OpenAIKit: 为Swift开发者打造的OpenAI API集成工具

OpenAIKit简介

OpenAIKit是一个为Swift开发者设计的强大工具,旨在简化OpenAI API的集成过程。作为一个社区驱动的Swift SDK,OpenAIKit提供了一种无缝、高效且符合Swift语言风格的方式来与OpenAI的REST API进行交互。这个项目的目标是降低Swift开发者的门槛,使他们能够轻松地将OpenAI的强大功能整合到自己的应用中,而无需深入了解RESTful服务的复杂性。

项目动机

随着人工智能在现代应用中的需求日益增长,开发者需要能够简化AI集成过程的工具。虽然OpenAI提供了一套令人印象深刻的功能,但Swift开发者社区一直缺乏一个专门的SDK,能够与Swift语言的习惯用法和开发者的期望相匹配。OpenAIKit正是为了填补这一空白而诞生的。

项目愿景

OpenAIKit的创建者不仅希望提供对OpenAI功能的原始访问,还致力于通过清晰直观的API来增强开发者体验。该项目的最终目标是通过提供正确的工具,使Swift社区能够轻松地将AI功能集成到他们的应用中,从而促进创新。

OpenAIKit的主要特性

OpenAIKit提供了一系列强大的功能,使开发者能够充分利用OpenAI的各种API:

图像生成与处理:
- 使用DALL-E 2生成、编辑和变换图像
- 支持即将推出的DALL-E 3模型
文本生成与对话:
- 利用GPT-3和GPT-4模型进行文本编辑和补全
- 支持ChatGPT进行对话生成
模型管理:
- 列出可用的GPT-3和GPT-4模型
- 检索特定模型的详细信息
嵌入生成:
- 为GPT-3和GPT-4提示创建嵌入向量
数据流处理:
- 支持GPT-3和GPT-4补全的数据流
文件管理:
- 查看和上传训练文件
内容审核:
- 使用Moderations端点检查提示是否被标记
全面的测试覆盖:
- 包括单元测试和集成测试
跨平台兼容性:
- 支持iOS 13、macOS 10.15、tvOS 13、watchOS 6和visionOS 1.0及以上版本
Swift并发支持:
- 利用Swift的现代并发特性
完整的文档:
- 提供全面的API使用说明

安装与配置

OpenAIKit可以通过Swift Package Manager轻松集成到你的项目中。以下是安装步骤:

在Xcode中,选择 File > Swift Packages > Add Package Dependency
输入包的URL: https://github.com/OpenDive/OpenAIKit.git
选择"Up to next Major"版本规则,并指定版本"2.0.1"

对于使用Package.swift的项目,可以将以下依赖添加到文件中:

dependencies: [
    .package(url: "https://github.com/OpenDive/OpenAIKit.git", .upToNextMajor(from: "2.0.1"))
]

使用OpenAIKit

在使用OpenAIKit之前,开发者需要获取OpenAI的API密钥。可以在OpenAI的账户页面的"API Keys"部分找到或创建密钥。

API Keys Page

安全注意事项

🔐 重要提醒: 切勿将API密钥直接存储在代码中!这可能导致密钥泄露和滥用。相反,应该:

使用环境变量存储API密钥
利用安全的密钥管理工具或服务
将包含API密钥的配置文件添加到.gitignore中
定期轮换API密钥

图像生成

OpenAIKit支持使用DALL-E 2(即将支持DALL-E 3)进行图像生成。以下是使用createImage端点的示例:

do {
    let imageParam = ImageParameters(
        prompt: "An armchair in the shape of an avocado",
        resolution: .large,
        responseFormat: .base64Json
    )
    let result = try await openAi.createImage(
        parameters: imageParam
    )
    let b64Image = result.data[0].image
    let image = try openAi.decodeBase64Image(b64Image)
} catch {
    // 错误处理
}

Avocado Chair

对话生成

OpenAIKit提供了强大的对话生成功能,利用ChatGPT模型创建自然、连贯的对话。以下是使用generateChatCompletion的示例:

do {
    let chat: [ChatMessage] = [
        ChatMessage(role: .system, content: "You are a helpful assistant."),
        ChatMessage(role: .user, content: "Who won the world series in 2020?"),
        ChatMessage(role: .assistant, content: "The Los Angeles Dodgers won the World Series in 2020."),
        ChatMessage(role: .user, content: "Where was it played?")
    ]

    let chatParameters = ChatParameters(
        model: .gpt4,
        messages: chat
    )

    let chatCompletion = try await openAI.generateChatCompletion(
        parameters: chatParameters
    )

    if let message = chatCompletion.choices[0].message {
        let content = message.content
        print(content)
    }
} catch {
    // 错误处理
}

音频处理

OpenAIKit集成了Whisper模型,用于语音转文本和音频翻译。以下是使用createTranscription的示例:

do {
    let audioParameters = TranscriptionParameters(file: audio)
    
    let transcriptionCompletion = try await openAI.createTranscription(parameters: audioParameters)
    print(transcriptionCompletion)
} catch {
    // 错误处理
}

嵌入生成

OpenAIKit支持生成文本嵌入,这对于语义搜索、聚类和特定任务的微调非常有用:

do {
    let embeddingsParam = EmbeddingsParameters(model: "text-similarity-ada-002", input: input)

    let embeddingsResponse = try await openAI.createEmbeddings(parameters: embeddingsParam)
    print(embeddingsResponse)
} catch {
    // 错误处理
}

高级功能

函数调用

OpenAIKit支持使用函数调用来执行各种任务,如获取天气信息或上传文件。以下是一个使用函数调用的示例:

do {
    let functions: [Function] = [
        Function(
            name: "getCurrentWeather",
            description: "Get the current weather in a given location",
            parameters: Parameters(
                type: "object",
                properties: [
                    "location": ParameterDetail(
                        type: "string", 
                        description: "The city and state, e.g. San Francisco, CA"
                    ),
                    "unit": ParameterDetail(
                        type: "string", enumValues: ["fahrenheit", "celsius"]
                    )
                ],
                required: ["location"]
            )
        )
    ]
    let messages: [ChatMessage] = [
        ChatMessage(role: .user, content: "What's the weather like in Boston?")
    ]

    let chatParameters = ChatParameters(
        model: .gpt4,
        messages: messages,
        functionCall: "auto",
        functions: functions
    )

    let chatCompletion = try await openAI.generateChatCompletion(
        parameters: chatParameters
    )
    
    // 处理返回的函数调用结果
    if let message = chatCompletion.choices[0].message, let functionCall = message.functionCall {
        // 执行相应的函数逻辑
    }
} catch {
    // 错误处理
}

流式数据处理

对于需要实时反馈的应用,OpenAIKit提供了流式数据处理功能:

do {
    let chat: [ChatMessage] = [
        ChatMessage(role: .system, content: "You are a helpful assistant."),
        ChatMessage(role: .user, content: "Tell me a story about a brave knight.")
    ]
    
    let chatParameters = ChatParameters(model: .chatGPTTurbo, messages: chat)

    let stream = try openAI.generateChatCompletionStreaming(
        parameters: chatParameters
    )
    
    for try await response in stream {
        if let content = response.choices[0].delta.content {
            print(content, terminator: "")
        }
    }
} catch {
    // 错误处理
}