基于 OpenAI API 的 Chat 对象，支持多轮对话，代理，以及异步处理数据等。
pip install chattool --upgrade通过环境变量设置密钥和代理，比如在 ~/.bashrc 或者 ~/.zshrc 中追加
export OPENAI_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
export OPENAI_API_BASE="https://api.example.com/v1"
export OPENAI_API_BASE_URL="https://api.example.com" # 可选或者在代码中设置：
import chattool
chattool.api_key = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
chattool.api_base = "https://api.example.com/v1"注：环境变量 OPENAI_API_BASE 优先于 OPENAI_API_BASE_URL，二者选其一即可。
示例1，多轮对话：
# 初次对话
chat = Chat("Hello, GPT-3.5!")
resp = chat.getresponse()
# 继续对话
chat.user("How are you?")
next_resp = chat.getresponse()
# 人为添加返回内容
chat.user("What's your name?")
chat.assistant("My name is GPT-3.5.")
# 保存对话内容
chat.save("chat.json", mode="w") # 默认为 "a"
# 打印对话历史
chat.print_log()示例2，批量处理数据（串行），并使用缓存文件 chat.jsonl：
# 编写处理函数
def data2chat(msg):
chat = Chat()
chat.system("你是一个熟练的数字翻译家。")
chat.user(f"请将该数字翻译为罗马数字：{msg}")
# 注意，在函数内获取返回
chat.getresponse()
return chat
checkpoint = "chat.jsonl" # 缓存文件的名称
msgs = ["1", "2", "3", "4", "5", "6", "7", "8", "9"]
# 处理数据，如果 checkpoint 存在，则从上次中断处继续
continue_chats = process_chats(msgs, data2chat, checkpoint)示例3，批量处理数据（异步并行），用不同语言打印 hello，并使用两个协程：
from chattool import async_chat_completion, load_chats, Chat
langs = ["python", "java", "Julia", "C++"]
def data2chat(msg):
chat = Chat()
chat.user("请用语言 %s 打印 hello world" % msg)
# 注意，这里不需要 getresponse 而交给异步处理
return chat
async_chat_completion(langs, chkpoint="async_chat.jsonl", nproc=2, data2chat=data2chat)
chats = load_chats("async_chat.jsonl")在 Jupyter Notebook 中运行，因其特殊机制，需使用 await 关键字和 wait=True 参数：
await async_chat_completion(langs, chkpoint="async_chat.jsonl", nproc=2, data2chat=data2chat, wait=True)定义函数：
def add(a: int, b: int) -> int:
"""
This function adds two numbers.
Parameters:
a (int): The first number.
b (int): The second number.
Returns:
int: The sum of the two numbers.
"""
return a + b
def mult(a:int, b:int) -> int:
"""This function multiplies two numbers.
It is a useful calculator!
Args:
a (int): The first number.
b (int): The second number.
Returns:
int: The product of the two numbers.
"""
return a * b添加函数到 Chat 对象：
from chattool import Chat
chat = Chat("find the value of (23723 * 1322312 ) + 12312")
chat.settools([add, mult])自动执行工具，根据返回信息判断是否结束，maxturns 默认为 3：
chat.autoresponse(display=True, tool_type='tool_choice', maxturns=3) 使用通用函数 python
from chattool.functioncall import python
chat = Chat("find the value of (23723 * 1322312 ) + 12312")
chat.settools([python])
chat.autoresponse(display=True, tool_type='tool_choice', maxturns=3) 注意，执行模型生成的任意代码有潜在风险。
使用 MIT 协议开源。
- 当前版本
3.2.1，简化异步处理和串行处理的接口，更新子模块名称，避免冲突 - 版本
2.3.0，支持调用外部工具，异步处理数据，以及模型微调功能 - 版本
2.0.0开始，更名为chattool - 版本
1.0.0开始，支持异步处理数据 - 版本
0.6.0开始，支持 function call 功能 - 版本
0.5.0开始，支持使用process_chats处理数据，借助msg2chat函数以及checkpoint文件 - 版本
0.4.0开始，工具维护转至 CubeNLP 组织账号 - 版本
0.3.0开始不依赖模块openai.py，而是直接使用requests发送请求- 支持对每个
Chat使用不同 API 密钥 - 支持使用代理链接
- 支持对每个
- 版本
0.2.0改用Chat类型作为中心交互对象
![dependabot[bot]](https://avatars.githubusercontent.com/u/49699333?size=120)
