Spring Boot是由Pivotal团队提供的全新框架，其设计目的是用来简化新Spring应用的初始搭建以及开发过程。该框架使用了特定的方式来进行配置，从而使开发人员不再需要定义样板化的配置。通过这种方式，Spring Boot致力于在蓬勃发展的快速应用开发领域（rapid application development）成为领导者。
OpenAI-Java是一个Java语言的人工智能库，提供了常用的机器学习算法和自然语言处理工具，以便使用Java进行人工智能开发。该库基于深度学习技术，可用于构建各种类型的AI应用程序。OpenAI-Java的目标是使Java开发人员具备开发人工智能应用程序的能力，同时利用Java开发的优势：强类型编程、跨平台等，来构建高性能、高效率的AI应用程序。
升级步骤
在之前的文章中，我介绍了如何将 OPENAI 的 JAVA SDK（OpenAI-Java）集成到 Spring Boot 项目中。如果您对这个过程有任何不明白的地方，可以参考我的文章（https://joseke.blog.csdn.net/article/details/129332499）。
但是这次，我要向您推荐一个更加强大且经济实惠的模型，那就是 GPT-3.5 Turbo。相比之前我们使用的达芬奇模型（text-davinci-003），GPT-3.5 Turbo 拥有更出色的性能，而且其 token 价格仅为达芬奇模型的 10%。因此，我强烈建议您升级到 GPT-3.5 Turbo。通过这个版本的模型，您可以期望获得更加高效和便捷的文本生成体验，为您的项目注入新的活力。
1 升级OpenAI-Java SDK版本
直接修改项目中的POM版本号至0.11.1，可以去maven仓库查询最新版本，如下所示
<!-- https://mvnrepository.com/artifact/com.theokanning.openai-gpt3-java/client -->
<dependency>
<groupId>com.theokanning.openai-gpt3-java</groupId>
<artifactId>client</artifactId>
<version>0.11.1</version>
</dependency>2 初始化OpenAiService类
如果是在spring boot配置中定义的OpenAiService 则不需要做任何将修改，但是这个类提示已经废弃，大家不要担心，不需要做任何变更，配置如下
@Configuration
public class OpenAiConfiguration {
//open ai 密钥配置
@Value("${open.ai.key}")
private String openAiKey;
//请求超时配置
@Value("${open.ai.request.timeout}")
private long timeout;
//初始化
@Bean
public OpenAiService openAiService(){
return new OpenAiService(openAiKey, Duration.ofSeconds(timeout));
}
}3 修改OPENAI 请求实例
在之前的文章中我们使用了如下方式实例化了一个请求类
CompletionRequest completionRequest = CompletionRequest.builder()
.prompt(prompt) //提问的问题
.model(openAiModel) //模型 - text-davinci-003
.echo(true)
.temperature(0.7)
.topP(1d)
.frequencyPenalty(0d)
.presencePenalty(0d)
.maxTokens(maxTokens)
.build();
CompletionResult completionResult = openAiService.createCompletion(completionRequest);
String text = completionResult.getChoices().get(0).getText();但在新版中这种实例化方式完全不可用，需要升级至以下方式进行实例化才可以使用新模型，其中的配置都是用默认的基本就满足大部分的需求了。
List<ChatMessage> messages = buildChatMessage(prompt);
ChatCompletionRequest completionRequest = ChatCompletionRequest.builder()
.model(openAiModel)
.messages(messages)
.build();
ChatCompletionResult completionResult = openAiService.createChatCompletion(completionRequest);
List<ChatCompletionChoice> choices = completionResult.getChoices();
if(CollectionUtils.isEmpty(choices)){
log.warn("No answer response {}",JSON.toJSONString(completionResult));
return "";
}
return choices.get(0).getMessage().getContent();消息列表实例创建方法
/**
* 构建消息类
* @param prompt
* @return
*/
private List<ChatMessage> buildChatMessage(String prompt){
List<ChatMessage> messages = new ArrayList<>();
ChatMessage systemMsg = new ChatMessage();
systemMsg.setRole(RoleTypeEnum.system.name());
systemMsg.setContent("我是一名JAVA程序员，可以回答任何JAVA相关的问题。");
messages.add(systemMsg);
ChatMessage userMsg = new ChatMessage();
userMsg.setRole(RoleTypeEnum.user.name());
userMsg.setContent(prompt);
messages.add(userMsg);
return messages;
}在新版版的模型中，官方开放了三种角色供大家配置分别是system、user和assistant
system：系统消息，用来设置 ChatGPT 的行为。
user：用户消息，用来和 ChatGPT 交互。
assistant：助理消息，用来帮助你存储 ChatGPT 在此之前的回复。
因此我们在消息构建的时候直接配置机器人的角色，让机器人只回复这个领域的知识。同时我们还可以通过配置助理消息实现多轮会话，这个我会在后续的文章中详细讲解。
总之为了避免无故的token消耗，粉丝朋友们大家还是尽快升级吧！
最后大家的点赞关注是我们更新最大的动力，拜托啦！