24/7 Availability: ChatGPT can handle queries at any time, making certain constant availability for customer help. As an illustration, a instructor in a distant village can use ChatGPT to prepare lesson plans or clarify ideas for students, making certain they obtain high quality education regardless of their location. Scalability: Ensuring consistent efficiency at scale. Para facilitar, estamos colocando o token em uma string laborious-coded mas em sua aplicação, você pode decidir entre variáveis de ambiente ou configurações do appsettings.json. Note que nesta mensagem, estamos concatenando um texto informativo com as categorias existentes no mongodb. Podemos ver que, enviamos a solicitação ao chatgpt en español gratis e graças à mensagem do tipo system, recebemos um texto indicando qual a categoria de produto que o mesmo melhor se enquadra. Como o mesmo indica o texto da categoria escolhida, podemos buscar o objeto do banco de dados referente a essa escolha e montar o objeto de retorno. Vamos ver como fazer isso, mas não apenas fazer uma conexão simples, e sim com um exemplo prático de interação com a base de dados.

Esse array, para as chamadas simples que iremos fazer, irão retornar um objeto apenas. Vamos trabalhar com uma API simples com arquitetura em camadas, trabalhando apenas com uma única tabela chamada Categories, para armazenar as categorias de produtos que temos no site. Uma conexão direta com o ChatGPT facilmente poderia fazer isso, mas, você não deseja que a resposta encaminhe seu usuário para outro site ou sugira um produto que você não venda. Dentre essas mensagens, o atributo role indica o papel da pessoa autora daquela mensagem, tal como se fosse uma conversa. Onde mannequin indica o modelo de gpt a ser utilizado e messages é um array de mensagens a serem enviadas. A primeira mensagem será do tipo system e irá indicar o comportamento das respostas a serem geradas. A segunda mensagem também será do tipo system e irá indicar quais são as categorias que o ChatGPT irá considerar ao recomendar um presente. Por último, iremos indicar a mensagem que a pessoa usuária irá digitar ao pedir uma recomendação de presente. Talvez, clonar e trabalhar no seu próprio modelo de IA iria resolver isso, mas vamos buscar uma abordagem mais simples.

Portanto, criamos uma forma de fazer bom uso da inteligência artificial sem precisar treinar um modelo do zero. Uma janela modal irá aparecer, onde você pode dar um nome para sua chave e então clicar em Create secret key. ⚠️ Essa é a única vez onde você terá acesso à chave pelo site da OpenAI. Já o atributo messages será uma coleção de um segundo DTO chamado RequestGPTMessage que terá o formato do objeto de cada mensagem. Quanto à conexão com ChatGPT, entenda que o mesmo é pago e solicita uma chave de API. Esse objeto terá uma chave message com a task: assistant e um content material com a nossa mensagem. Basicamente, se nossa aplicação tivesse nesse momento, uma lista de produtos, poderíamos responder com os produtos mais vendidos nessa categoria. Além disso, iremos criar DTOs para representar o futuro funcionamento da nossa API. Por fim, para criarmos a controller, precisamos receber em sua injeção de dependências, o IAService criado anteriormente, e criar um método que receba do corpo de requisição, o objeto AdviceRequest que iremos enviar em nosso serviço.

Para fazer com que nosso projeto faça chamadas na API do ChatGPT, devemos verificar o seu funcionamento na documentação oficial, mas podemos simplificar a explicação. Podemos então converter esse objeto para json com a biblioteca Newtonsoft.Json e fazer uma request com o objeto HttpClient passando esse corpo de requisição e o token da API. Para testar a aplicação, podemos chamar a rota Post /advice com um corpo de requisição com uma solicitação. Então podemos criar um objeto com o corpo de requisição para a API da OpenAI. Iremos criar um método assíncrono para receber a request do corpo de requisição e retornar o corpo de response. Para ilustrar um uso dessa API, vamos criar um cenário de um e-commerce de uma grande loja de variedades. Se analisarmos o objeto de retorno, temos um json com uma chave chamada choices que receberá um array de mensagens. Neste método, iremos começar buscando os nomes das categorias da camada repository e concatenar em uma mesma string. Portanto, vamos utilizar essas categorias para personalizar a resposta que o ChatGPT pode nos entregar. Este projeto possui um arquivo mongo-init.js para carregar o mongodb com algumas categorias de produtos.