开源了一个不使用任何后端框架纯 PHP 实现流式调用 OpenAI gpt 接口的项目

查看 27|回复 0
作者:qiayue   
php-openai-gpt-stream-chat-api-webui
由 @qiayue 开源的 纯 PHP 实现 GPT 流式调用和前端实时打印 webui  。
仓库地址: https://github.com/qiayue/php-openai-gpt-stream-chat-api-webui
演示站点: https://aiwanjia.cn/
提前说明下,本文的价值比开源的代码更高,因为代码只是本文的实现而已。
目录结构
/
├─ /class
│  ├─ Class.ChatGPT.php
│  ├─ Class.DFA.php
│  ├─ Class.StreamHandler.php
├─ /static
│  ├─ css
│  │  ├─ chat.css
│  │  ├─ monokai-sublime.css
│  ├─ js
│  │  ├─ chat.js
│  │  ├─ highlight.min.js
│  │  ├─ marked.min.js
├─ /chat.php
├─ /index.html
├─ /README. md
├─ /sensitive_words.txt
[td]目录 /文件[/td]
[td]说明[/td]
/
程序根目录
/class
php 类文件目录
/class/Class.ChatGPT.php
ChatGPT 类,用于处理前端请求,并向 OpenAI 接口提交请求
/class/Class.DFA.php
DFA 类,用于敏感词校验和替换
/class/Class.StreamHandler.php
StreamHandler 类,用于实时处理 OpenAI 流式返回的数据
/static
存放所有前端页面所需的静态文件
/static/css
存放前端页面所有的 css 文件
/static/css/chat.css
前端页面聊天样式文件
/static/css/monokai-sublime.css
highlight 代码高亮插件的主题样式文件
/static/js
存放前端页面所有的 js 文件
/static/js/chat.js
前端聊天交互 js 代码
/static/js/highlight.min.js
代码高亮 js 库
/static/js/marked.min.js
markdown 解析 js 库
/chat.php
前端聊天请求的后端入口文件,在这里引入 php 类文件
/index.html
前端页面 html 代码
/README. md
仓库描述文件
/sensitive_words.txt
敏感词文件,一行一个敏感词,需要你自己收集敏感词,也可以加我微信(同 GitHub id )找我要
使用方法
本项目代码,没有使用任何框架,也没有引入任何第三方后端库,前端引入了代码高亮库 highlight 和 markdown 解析库 marked 都已经下载项目内了,所以拿到代码不用任何安装即可直接使用。
唯二要做的就是把你自己的 api key 填进去。
获取源码后,修改 chat.php ,填写 OpenAI 的 api key 进去,具体请见:
$chat = new ChatGPT([
    'api_key' => '此处需要填入 openai 的 api key ',
]);
如果开启敏感词检测功能,需要把敏感词一行一个放入 sensitive_words_sdfdsfvdfs5v56v5dfvdf.txt 文件中。
开了一个微信群,欢迎入群交流:

原理说明
流式接收 OpenAI 的返回数据
后端 Class.ChatGPT.php 中用 curl 向 OpenAI 发起请求,使用 curl 的 CURLOPT_WRITEFUNCTION 设置回调函数,同时请求参数里 'stream' => true 告诉 OpenAI 开启流式传输。
我们通过 curl_setopt($ch, CURLOPT_WRITEFUNCTION, [$this->streamHandler, 'callback']); 设置使用 StreamHandler 类的实例化对象 $this->streamHandler 的 callback 方法来处理 OpenAI 返回的数据。
OpenAI 会在模型每次输出时返回 data: {"id":"","object":"","created":1679616251,"model":"","choices":[{"delta":{"content":""},"index":0,"finish_reason":null}]} 格式字符串,其中我们需要的回答就在 choices[0]['delta']['content'] 里,当然我们也要做好异常判断,不能直接这样获取数据。
另外,实际因为网络传输问题,每次 callback 函数收到的数据并不一定只有一条 data: {"key":"value"} 格式的数据,有可能只有半条,也有可能有多条,还有可能有 N 条半。
所以我们在 StreamHandler 类中增加了 data_buffer 属性来存储无法解析的半条数据。
这里根据 OpenAI 的返回数据格式,做了一些特殊处理,具体代码如下:
public function callback($ch, $data) {
        $this->counter += 1;
        file_put_contents('./log/data.'.$this->qmd5.'.log', $this->counter.'=='.$data.PHP_EOL.'--------------------'.PHP_EOL, FILE_APPEND);
        $result = json_decode($data, TRUE);
        if(is_array($result)){
                $this->end('openai 请求错误:'.json_encode($result));
                return strlen($data);
        }
        /*
            此处步骤仅针对 openai 接口而言
            每次触发回调函数时,里边会有多条 data 数据,需要分割
            如某次收到 $data 如下所示:
