1 分钟给 Siri 升个级!从智Z变身 ChatSiri!

原文链接:https://forum.laf.run/d/79/17

众所周知,Siri 是一个智 Z!那么如果能接入大火的 chatGPT,是不是就会从智 Z 变成人工智能?!

众所周知,Laf 是一个集函数、数据库、存储为一体的云开发平台,可以随时随地发布上线代码!那么如果能使用 Laf 来实现将 Siri 接入 ChatGPT,是不是只需要写一个云函数就完事,而无需关心部署、运维等一切与业务无关的糟心事?!

话不多说马上开始!

接入步骤

创建并发布云函数

首先需要注册登录 Laf 海外节点,然后新建云函数,我这里命名为 siri

1 分钟给 Siri 升个级!从智Z变身 ChatSiri!

替换下方代码:

import cloud from '@lafjs/cloud'

export async function main(ctx: FunctionContext) {
  const { ChatGPTAPI } = await import('chatgpt')
  const data = ctx.body

  // 这里需要把 api 对象放入 cloud.shared 不然无法追踪上下文
  let api = cloud.shared.get('api')
  if (!api) {
    api = new ChatGPTAPI({ apiKey: cloud.env.CHAT_GPT_API_KEY })
    cloud.shared.set('api', api)
  }

  let res
  // 这里前端如果传过来 parentMessageId 则代表需要追踪上下文
  if (!data.parentMessageId) {
    res = await api.sendMessage(data.message)
  } else {
    res = await api.sendMessage(data.message, { parentMessageId: data.parentMessageId })
  }
  return res
}

新建环境变量,把你的 ChatGPT 的 key 填进去:

1 分钟给 Siri 升个级!从智Z变身 ChatSiri!

环境变量的 NAME 填 CHAT_GPT_API_KEY,等待应用重启。

点击发布并获取链接:

1 分钟给 Siri 升个级!从智Z变身 ChatSiri!

iPhone 安装快捷指令

Safari 打开链接:https://www.icloud.com/shortcuts/cfcaca46d61b41c5a2b3b5bab1e2ec98

1 分钟给 Siri 升个级!从智Z变身 ChatSiri!

1 分钟给 Siri 升个级!从智Z变身 ChatSiri!

填入刚刚复制的链接,点击添加快捷指令即可。

如何使用

呼出指令:嘿!Siri 同学
等待 Siri 回复 “主人你好!” 后即可向 ChatGPT 提问,并用 Siri 语音回答。

使用 Laf 平台,可以轻松地将 Siri 接入 ChatGPT API,让 Siri 变身为 AI 聊天助手。只需要使用 Laf 编写一个简单的云函数即可。太快了,果然是 3 分钟发布上线 ChatGPT 应用!

最终,你就可以通过和 Siri 语音交互来获取答案和完成任务,让 Siri 变得更加智能、更加贴近生活。而这一切只需要一个快捷指令和 API key 就可以做到了。

小技巧

如果需要修改呼出指令,请修改快捷指令名称,建议以 Siri 开头。

原文链接:https://www.cnblogs.com/ryanyangcs/p/17336074.html

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:1 分钟给 Siri 升个级!从智Z变身 ChatSiri! - Python技术站

(0)
上一篇 2023年4月19日
下一篇 2023年4月22日

相关文章

  • tensorflow dropout函数应用

    1、dropout dropout 是指在深度学习网络的训练过程中,按照一定的概率将一部分神经网络单元暂时从网络中丢弃,相当于从原始的网络中找到一个更瘦的网络,这篇博客中讲的非常详细   2、tensorflow实现   用dropout: import tensorflow as tf import numpy as np x_data=np.linspa…

    tensorflow 2023年4月5日
    00
  • tensorflow2.0 评估函数

    一,常用的内置评估指标 MeanSquaredError(平方差误差,用于回归,可以简写为MSE,函数形式为mse) MeanAbsoluteError (绝对值误差,用于回归,可以简写为MAE,函数形式为mae) MeanAbsolutePercentageError (平均百分比误差,用于回归,可以简写为MAPE,函数形式为mape) RootMeanS…

    tensorflow 2023年4月6日
    00
  • caffe–2–一文详细了解caffe的文件夹目录结构

    caffe的文件夹目录结构 这里,最重要的三个文件夹就是include, tools, src。 include:caffe的实现代码的头文件 tools:保存的源码是用于生成二进制处理程序的,caffe在训练时实际是直接调用这些二进制文件。 src:实现Caffe的源文件 在源码解读中会对里面的文件代码一一介绍,这里给出src文件的结构: src中的每个.…

    2023年4月8日
    00
  • 第20章 keras中“开箱即用”CNNs

          到目前为止,我们学习了如何从头开始训练CNNs。这些CNNs大多数工作在浅层(以及较小数据集上),以至于它们可以很容易的在CPU上训练,而不需要在更贵的GPU上,这使得我们能够掌握神经网络和深度学习的基础。       但是由于我们只在浅层网络上工作,我们无法利用深度学习带给我们的全分类能力。幸运的是,keras库预置了5种在ImageNet数据…

    2023年4月6日
    00
  • TIME SERIES DEEP LEARNING: FORECASTING SUNSPOTS WITH KERAS STATEFUL LSTM IN R

    Time series prediction (forecasting) has experienced dramatic improvements in predictive accuracy as a result of the data science machine learning and deep learning evolution. As t…

    2023年4月8日
    00
  • 循环序列模型-week1编程题1(一步步搭建循环神经网络)

    1.循环神经网络的前向传播 1.1RNN单元 向量化m个样本,x<t>的维度为(nx,m),a<t>的维度为(na,m) 1 import numpy as np 2 from rnn_utils import * 3 4 #单步前向传播 5 def rnn_cell_forward(xt, a_prev, parameters): …

    2023年4月6日
    00
  • TensorFlow实战4——TensorFlow实现Cifar10识别

    1 import cifar10, cifar10_input 2 import tensorflow as tf 3 import numpy as np 4 import time 5 import math 6 7 max_steps = 3000 8 batch_size = 128 9 data_dir = ‘/tmp/cifar10_data/c…

    tensorflow 2023年4月8日
    00
  • 使用Detectron2分6步进行目标检测

    作者|Aakarsh Yelisetty编译|Flin来源|towardsdatascience 让我们看看如何在涉及文本识别的自定义数据集上使用FAIR(Facebook AI Research)的Detectron 2进行实例检测。 你是否尝试过使用你自己选择的自定义数据集从头开始训练对象检测模型? 如果是的话,你就会知道这个过程有多乏味。如果我们选择基…

    2023年4月8日
    00
合作推广
合作推广
分享本页
返回顶部