前言

AIGC，全称Artificial Intelligence Generated Content，中文译为人工智能生成内容，是利用人工智能技术来自动生成文本、图像、音乐、视频、3D交互内容等多种形式内容的一种方法。它是继PGC（专业生成内容）和UGC（用户生成内容）之后的新型内容创作方式，代表了内容创作领域的一项重大变革。

AIGC涉及到一系列先进的人工智能技术，包括但不限于生成对抗网络（GANs）、CLIP、Transformer、Diffusion模型、预训练模型、多模态技术以及各种生成算法等。这些技术的融合与创新，使得AI系统能够基于大量的已有数据学习并识别模式，进而生成新的、创造性内容，并且能够在一定程度上理解和适应语言、图像、视频、音频等多种媒介形式，实现多模态内容的生成。

今天就让我们初识AIGC，一起领略它的魅力吧！

1.初始化

我们首先创建一个comment文件夹，在项目终端输入 npm init -y 指令

npm init -y 是一个在Node.js项目中常用的命令，用于快速初始化一个新的npm（Node包管理器）项目。这个命令会执行以下操作：

1. 创建package.json文件：在当前目录下自动创建一个package.json文件，这个文件是Node.js项目的配置文件，用于存储项目的元数据（如名称、版本、描述、作者等）和项目依赖关系。
2. 默认值：使用-y或--yes选项，意味着你会接受所有npm初始化过程中的默认设置。没有这个选项时，npm会通过一系列提示让你手动填写项目信息，而加上-y后，npm会使用默认设置直接生成文件，跳过交互式提问环节，这对于快速创建原型或测试项目非常有用。

例如，默认设置可能包括：

• name: 项目目录名
• version: 默认为1.0.0
• description: 空
• main: index.js
• scripts: 只包含基本的脚本模板
• keywords: 空数组
• author: 用户的系统用户名
• license: 默认为ISC

2.引入openai库

当你在命令行中输入 npm i openai 并执行这个命令时，npm（Node包管理器）会做以下几件事情来“引入”node_modules：

1. 搜索包: npm 首先会在npm注册中心搜索名为 openai 的包。如果找到了对应的包，它会获取该包的元数据，包括版本信息、依赖关系等。
2. 下载包及依赖: 接着，npm 会下载 openai 包以及该包所依赖的所有其他包。这些下载的包都会被组织存放在项目的 node_modules 目录下。
3. 解析依赖: 在下载过程中，npm 会解析包之间的依赖关系，确保所有必要的依赖都被安装，并处理版本兼容性问题，以避免版本冲突。
4. 链接依赖: 安装完成后，npm 会在 node_modules 目录内创建一个或多个层级结构，将主包和其依赖项分别放置在相应的目录下。这样，Node.js在执行时能够根据require语句递归地查找依赖。
5. 生成或更新 package-lock.json: npm 会生成或更新 package-lock.json 文件，记录确切安装的软件包版本和依赖树，以便将来能复现相同的安装环境。

简而言之，npm i openai 命令不仅下载并安装了名为 openai 的包（如果存在的话），还处理了它的所有依赖，并将它们全部组织在 node_modules 文件夹内，这是Node.js项目用来存储依赖的标准位置。这样做保证了项目的可移植性和依赖的隔离性，即不同项目可以依赖不同版本的相同包

接下来，我们的package.json将会是这个样子

这就显示我们安装成功啦！当然我们也会多以下文件/文件夹

3.引入一个名为openai的模块

const OpenAi = require('openai')

在Node.js环境中，const OpenAi = require('openai') 这行代码的作用是从openai模块导入一个对象，并将其赋值给常量OpenAi。这里假设openai是一个已经安装在你的项目中的npm包，它通常用于与OpenAI的API进行交互，比如访问GPT系列的语言模型、图像生成服务等。

通过这种方式导入后，你可以通过OpenAi这个对象来调用OpenAI API提供的各种方法和功能。例如，初始化客户端、发送文本到模型请求生成文本响应、管理引擎、处理文件等操作。使用这个模块，开发者可以构建集成OpenAI服务的应用程序，实现自然语言处理、内容创建、智能建议等多种功能。

4.实例化

const client = new OpenAi({
  // proxy 代理
  api_key: process.env.OPENAI_API_KEY,
  baseURL: 'https://api.chatanywhere.tech/v1'
})

因为这段代码稍微难理解，所以我们用通俗的语言讲解一下：

1. api_key（API密钥） ：想象一下，api_key就像是你家的门禁密码。当你住在一栋大楼里，想要进入楼内的时候，你需要输入正确的密码，门才会为你打开。同样地，在互联网的世界里，很多服务（比如云服务、API接口等）也需要验证你的身份，确保只有获得授权的人才能使用它们的功能。api_key就是这样的一个验证工具，它是一个特殊的、通常是随机生成的字符串，用来告诉服务器：“嘿，我是已经得到允许来使用你服务的那个用户。”这样，服务器就能识别并验证你的请求，而不会错把别人当成是你。
2. baseURL（基础URL） ：baseURL可以类比为一个大厦的地址。假设你想去朋友家玩，首先你需要知道他们家的大楼在哪里，这个地址就相当于baseURL。在编程中，当你想和某个API（比如天气预报API、地图服务API等）交流时，你需要知道这个API的“家”在哪里，也就是它的网络地址。baseURL就是这个初始的、最基本的地址部分，后面可能会加上具体的房间号（也就是API的端点endpoint），这样才能准确找到你想访问的具体服务。