            data: {"id":"chatcmpl-6wimHHBt4hKFHEpFnNT2ryUeuRRJC","object":"chat.completion.chunk","created":1679453169,"model":"gpt-3.5-turbo-0301","choices":[{"delta":{"role":"assistant"},"index":0,"finish_reason":null}]}\n\ndata: {"id":"chatcmpl-6wimHHBt4hKFHEpFnNT2ryUeuRRJC","object":"chat.completion.chunk","created":1679453169,"model":"gpt-3.5-turbo-0301","choices":[{"delta":{"content":"以下"},"index":0,"finish_reason":null}]}\n\ndata: {"id":"chatcmpl-6wimHHBt4hKFHEpFnNT2ryUeuRRJC","object":"chat.completion.chunk","created":1679453169,"model":"gpt-3.5-turbo-0301","choices":[{"delta":{"content":"是"},"index":0,"finish_reason":null}]}\n\ndata: {"id":"chatcmpl-6wimHHBt4hKFHEpFnNT2ryUeuRRJC","object":"chat.completion.chunk","created":1679453169,"model":"gpt-3.5-turbo-0301","choices":[{"delta":{"content":"使用"},"index":0,"finish_reason":null}]}
            最后两条一般是这样的:
            data: {"id":"chatcmpl-6wimHHBt4hKFHEpFnNT2ryUeuRRJC","object":"chat.completion.chunk","created":1679453169,"model":"gpt-3.5-turbo-0301","choices":[{"delta":{},"index":0,"finish_reason":"stop"}]}\n\ndata: [DONE]
            根据以上 openai 的数据格式,分割步骤如下:
        */
        // 0 、把上次缓冲区内数据拼接上本次的 data
        $buffer = $this->data_buffer.$data;
        // 1 、把所有的 'data: {' 替换为 '{' ,'data: [' 换成 '['
        $buffer = str_replace('data: {', '{', $buffer);
        $buffer = str_replace('data: [', '[', $buffer);
        // 2 、把所有的 '}\n\n{' 替换维 '}[br]{' , '}\n\n[' 替换为 '}[br]['
        $buffer = str_replace('}'.PHP_EOL.PHP_EOL.'{', '}[br]{', $buffer);
        $buffer = str_replace('}'.PHP_EOL.PHP_EOL.'[', '}[br][', $buffer);
        // 3 、用 '[br]' 分割成多行数组
        $lines = explode('[br]', $buffer);
        // 4 、循环处理每一行,对于最后一行需要判断是否是完整的 json
        $line_c = count($lines);
        foreach($lines as $li=>$line){
            if(trim($line) == '[DONE]'){
                //数据传输结束
                $this->data_buffer = '';
                $this->counter = 0;
                $this->sensitive_check();
                $this->end();
                break;
            }
            $line_data = json_decode(trim($line), TRUE);
            if( !is_array($line_data) || !isset($line_data['choices']) || !isset($line_data['choices'][0]) ){
                if($li == ($line_c - 1)){
                    //如果是最后一行
                    $this->data_buffer = $line;
                    break;
                }
                //如果是中间行无法 json 解析,则写入错误日志中
                file_put_contents('./log/error.'.$this->qmd5.'.log', json_encode(['i'=>$this->counter, 'line'=>$line, 'li'=>$li], JSON_UNESCAPED_UNICODE|JSON_PRETTY_PRINT).PHP_EOL.PHP_EOL, FILE_APPEND);
                continue;
            }
            if( isset($line_data['choices'][0]['delta']) && isset($line_data['choices'][0]['delta']['content']) ){
                    $this->sensitive_check($line_data['choices'][0]['delta']['content']);
            }
        }
        return strlen($data);
    }
敏感词检测
我们使用了 DFA 算法来实现敏感词检测,按照 ChatGPT 的解释,"DFA"是指“确定性有限自动机”( Deterministic Finite Automaton ) ,DfaFilter (确定有限自动机过滤器)通常是指一种用于文本处理和匹配的算法。
