今天我們來實作第一個簡單LLMs應用
原本想再介紹一下prompt，但感覺一直講理論太boring了，
讓我們趕快開始寫code吧!

那接下來實作用的技術應該都是python跟js的next.js

首先安裝套件

$ pip install openai

這邊要先拿API KEY https://platform.openai.com/account/api-keys
進去後按create new secret key

接下來引用

import os
import openai

# 讀取你的API key
openai.api_key = os.getenv("OPENAI_API_KEY")
info = input("輸入你的個人資訊 : ")

chat_completion = openai.ChatCompletion.create(
    model=MODEL,
    messages=[
        {"role": "system", "content": "你是一個很專業HR，讀過各種各樣不同的履歷，我需要你幫我整理資料生成履歷並以繁體中文回復."},
        {"role": "user", "content": info },
    ],
    temperature=0,
)

看一下chat_completion 這裡
model 就是你要用的model -> https://platform.openai.com/docs/models/continuous-model-upgrades
裡面有各種模型，像是gpt-3.5、gpt-4，我們接下來大部分都會用gpt-3.5來做示範

下面message的部分比較複雜
大致會有3個role

1. syetem : 定義機器人風格、像是回復的語氣、基本資訊等等

3. assistant : 機器人的回復
   那為什麼我們需要先給他回復呢?
   如果有用過chatgpt就知道，如果我們先給他一些資訊或是要求它回復格式，那它就會根據上下文回覆。
   這邊也是一樣意思，我們給他幾個範例的答覆讓它了解我們接下來需要的東西。
   越多越好的範例它也會給我們越好的回復

4. user : 使用者發送的訊息

temperature:溫度 可以設置0~1

0-0.3 越低跟你的條件越類似
0.3-0.7 平衡創造力跟設定條件
0.7-1 越高則有越豐富的創造力

像我們這種一個輸入一個輸出的，又稱Zero-Shot Prompting
今天介紹了最基本使用chatgpt api的串接法，接下來我們會繼續加入更多功能