5.关于需要隐藏于外界的密钥和node_modules

我们的密钥和node_modules一个由于机密性，还有一个由于内容太多并且可以让用户重新下载，因此都不必上传。

5.1 密钥

 api_key: process.env.OPENAI_API_KEY

这里我们本来是要输入一个具体获得的密钥（从github上），但是涉及机密性所以我们不予提交，因此我们新建一个.env文件，输入OPENAI_API_KEY=你拿到的openai密钥，然后 api_key: process.env.OPENAI_API_KEY在对象中，最后在

文件中输入.env即可。

那么为什么我们可以这样子操作呢？

我们同样要先引入一个库 npm i dotenv

这个时候的依赖

然后在项目首行输入

require('dotenv').config()

require('dotenv').config() 是一个Node.js中用来加载环境变量的函数，它来自于dotenv这个npm包。这个函数的主要用途是从一个名为.env的文件中读取键值对，并将它们设置为Node.js进程的环境变量。

.env 文件通常包含敏感信息和配置变量，如API密钥、数据库URLs、密码等，这些信息不适合直接写在源代码中。这样做可以保持代码库的清洁和安全，同时允许不同的环境（例如开发、测试、生产）使用不同的配置。

当你的应用启动时，通过调用require('dotenv').config()，它会查找当前目录下的.env文件，读取其中的内容，然后设置对应的环境变量。

只有这样我们的

 api_key: process.env.OPENAI_API_KEY

代码才能发挥作用，就是查找隐藏目录下的密钥。

5.2node_modules

为什么node_modules可以让看不见的用户自行恢复呢？

因为我们在项目描述文件里已经有了依赖。

不信我们可以删除node_modules，然后终端窗口输入
npm i就可以恢复了。

6.开始使用AI

6.1准备工作

let prompt = `
  判断一下用户的评论情感上是正面的还是负面的
  评论：买的银色版真的好看，一天就到了，晚上就开始拿起来玩系统很丝滑流畅，华为一如既往的好品质
  情感：正面
  评论：随意降价，不与保价，服务态度差
  情感：负面
  `

• 首先定义了一个字符串prompt，里面包含了两个示例评论及其对应的情感标签（正面或负面），作为演示如何构造请求和期望的输出格式。

 let myPrompt = `
  ${prompt}
  评论：实话说，iphone越来越没有创新了，你买我不推荐，散了
  情感：
  `

• 接着，定义了myPrompt字符串，这是实际要发送给AI模型处理的评论内容，其中情感标签留空，目的是让AI模型判断这条评论的情感倾向。

  const chatCompletion = await client.chat.completions.create({
    // 聊天的上下文 多轮
    messages: [{ role: 'user', content: myPrompt }],
    // 模型
    model: 'gpt-3.5-turbo',
    n: 1
  })

• 通过一个名为client的对象（这里是之前初始化好的OpenAI API客户端实例）调用.chat.completions.create(...)方法。这个方法用于与OpenAI的聊天模型交互，获取模型对于提供的消息的响应。

• 请求体中指定了几个关键参数：

  • messages: 是一个对象数组，每个对象代表一次消息交互。这里只有一个对象，表示用户（role: ‘user’）发送了一条内容为myPrompt的消息。
  • model: 指定使用的模型版本，这里是gpt-3.5-turbo，是OpenAI的一个较新且功能强大的聊天模型。
  • n: 表示需要生成的响应数量，这里设置为1，即只需要模型生成一个回答。

6.2执行

 console.log(chatCompletion.choices[0])

获取并打印结果: 使用await关键字等待API调用完成，然后从返回的chatCompletion对象中提取第一个（也是唯一一个，因为n: 1）选择（choices）的响应内容，并打印出来。这个响应理论上会包含AI模型对于myPrompt中评论的情感倾向判断。

我们再输入这句话，然后将全部内容封装于异步函数（ 异步函数定义: async function main() {...} 定义了一个名为main的异步函数。异步函数可以让JavaScript在等待某些操作（比如网络请求）完成时，不会阻塞其他任务的执行。）之中，最后调用函数，就可以看见这样子的结果。

当你可以拿到这个结果的时候，恭喜你，已经是一个初级的AIGC全栈工程师啦！

7.完整代码

// 引入本地（node_mdoues）openai 依赖node-fetch等
// package.json 项目描述文件 dependencies
// 前端 + 后端 + ai
// 类 require 关键字
//AI全栈开发
// prompt -> GPT-AI-FREE -> openai
// 进程的环境变量
// 系统环境变量
// 
require('dotenv').config()
const OpenAi = require('openai')
// 系统环境变量
// console.log(process.env)
// 实例化
const client = new OpenAi({
  // proxy 代理
  api_key: process.env.OPENAI_API_KEY,
  baseURL: 'https://api.chatanywhere.tech/v1'
})
async function main() {
  let prompt = `
  判断一下用户的评论情感上是正面的还是负面的
  评论：买的银色版真的好看，一天就到了，晚上就开始拿起来玩系统很丝滑流畅，华为一如既往的好品质
  情感：正面
  评论：随意降价，不与保价，服务态度差
  情感：负面
  `
  let myPrompt = `
  ${prompt}
  评论：实话说，iphone越来越没有创新了，你买我不推荐，散了
  情感：
  `
  // client openai实例 chat 聊天的方式
  // openai 生成正面或者负面 ，llm大模型来完成
  // ai 自然语言处理 gc 生成内容
  const chatCompletion = await client.chat.completions.create({
    // 聊天的上下文 多轮
    messages: [{ role: 'user', content: myPrompt }],
    // 模型
    model: 'gpt-3.5-turbo',
    n: 1
  })
  console.log(chatCompletion.choices[0]);
}

main()