1 分钟给 Siri 升个级!从智Z变身 ChatSiri!

yizhihongxing

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

  • 要让GAN生成想要的样本,可控生成对抗网络可能会成为你的好帮手

    如何让GAN生成带有指定特征的图像?这是一个极有潜力、极有应用前景的问题,然而目前都没有理想的方法。韩国大学电子工程学院Minhyeok Lee和Junhee Seok近期发表论文,就生成对抗网络的控制问题给出了自己的办法,AI 科技评论根据原文进行如下编辑。 简介 生成对抗网络(GANs)是最近几年提出的新方法,在其问世之后的短短时间内,生成对抗网络已经在…

    GAN生成对抗网络 2023年4月7日
    00
  • ATSS : 目标检测的自适应正负anchor选择,很扎实的trick | CVPR 2020

    论文指出one-stage anchor-based和center-based anchor-free检测算法间的差异主要来自于正负样本的选择,基于此提出ATSS(Adaptive Training Sample Selection)方法,该方法能够自动根据GT的相关统计特征选择合适的anchor box作为正样本,在不带来额外计算量和参数的情况下,能够大幅…

    2023年4月6日
    00
  • 保存及读取keras模型参数

    转自:http://blog.csdn.net/u010159842/article/details/54407745,感谢分享~ 你可以使用model.save(filepath)将Keras模型和权重保存在一个HDF5文件中,该文件将包含: 模型的结构,以便重构该模型 模型的权重 训练配置(损失函数,优化器等) 优化器的状态,以便于从上次训练中断的地方开…

    Keras 2023年4月8日
    00
  • pytorch 中的Variable一般常用的使用方法

    Variable一般的初始化方法,默认是不求梯度的 import torch from torch.autograd import Variable x_tensor = torch.randn(2,3) #将tensor转换成Variable x = Variable(x_tensor) print(x.requires_grad) #False x = …

    PyTorch 2023年4月7日
    00
  • 深度学习之感性理解-循环神经网络RNN

    深度学习之感性理解-循环神经网络RNN 序列模型 循环神经网络 典型的结构 LSTM GRU 序列模型 简单来说就是跟时间先后有关系的数据。举例来说:比如我们讲话,“我是一只猪“,不是瞬间蹦出来一句话吧,是随着时间先后而说出来的吧,这段声音是个序列模型。 比如你看一段话,是从第一个字看到最后一个字,不是瞬间就完成了吧,这个文章也是序列模型。 比如一段视频,你…

    2023年4月8日
    00
  • Keras高层API之Metrics

    在tf.keras中,metrics其实就是起到了一个测量表的作用,即测量损失或者模型精度的变化。metrics的使用分为以下四步: step1:Build a meter acc_meter = metrics.Accuracy() loss_meter = metrics.Mean() step2:Update data loss_meter.updat…

    2023年4月8日
    00
  • 循环神经网络RNN(Recurrent Neural Network)

    循环神经网络的好处:建立神经网络架构很灵活。 看看上面这个图左边第一个,红色这个框是得到的一个固定大小的向量,绿色这个框处理它,然后得到一个固定大小的向量(蓝色这个框)。所以,会有一个固定大小的图像进入网络,然后输出一个固定大小的向量,输出的向量是一个class score.. 在循环神经网络中,我们可以采用不同的顺序实现,比如从输入开始或者从输出开始,或者…

    2023年4月8日
    00
  • Pytorch:单卡多进程并行训练

    在深度学习的项目中,我们进行单机多进程编程时一般不直接使用multiprocessing模块,而是使用其替代品torch.multiprocessing模块。它支持完全相同的操作,但对其进行了扩展。Python的multiprocessing模块可使用fork、spawn、forkserver三种方法来创建进程。但有一点需要注意的是,CUDA运行时不支持使用…

    2023年4月6日
    00
合作推广
合作推广
分享本页
返回顶部