先做个广告：如需购买GPT帐号或代充值Chatgpt Plus（GPT4）会员，请添加站长客服微信：GPTchongzhi（备注好你的需求）
首先介绍一下我自己，毕业两年的硕士，目前在某大厂做程序员。虽然去年就听身边的人说过chatGPT，当时自己也没有当回事，心想这玩意能强到哪去，直到某个偶然的机会看到了《ChatGPT&AI破局俱乐部》的宣传贴，也是抱着将信将疑的态度加入的（其实当时是奔着送号来的）。
推荐使用GPT中文版,国内可直接访问：https://ai.gpt86.top
加入之后，也是看着洋哥，还有其他几位管理员发帖，我也就看个热闹，直到有了账号后，开始自己研究，看别人的帖子学习，由于平时工作下班比较晚，每天也就是用一些闲碎的时间看一下，当看到很多人在认真的完成作业，我也被带动了，开始利用下班后的时间，默默的将之前的作业内容补上。
后面大家的创造力真的惊人，很多大佬分享了太多干货，用chatGPT生成文章文案啊，生成PPT啊，生成思维导图啊，视频脚本啊等等，包括洋哥他们开发的zelinAI，可以给chatGPT设定很多角色。
突然感觉自己也应该使用ChatGPT做点什么，由于自己之前有开发微信小程序的经验，于是便想着将chatGPT接入到小程序里面，又因为自己是程序员，对程序员这个行业比较熟悉，就将它设定为了程序员面试官这么一个角色。
于是便利用晚上的时间进行开发，具体开发过程不做赘述，一些简单的步骤来分享一下：
1.首先要有一个openAI的账号，这是前提，需要用到apiKey
2.租一台服务器，我说租的腾讯云硅谷站点的，可以访问到openAI
3.看开发文档，编写后端代码，后端就是简单的spring boot项目，因为自己工作也是使用java语言，写起来比较快
4.编写小程序代码，因为我之前有一个小程序，写起来也非常快，加一个页面，做成聊天框就可以了。如果你没有小程序，不要傻乎乎的从0开始写，github上随便找个开源代码，改一改就可以了。
5.最后就是部署后端，加上线小程序，审核通过后就可以发布了。
这里说一下我在开发过程中遇到的困难，首先第一点就是，我如何将openAI训练成一个面试官？大家都知道prompt，prompt是https://api.openai.com/v1/completions 接口的入参，而我要将它设置为一名面试官，肯定是需要进行连续对话的，那么我需要使用进行聊天的接口https://api.openai.com/v1/chat/completions, 而这个接口中是使用messages进行信息传递的，message里面有个参数role,用来表示角色，当前有system,user和assistant,通过名字不难判断，system是系统角色，user是用户角色，也就是调用方，assistant是助手，也就是openAI本身。那么我对openAI进行人物设定的文本要通过哪个角色封装到message中好呢，经过测试，是需要使用system角色比较好。
既然是面试，那么就要保证对话的连续性，openAI需要知道它向面试者提问过哪些问题，面试者的回答是什么，这些都需要记录下来，其实openAI本身是没有记忆功能的，需要每次调用接口时将上下文传递给它。一开始我是在后端做的缓存，将用户的回答缓存在redis中，然后每次请求时，都将缓存里的数据+当前的文本，一起调用openAI，由于我后端调用openAI使用的是eventSource,又称SSE，类似于websocket,服务器端可以主动推送数据到客户端，也就是openAI可以实时将数据推送给我的服务器，实现流式输出，我的后端和小程序是通过websocket建立起连接，就可以实时将openAI返回的数据推送到小程序端，用户基本不需要等待，就可以看到动态生成的接口，和在openAI网页上的体验一样。
但是因为我上面使用redis缓存只缓存了用户的文本，并没有返回openAI返回的文本，就导致了每次对话，openAI都要把之前的问题再重复回答一遍，我后面才意识到也需要使用assistant角色，将openAI的每次回答也传递给openAI，让它知道上面的问题它已经回答过了，但随之我又面临另外一个问题，openAI返回的数据我是通过EventSource监听的，每次都是返回一个字，我还需要将每一个字记录下来，再拼接成一句话，加入到缓存中，这就增加了复杂度。同时使用redis还存在另外一个问题，我应该把过期时间设置为多少？如果时间太长用户想重新开始面试怎么办？时间太短用户还没有思考好答案又怎么办？所以转变思路，不在后端增加缓存，而是在小程序端维护对话列表，然后将所有的对话封装成messages结构体，转成json字符串传递给后端，因为websocket只接收string,后端再解析发送给openAI，也就完美地解决了这个问题。
messages结构应该是这样的，先上system消息，然后上user消息和assistant消息进行交替
"messages": [
{"role": "system", "content": "你需要做为一个面试官 巴拉巴拉!"},
{"role": "user", "content": "下面上我的简历内容巴拉巴拉"},
{"role": "assistant", "content": "问题1"},
{"role": "user", "content": "回答1"},
{"role": "assistant", "content": "问题2"},
{"role": "user", "content": "回答2"}
]
Copy接下来来看一下效果吧：
从上图可以看出，我只需要提供一下我擅长的技术点，它便会针对这些技术点逐个进行提问，当你回答上来时，它就会再深挖一下，继续问你一些层次的问题，而当你回答不上来的时候，它会给你解释，并且会换个简单的问题。最后你可以问它面试结果，它会根据你之前所有的回答，告诉你哪里薄弱，也可以让它提供一些建议。
