如何为ChatGPT创建机器人

考虑创建一个应用程序来处理 ChatGPT.它的任务将是通过Telegram ，接收语音信息，将其转换为文本，传输到ChatGPT ，并将回复发送至Telegram 。在创建过程中，你将需要经历以下步骤：

1. 为Telegram ，创建一个机器人，并对其进行基本设置。
2. 接收一个带有语音信息的文件 (Telegram 使用.oga 格式)。
3. 将文件从oga 转换为mp3 。
4. 将mp3 文件传输到 Whisper服务，以便转换为文本。
5. 将收到的文本发送至ChatGPT 。
6. 从ChatGPT 发送一个响应给Telegram 的用户。
   

为Telegram 创建一个机器人及其基本设置

这一切都始于注册一个机器人的事实。为此，Telegram 使用它自己的特殊机器人 -- BotFather.你需要写信给他，并通过简单的连续步骤。

结果，你应该有一个指向你的机器人的链接和一个用于请求其API的令牌。

现在，你可以继续设置机器人在 AppMaster.最简单的方法是安装适当的模块。你只需要在模块列表中选择它并在设置中指定你的API令牌。

必要的模型将在你的项目中自动创建，与Telegram ，以及基本的Telegram业务流程的块将出现。 Telegram: Echo.值得仔细考虑和理解的是工作原理。

在输入端，它接收来自Telegram （Message 模型）的消息。它包含发送消息的文本(text)，以及chat 模型，你可以从中得到发件人的标识符(id)。最后一个块 Telegram: Send Message将收到的消息发回给发件人，但代表机器人。

你可以使用这个业务流程对机器人进行初步测试，并与它进行沟通。要做到这一点，你需要创建一个端点，它将接收信息并启动一个业务流程。

在创建它时，重要的是要禁用 Middleware Token Auth.该端点必须是开放的，可以在没有授权的情况下使用。

Telegram 机器人的操作原理非常简单--所有将被发送到它的信息都会进入一个特殊的webhook，它可以自动进一步转移它们，并将它们发送到你选择的端点以采取进一步行动。

因此，最后一步仍然是激活机器人--你需要在Telegram 中注册这个端点，并表明这个机器人应该与之相关。这需要发送一个POST-request，其中包含完整的端点URL，并指出你的机器人令牌，而不是{Bot API Token} ，地址为

https://api.telegram.org/bot{Bot API Token}/setWebhook

如果你收到这样的响应信息，那么一切都做得很正确。

 {

    "ok": true,

    "result": true,

    "description": "Webhook was set"

}

机器人已经准备好工作了，你可以给他发送消息并得到回复。

接收一个带有语音信息的文件

Telegram 模块主要是为处理文本信息而设计的。而我们的任务是获得一个带有语音信息的文件。使用AppMaster ，你可以轻松解决这个问题。首先，我们需要分析我们一般从Telegram 收到的内容，以解析信息的结构。该 Get Request Body块就是为此而设计的。它消除了提前指定请求结构的需要，并允许你接收整个请求，不管其内容如何。这个块以一组字节的形式返回查询结果，你可以使用 To String块将结果以人类可读的形式呈现出来，也可以将其保存在日志 (Write to Log块），以便进一步分析。

我们对整个请求中的两个参数感兴趣：

Sender ID- 在请求中指定为"id":300493858
File ID-"file_id":"AwACAgIAAxkBAAMzZBk6QRvO-OYWsWUC-Bu1UXDM2FwAAkktAAKTZclIWTSkfTTw8wYvBA"

你可以创建你自己的模型来匹配请求，并使用它来获得所需的字段。但是创建一个正则表达式(Regex)并使用它。要做到这一点，该 String Match Regex块将表达式本身作为输入，以及与给定表达式匹配的字符串将被检查。

在第一种情况下，该表达式是 "id":"\d+

结果，我们得到了字符串"id":300493858 ，我们需要用代码块将其中多余的 ("id":) ) 去掉，只留下标识符本身。 Replace String块，只留下标识符本身。

在第二种情况下，原理是完全一样的，但使用了一个稍微复杂的表达式： "file_id":"[^"]+

现在我们有了发送者ID和文件ID，我们可以用它来获取文件本身。要做到这一点，你需要转向Telegram API 。这一点在之前注册机器人的端点时已经做过了。现在你需要做一个类似的请求来获取文件。请求URL中的{File ID} ，必须用收到的文件ID替换。

https://api.telegram.org/bot{Bot API Token}/setWebhook/getFile?file_id={File ID}

要发送一个请求并接收其结果，我们使用 HTTP Request块，指定URL和 Method = GET作为它的参数。

从收到的响应中，你可以找出文件的相对路径，它被传递到"file_path"参数中。因此，使用下一个正则表达式（"file_path":"[^"]+ ），你可以提取所需的值并与 "https://api.telegram.org/file/bot{Bot API Token}/"连接，以获得文件的完整链接。

将文件从OGA 转换为MP3

文件被收到了，但是障碍在于 Whisper服务不支持使用 OGA格式。你需要转换为适当的格式之一。

作为一个例子，我们使用了 Zamzar服务（其免费计划支持每月进行100次转换），并将其转换为MP3 。

你可以参考它的文档了解详情，或者使用其他类似的服务。我们将不详细分析使用它的工作，我们只考虑与实施AppMaster 直接有关的部分。

首先，请求将需要正确的认证数据。它们必须以如下格式提供 Basic Authentication格式提供。要做到这一点，你需要在请求中传递一个带有数值的头：

Key = 'Authorization'

