使用Python编写智能QQ机器人，与OpenAI API进行对接

实践开始-实践篇第一

代码中使用到的revChatGPT依赖源码库:
https://github.com/acheong08/ChatGPT

我们的Python版本，需要>=3.8，然后pip直接升级到最新版本。

下面代码的目的是与ChatGPT官方接口进行交互,注意安装一下里面用到的依赖
chat-gpt-qbot.py:

import flask, json
from flask import request
from revChatGPT.revChatGPT import Chatbot
config = {
    "session_token": "换成你自己的token"
}
# 创建一个服务，把当前这个python文件当做一个服务
server = flask.Flask(__name__)
chatbot = Chatbot(config, conversation_id=None)
def chat(msg):
    message = chatbot.get_chat_response(msg)['message']
    print(message)
    return message
@server.route('/chat', methods=['post'])
def chatapi():
    requestJson = request.get_data()
    if requestJson is None or requestJson == "" or requestJson == {}:
        resu = {'code': 1, 'msg': '请求内容不能为空'}
        return json.dumps(resu, ensure_ascii=False)
    data = json.loads(requestJson)
    print(data)
    try:
        msg = chat(data['msg'])
    except Exception as error:
        print("接口报错")
        resu = {'code': 1, 'msg': '请求异常: ' + str(error)}
        return json.dumps(resu, ensure_ascii=False)
    else:
        resu = {'code': 0, 'data': msg}
        return json.dumps(resu, ensure_ascii=False)
if __name__ == '__main__':
    server.run(port=7777, host='0.0.0.0')

我们导入我们的逆向包。

from revChatGPT.revChatGPT import Chatbot

这是逆向包里面的源码，用于初始化一个服务，我们刚刚的类中调用了这个包。

然后去创建抛出这个服务的接口，方便被调用。

我们只要运行上面的代码就可以在7777端口直接与ChatGPT进行交互了。
我们使用接口工具测试一下，结果如下图，可以看到，接口正常工作并从ChatGPT得到了对话结果。

其中消息体:

{"msg": "你会数学吗"}

消息体是我们自定义的内容，你可以自己增加字段对接口进行功能扩展
本例子中的msg就是我们的发言内容
而接口返回的:

{
    "code": 0, 
    "data": "是的，我会数学。我是一个大型语言模型，我可以回答各种问题，包括数学问题。你有什么数学问题需要我帮助你解决吗？"
}

这也是我们自己定义的，当code=0时代表与ChatGPT交互成功，此时data为ChatGPT反馈给我们的对话内容。而当code=1时说明出现了错误,此时没有data,但在msg中返回了错误信息。

到这里我们就拥有了一个可以和ChatGPT交互到接口，通过这个接口，我们就能与ChatGPT进行对话

既然进行对话，那就需要一个输入框和一个按钮，你可以做一个网页来调用这个接口，这很简单，我们不在这里赘述了。

我们真正要做的是一个QQ机器人，其原理就是让QQ机器人监听到消息，并通过我们的接口把消息转发给ChatGPT，然后再把ChatGPT返回的对话内容发送给QQ用户，这样一个可以对话的机器人就做好了，具体做法，下文继续讲解。

实践继续-实践篇第二

上文我们实现了一个接口，用代码成功获取到了ChatGPT的对话内容，下面我们将继续完善QQ机器人相关逻辑，注意看代码中的注释。

为了更方便的将优化后(接入QQ机器人)的代码，与之前的代码比较，我开启一个本地比较，并收起了没有变动的代码。

机器人的交互实现逻辑，这个你可能会看不懂，因为我们是使用了一个机器人框架，那其实我们不要局限自己的思想，我们可以尝试自己修改使用其他机器人框架，比如云仔机器人，逻辑去自己实现。