Class.DFA.php 类代码是 GPT4 写的,具体实现代码见源码。
这里介绍一下使用方法,创建一个 DFA 实例需要传入敏感词文件路径:
$dfa = new DFA([
    'words_file' => './sensitive_words_sdfdsfvdfs5v56v5dfvdf.txt',
]);
特别说明:这里特意用乱码字符串文件名是为了防止他人下载敏感词文件,请你部署后也自己改一个别的乱码文件名,不要使用我这里公开了的文件名
之后就可以用 $dfa->containsSensitiveWords($inputText) 来判断 $inputText 是否包含敏感词,返回值是 TRUE 或 FALSE 的布尔值,也可以用 $outputText = $dfa->replaceWords($inputText) 来进行敏感词替换,所有在 sensitive_words.txt 中指定的敏感词都会被替换为三个*号。
如果不想开启敏感词检测,把 chat.php 中的以下三句注释掉即可:
$dfa = new DFA([
    'words_file' => './sensitive_words_sdfdsfvdfs5v56v5dfvdf.txt',
]);
$chat->set_dfa($dfa);
如果没有开启敏感词检测,那么每次 OpenAI 的返回都会实时返回给前端。
如果开启了敏感词检测,会查找 OpenAI 返回中的换行符和停顿符号 [',', '。', ';', '?', '!', '……'] 等来进行分句,每一句都使用 $outputText = $dfa->replaceWords($inputText) 来替换敏感词,之后整句返回给前端。
开启敏感词后,加载敏感词文件需要时间,每次检测时也是逐句检测,而不是逐词检测,也会导致返回变慢。
所以如果是自用,可以不开启敏感词检测,如果是部署出去给其他人用,为了保护你的域名安全和你的安全,最好开启敏感词检测。
流式返回给前端
直接看 chat.php 的注释会更清楚:
/*
以下几行注释由 GPT4 生成
*/
// 这行代码用于关闭输出缓冲。关闭后,脚本的输出将立即发送到浏览器,而不是等待缓冲区填满或脚本执行完毕。
ini_set('output_buffering', 'off');
// 这行代码禁用了 zlib 压缩。通常情况下,启用 zlib 压缩可以减小发送到浏览器的数据量,但对于服务器发送事件来说,实时性更重要,因此需要禁用压缩。
ini_set('zlib.output_compression', false);
// 这行代码使用循环来清空所有当前激活的输出缓冲区。ob_end_flush() 函数会刷新并关闭最内层的输出缓冲区,@ 符号用于抑制可能出现的错误或警告。
while (@ob_end_flush()) {}
// 这行代码设置 HTTP 响应的 Content-Type 为 text/event-stream ,这是服务器发送事件( SSE )的 MIME 类型。
header('Content-Type: text/event-stream');
// 这行代码设置 HTTP 响应的 Cache-Control 为 no-cache ,告诉浏览器不要缓存此响应。
header('Cache-Control: no-cache');
// 这行代码设置 HTTP 响应的 Connection 为 keep-alive ,保持长连接,以便服务器可以持续发送事件到客户端。
header('Connection: keep-alive');
// 这行代码设置 HTTP 响应的自定义头部 X-Accel-Buffering 为 no ,用于禁用某些代理或 Web 服务器(如 Nginx )的缓冲。
// 这有助于确保服务器发送事件在传输过程中不会受到缓冲影响。
header('X-Accel-Buffering: no');
之后我们每次想给前端返回数据,用以下代码即可:
echo 'data: '.json_encode(['time'=>date('Y-m-d H:i:s'), 'content'=>'答: ']).PHP_EOL.PHP_EOL;
flush();
这里我们定义了我们自己使用的一个数据格式,里边只放了 time 和 content ,不用解释都懂,time 是时间,content 就是我们要返回给前端的内容。
注意,回答全部传输完毕后,我们需要关闭连接,可以用以下代码:
echo 'retry: 86400000'.PHP_EOL; // 告诉前端如果发生错误,隔多久之后才轮询一次
echo 'event: close'.PHP_EOL; // 告诉前端,结束了,该说再见了
echo 'data: Connection closed'.PHP_EOL.PHP_EOL; // 告诉前端,连接已关闭
flush();
EventSource
前端 js 通过 const eventSource = new EventSource(url); 开启一个 EventSource  请求。
之后服务器按照 data: {"kev1":"value1","kev2":"value2"} 格式向前端发送数据,前端就可以在 EventSource 的 message 回调事件中的 event.data 里获取 {"kev1":"value1","kev2":"value2"} 字符串形式 json 数据,再通过 JSON.parse(event.data) 就可以得到 js 对象。
具体代码在 getAnswer 函数中,如下所示:
function getAnswer(inputValue){
    inputValue = inputValue.replace('+', '{[$add$]}');
    const url = "./chat.php?q="+inputValue;
    const eventSource = new EventSource(url);
    eventSource.addEventListener("open", (event) => {
        console.log("连接已建立", JSON.stringify(event));
    });
    eventSource.addEventListener("message", (event) => {
        //console.log("接收数据:", event);
        try {
            var result = JSON.parse(event.data);
