原力计划

文章目录

• • * 效果预览
  • • ** 分析用户的输入产生推荐
    • ** 分析用户的选择标签进行推荐
  • 一、需求背景
  • 二、项目原理及架构
  • • 2.1 实现原理
    • • （1） 基于用户的喜欢歌手推荐
      • （2）基于用户的兴趣标签推荐
      • （3）改进上一步推荐的结果
    • 2.2 技术架构
    • 2.3 技术栈
    • 2.4 数据交互原理
  • 三、项目功能的实现
  • • 3.1 ChatGPT API的接入
    • 3.2 小程序端设计与实现
    • 3.3 数据后端设计与实现
  • 四、推荐阅读

* 效果预览

** 分析用户的输入产生推荐

** 分析用户的选择标签进行推荐

一、需求背景

截止到现在，在AI大模型领域，国内外已经从OpenAI一方称霸到现在的群雄崛起之势！

这不前两天4月7日，阿里经过这么多天的蛰伏终于发布了他家自研大模型通义千问。

国内外大厂的前赴后继，这足以说明AI大模型的火热。那么这个时候，作为应用开发的我们的机会就来了，我们可以充分借助大模型的能力来赋能我们的应用开发。那么这一次：我们来做一个基于网易云的音乐推荐小程序

网易云音乐大家应该都不陌生了，虽然说他没有QQ音乐家族那样丰富的版权，但是作为一款读乐比听歌更有趣的又去灵魂聚集地来说，这足以成为我们日常听歌的白月光！

1. 在我们日常的听歌中过程中，经常会遇到一下几个问题：
   • 随着如今乐坛作曲水平的退步，越来越多的口水歌充斥在榜单中，当我们想听一些歌时，这些高流量、低创作水准的歌曲总是会被平台的推荐算法推荐过来，导致我们欣赏音乐的兴趣大打折扣！
   • 我们在使用网易云音乐的过程中，我们只能是以单纯的信息接收者的角色来进行数据交互，很多时候我们只是被动的接收平台给我们打上的用户画像标签！当推荐的内容和我们的兴趣爱好发生较大的偏差时，我们并不能及时地对平台推荐的内容进行修改，甚至不能对推荐规则进行修改！

那么这个时候，基于以上痛点，我们就可以直接使用ChatGPT来帮我们来进行歌曲的推荐，其好处在于：用ChatGPT进行推荐，我们可以及时对其反馈的结果进行修改，以及对他的推荐规则进行修改，从而找到最适合自己口味的歌曲！

二、项目原理及架构

2.1 实现原理

（1） 基于用户的喜欢歌手推荐

（2）基于用户的兴趣标签推荐

（3）改进上一步推荐的结果

2.2 技术架构

2.3 技术栈

2.4 数据交互原理

三、项目功能的实现

3.1 ChatGPT API的接入

要接入ChatGPT API，需要按照以下步骤进行操作：

1. 注册一个账号并登录到OpenAI的官网：https://openai.com/
2. 在Dashboard页面上，创建一个API密钥。在“API Keys”选项卡下，点击“Generate New Key”按钮。将生成的密钥保存好，以备后续使用。
3. 选择所需的API服务，例如“Completion” API，以使用OpenAI的文本生成功能。

使用Python调用ChatGPT API实现代码如下：

• 方法一：使用request库

import requests
import json

# 构建API请求
url = "https://api.openai.com/v1/engines/davinci-codex/completions"
headers = {"Content-Type": "application/json",
           "Authorization": "Bearer YOUR_API_KEY"}
data = {
    "prompt": "Hello, my name is",
    "max_tokens": 5
}

# 发送API请求
response = requests.post(url, headers=headers, data=json.dumps(data))

# 解析API响应
response_data = json.loads(response.text)
generated_text = response_data["choices"][0]["text"]

print(generated_text)

• 方式二：使用openAI库

from flask import Flask, request
import openai

app = Flask(__name__)

openai.api_key = "YOUR_API_KEY_HERE"

@app.route("/")
def home():
    return "Hello, World!"

@app.route("/chat", methods=["POST"])
def chat():
    data = request.json
    response = openai.Completion.create(
        engine="davinci",
        prompt=data["message"],
        max_tokens=60
    )
    return response.choices[0].text

if __name__ == "__main__":
    app.run()

3.2 小程序端设计与实现

ChatGPT推荐悬浮功能	用户标签选择功能	用户问题实时交互功能

3.3 数据后端设计与实现

对于整个后端服务的三大模块，其中对网易云音乐的数据调用与获取是整个项目的数据来源与核心，为实现高效地歌曲数据获取效果，借助了GiHub中网易云Node接口服务项目：网易云音乐 Node.js API service

• 环境要求：需要 NodeJS 12+ 环境

• 将项目拉去到本地

$ git clone git@github.com:Binaryify/NeteaseCloudMusicApi.git
$ cd NeteaseCloudMusicApi
$ npm install

或者

$ git clone https://github.com/Binaryify/NeteaseCloudMusicApi.git
$ cd NeteaseCloudMusicApi
$ npm install

• 在本地进行打包运行(找到package.json文件,查看scripts中的启动命令)
  

# 运行之前进行依赖的安装
npm install 


# 根据 pacage.json 中的脚本指令运行项目
npm run start

• 项目出现运行的服务地址之后说明项目启动成功
  

四、推荐阅读

🥇入门和进阶小程序开发，不可错误的精彩内容🥇 ：

• 《小程序开发必备功能的吐血整理【个人中心界面样式大全】》

• 《微信小程序 | 借ChatGPT之手重构社交聊天小程序》

• 《微信小程序 | 人脸识别的最终解决方案》

• 《微信小程序 ｜基于百度AI从零实现人脸识别小程序》

• 《吐血整理的几十款小程序登陆界面【附完整代码】》