我们使用的是go-cqhttp。

go-cqhttp帮助中心

所以说，这一写更改，你得去了解这个go-cqhttp你才能看懂，不过我们要灵活学习，我们只需要了解思路便可，然后去官方文档找使用方法。

此时，这些代码已经拥有了处理好友请求、拉群请求、回复消息的功能。

可以看到，相对于上个文章，我们增加了很多代码，并且都加了注释

当然，这些代码看不懂没关系，可以照着我的文章改一下对应的地方，直接用。

实践继续-实践篇第三

前两个文章我们已经解决了和ChatGPT通信的问题和QQ处理消息的问题，现在我们就需要处理如何监听QQ消息了。

在一次次的更新和遇到的问题中，原创作者和逆向包的很多作者都更新了很多内容，我们看看原创作者的更新记录：

2022-12-12 23:52

增加一个Windows专用版本，只能在Windows电脑或服务器上使用，可以自动获取cloudflare Cookie

2022-12-12 12:38 更新内容

增加CloudFlare配置，更新依赖，暂不支持账号密码，暂不知道CloudFlare配置多久需要更换一次

2022-12-10 17:42 更新内容

增加账号密码支持，可以不使用token，直接使用账号密码

2022-12-10 00:23 更新内容

将每个QQ私聊区分，每个人私聊机器人都是一个独立的会话
将每个QQ群区分，每个QQ群是一个独立的会话
增加回复字数限制，超过限制转换成图片回复（见配置文件）
如果想要重置会话，对机器人发送：重置会话

简介

监听QQ消息并不需要我们写代码，因为市面上已经有很多开源QQ机器人框架，在这里我们使用go-cqhttp
官方文档: go-cqhttp
如果您感兴趣的话，可以阅读一下官方文档，如果不想看，直接看我的文章即可。

前提条件

您需要准备一个QQ号，不要使用自己大号
您需要准备一个OpenAi的账号，用来获取Token
一台服务器（可选，如果您想让机器人7x24小时在线的话，请准备一台，1核1G足以，外服最好）

注意：OpenAi（ChatGPT）的注册方式B站有一堆视频，随便参考一个就行。

不会注册也可以看看我博客的文章：一文教你快速注册OpenAi(ChatGPT)

(旧版本)机器人搭建教程我也是写过了：使用OpenGPT(ChatGPT)搭建 QQ 机器人

但是！注意，先前说过，现在的ChatGPT套了一个CF的CDN，会拦截人机交互请求。

那我们现在，除了需要获取OpenAi的session-token，还需要获取cf_clearance。

同时，我们还需要获取user-agent。

前往控制台的网络标签里面查看，如果是空白，你发一句消息就可以。

复制之后写到配置文件中，也就是py/config.js文件。

目前原创作者打包了两个版本，一个Linux的，麻烦在于cf的CDN交互令牌会在2H内失效，我们需要手动获取并更新，麻烦。

另一个是window版本，已经实现自动获取CloudflareCookie。

配置指南

这个版本只能在Windows上使用，Windows电脑或服务器都行。

依然只支持token。

系统会自动打开谷歌浏览器获取Cloufflare相关Cookie，第一次运行时可能需要手动验证，请注意点一下。

注意，脚本它只能打开Google浏览器，没配置其他浏览器。

其他描述

那在作者最新版本的代码里面，也是新增了一部分功能。

自行研究。

然后很多逆向包作者也在想一个完美解决的办法，我们慢慢等待吧！

然后，请看看这句话：

尾述

写着一篇，我基本上是去看原创作者的代码和逆向包的代码，我是一个业余的Python，但是我觉得，很多东西是可以去尝试的，通原理而致用，当你学会整个思路，那你也可以自己写一个自己的机器人，自己去配置去设计交互逻辑。

比如可以新增一个Markdown渲染器+代码高亮，将长文本以图片方式展示（虽然已经存在了），又比如，绑定一个不被拦截的域名，过长文本直接生成一个临时链接，点开查看，刚好通过网页渲染后，美观度高很多。

到此这篇关于使用Python对接OpenAi API实现智能QQ机器人的方法的文章就介绍到这了,更多相关智能QQ机器人内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！

若文章对您有帮助，帮忙点个赞！

0赞

0踩

发布时间 2023-09-02 10:46:58

使用Python编写智能QQ机器人，与OpenAI API进行对接

目录

实践开始-实践篇第一

实践继续-实践篇第二

实践继续-实践篇第三

简介

配置指南

尾述