            if(result.time && result.content ){
                answerWords.push(result.content);
                contentIdx += 1;
            }
        } catch (error) {
            console.log(error);
        }
    });
    eventSource.addEventListener("error", (event) => {
        console.error("发生错误:", JSON.stringify(event));
    });
    eventSource.addEventListener("close", (event) => {
        console.log("连接已关闭", JSON.stringify(event.data));
        eventSource.close();
        contentEnd = true;
        console.log((new Date().getTime()), 'answer end');
    });
}
说明一下,原生的 EventSource 请求,只能是 GET 请求,所以这里演示时,直接把提问放到 GET 的 URL 参数里了。
如果要想用 POST 请求,一般有两种办法:
[ol]

  • 前后端一起改: [先发 POST 后发 GET ] 用 POST 向后端提问,后端根据提问和时间生成一个唯一 key 随着 POST 请求返回给前端,前端拿到后,再发起一个 GET 请求,在参数里携带问题 key ,获取回答,这种方式需要修改后端代码;

  • 只改前端: [只发一个 POST 请求] 后端代码不用大改,只需要把 chat.php 中 $question = urldecode($_GET['q'] ?? '') 改为 $question = urldecode($_POST['q'] ?? '') 即可,但是前端需要改造,不能用原生 EventSource 请求,需要用 fetch ,设置流式接收,具体可见下方 GPT4 给出的代码示例。
    [/ol]
    async function fetchAiResponse(message) {
        try {
            const response = await fetch("./chat.php", {
                method: "POST",
                headers: { "Content-Type": "application/json" },
                body: JSON.stringify({ messages: [{ role: "user", content: message }] }),
            });
            if (!response.ok) {
                throw new Error(response.statusText);
            }
            const reader = response.body.getReader();
            const decoder = new TextDecoder("utf-8");
            while (true) {
                const { value, done } = await reader.read();
                if (value) {
                    const partialResponse = decoder.decode(value, { stream: true });
                    displayMessage("assistant", partialResponse);
                }
                if (done) {
                    break;
                }
            }
        } catch (error) {
            console.error("Error fetching AI response:", error);
            displayMessage("assistant", "Error: Failed to fetch AI response.");
        }
    }
    上方代码,关键点在于 const partialResponse = decoder.decode(value, { stream: true }) 中的 { stream: true } 。
    打字机效果
    对于后端返回的所有回复内容,我们需要用打字机形式打印出来。
    最初的方案是
    function typingWords(){
        if(contentEnd && contentIdx==typingIdx){
            clearInterval(typingTimer);
            answerContent = '';
            answerWords = [];
            answers = [];
            qaIdx += 1;
            typingIdx = 0;
            contentIdx = 0;
            contentEnd = false;
            lastWord = '';
            lastLastWord = '';
            input.disabled = false;
            sendButton.disabled = false;
            console.log((new Date().getTime()), 'typing end');
            return;
        }
        if(contentIdx
    其它
    更多其它细节请看代码,如果对代码有疑问的,请加我微信(同 GitHub id )
    License
    BSD 2-Clause
  • 您需要登录后才可以回帖 登录 | 立即注册

    返回顶部