

以下是实现方法的示例：

import os
from openai import AzureOpenAI
import tiktoken


# Initialize the client
client = AzureOpenAI(
  azure_endpoint = os.getenv("AZURE_OPENAI_ENDPOINT"),
  api_key = os.getenv("AZURE_OPENAI_API_KEY"),
  api_version = "2024-02-01"
)
conversation = [{"role": "system", "content": "You are a helpful assistant."}]
max_tokens = 4096
def count_tokens(messages, model="gpt-35-turbo"):
    encoding = tiktoken.encoding_for_model(model)
    num_tokens = 0
    for message in messages:
        num_tokens += len(encoding.encode(message["content"]))
    return num_tokens
while True:
    user_input = input("You: ")
    conversation.append({"role": "user", "content": user_input})
    
    # Check if token limit is reached
    if count_tokens(conversation) >= max_tokens:
        del conversation[1]  # Remove the oldest message except the system message
    response = client.chat.completions.create(
        model="gpt-35-turbo",
        messages=conversation
    )
    
    conversation.append({"role": "assistant", "content": response.choices[0].message.content})
    print("Assistant:", response.choices[0].message.content)

这个脚本将通过删除较旧的消息来动态管理令牌数量，以保持在限制范围内。

2. 微调模型

微调允许您根据特定任务定制 GPT 模型。目前，Azure OpenAI 支持 GPT-4 和 GPT-35-Turbo 模型的微调。

微调模型的步骤如下：

准备一个 JSONL 格式的数据集，其中每个条目都是带有 prompt 和 completion 键的字典。
将数据集上传到 Azure Storage。
使用微调 API 在您的数据集上训练模型。

3. 为不同的用例定制系统角色

system 消息对于指导模型的行为非常强大。您可以定制助手以特定方式行事或提供安全防护。以下是一些示例：

示例 1：税务助手

{"role": "system", "content": "You are an expert tax advisor. Answer all questions related to taxes, but if you don't know the answer, recommend visiting the IRS website."}

示例 2：技术支持机器人

{"role": "system", "content": "You are a helpful support assistant. Your job is to answer questions related to Azure services and guide users through troubleshooting."}

示例 3：代码助手

{"role": "system", "content": "You are a coding assistant. Help users write and debug code snippets in Python and JavaScript."}

这种灵活性使您能够根据特定任务或领域调整助手的行为。

使用 Azure OpenAI REST API

除了 Python SDK 之外，Azure OpenAI 还提供 REST API 访问。以下是如何使用 curl 进行 API 调用的简要概述：

curl https://YOUR_ENDPOINT.openai.azure.com/openai/deployments/YOUR_DEPLOYMENT/completions?api-version=2024-02-01 \
-H "Content-Type: application/json" \
-H "api-key: YOUR_API_KEY" \
-d '{
  "model": "gpt-35-turbo",
  "messages": [{"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "Tell me about Azure OpenAI."}]
}'

这将返回包含助手完成内容的 JSON 响应，类似于您从 Python SDK 获得的输出。

清理资源

实验结束后，请确保清理资源，以避免不必要的费用。您可以从 Azure 门户删除 Azure OpenAI 资源，也可以使用 Azure CLI 删除资源。

az resource delete --name YOUR_RESOURCE_NAME --resource-group YOUR_RESOURCE_GROUP

总结

Azure OpenAI 服务为将高级 GPT 模型（如 GPT-35-Turbo 和 GPT-4）集成到应用程序中提供了强大的方式。

无论您是构建智能聊天机器人、自动生成内容，还是提供个性化推荐，这些模型都可以帮助增强您的解决方案。

通过利用 Azure 的安全性和可扩展性，开发人员可以自信地在生产环境中部署 AI 驱动的功能。

通过本指南，您学习了如何设置 Azure OpenAI，使用 Python SDK，管理长对话，并探索微调等高级功能。

掌握这些知识后，您已经准备好开始构建强大的 AI 启用应用程序，充分利用 OpenAI 技术在 Azure 生态系统中的优势。祝您编码愉快！

Dlimeng