Value = 'Basic '+ 用户ID和密码，用": "分开，格式为 base64格式

在注册服务时获得的API密钥是用户ID。你需要在其上添加":"，并使用Base64 格式的编码。 To Base64块进行编码。其结果需要变成一个头(Make Key-Value (String)块）。

下一步是在数据库设计器中为查询创建一个模型。该请求必须以 Multipart Form格式，因此有必要准备一个该请求形式的模型。在我们的例子中，该模型由三个类型的字段组成：String ：

• source_file- 源文件的完整路径（在上一步中已经了解到）。
• source_format- 源文件格式，在这个例子中，它是一个固定值 "ogg"。
• target_format- 转换的目标格式。你可以选择任何由Whisper 支持的格式。让我们用 "mp3" 作为例子。
  

在业务流程编辑器中，你需要使用 Make块来填写模型数据，并使用POST 请求将其发送到 https://sandbox.zamzar.com/v1/jobs/ 。 HTTP Request块将其作为一个 请求发送到 （请确保指定 Serialize request body = Multipart Form).

应该注意的是，这个请求并不返回转换后的文件，而只是创建一个任务来转换它。你需要单独申请结果；为此，你需要创建任务的ID。这个ID必须从请求的响应体中获得，为此，应该使用正则表达式和提取id值来完成已经制定的过程。

转换的结果必须单独应用。这就需要再提出两个请求。第一个是找出结果是否已经准备好。第二个是拿起完成的文件。同时，我们不知道准备就绪的确切时间，所以我们可以组织一个循环，以一定的时间间隔（例如，每秒钟）发送重复的请求来检查准备就绪情况。

必须使用GET 方法向URLhttps://sandbox.zamzar.com/v1/jobs/{id} 发送一个HTTP Request ，其中{id} 是在上一步获得的任务ID。这使用了与前一个请求相同的头信息。

从收到的响应中，你需要找出准备就绪的状态。如果转换已经完成，响应将包含 "status": "successful"而对我们来说，这是一个信号，表明我们可以完成循环并继续前进。

除了状态之外，响应还必须包含完成文件的ID ("target_files":[{"id":)。它必须被提取出来，以获得文件的最终链接，其形式为https://sandbox.zamzar.com/v1/files/{ID}/content

同时，接收文件只对授权用户开放，所以你需要使用与以前的请求相同的标头来执行HTTP Request 。

作为请求的结果，将获得文件的内容，必须给它起个名字，并保存起来以便进一步使用。

将一个MP3 文件发送到Whisper ，以便转换为文本

现在，一切都为下一步做好了准备--发送一个带有语音信息的文件进行识别。这将需要另一个请求，其格式为 Multipart Form格式的另一个请求。只是与前面的例子不同，这个请求需要传输文件本身，而不是文件的链接。

这样一个请求的模型可以在 External HTTP Request章节中创建。在这种情况下，你可以不完全创建一个请求，而只限于创建一个请求体模型。该模型本身由两个参数组成：

1. File(Virtual Filetype) - 需要被识别的相同文件。
2. model(类型 String)--在这里我们指定值 whisper-1.
   

此外，对于请求来说，有必要获得一个密钥，以便与 OpenAIAPI并生成一个授权头的 Bearer Token类型。

Key = 'Authorization'

Value = 'Bearer '+ OpenAI API Key

接下来，你可以发送POST 请求本身，以识别语音信息到Whisper 服务的URL上https://api.openai.com/v1/audio/transcriptions

作为成功识别文件的结果，将收到一个响应，其形式为{"text": "Hello world.”}

将收到的文本发送至ChatGPT

你可以继续使用 HTTP Request块来发送一个请求到 ChatGPT.来探索API文档，以及独立创建请求和响应的模型。但你也可以使用一个更简单的选项，即来自AppMaster 的现成模块，用于处理 OpenAI，它必须安装在模块部分。

在最小的足够版本中，你只需要指定 OAI ChatCompletionMessage模型的参数 (role = user,content = 要发送的信息)，将其添加到数组中，并通过模块向ChatGPT 发送一个请求。 OpenAI: Create Chat Completion块（设置参数 model = gpt-4).

结果，我们从ChatGPT 得到一个响应。我们从 content的参数中读取。 OAI ChatCompletionChoice模型。

从ChatGPT 发送一个响应给一个用户，在Telegram

最后一步只是重复之前已经做过的事情--向Telegram 。但如果我们一开始只是简单地将消息返回给发送者，现在这条消息已经启动了一系列不同的动作，其结果是作为一个响应从ChatGPT 。

在开发这样一个机器人的过程中，值得考虑：

1. Telegram 以这样的方式工作，即机器人发出的每个请求必须被成功处理。否则，他将尝试多次重复，这意味着在有任何问题的情况下，你将一次又一次地收到它。确保逻辑构建的方式是，请求不会导致错误，并能成功处理。
2. 并非所有的请求在第一次尝试时都能按预期进行。你将需要搜索错误，为此要安排到 Write to Log块。它们既有助于检查每个块是否真正收到你计划传输的数据，也有助于分析块的结果和详细研究响应。
3. 作为指南的一部分，我们假设所有的请求都是可预测的和成功的，并且这个过程是相当线性的。在实践中，有必要提供各种行动选项（例如，如果用户发送的是文字信息而不是语音信息，甚至是图片，该怎么做）和错误处理（检查HTTP请求的状态，考虑不同的响应选项）。