ChatGPT Windows应用开发入门：从零构建你的第一个AI助手应用

1次阅读

共计 4970 个字符，预计需要花费 13 分钟才能阅读完成。

ChatGPT API 是 OpenAI 提供的一种基于 GPT 模型的自然语言处理接口，它可以用于构建各种对话式应用。Windows 应用开发的优势在于可以利用成熟的开发工具（如 Visual Studio）和丰富的 UI 框架（如 WPF、WinForms），快速构建出功能完善、用户体验良好的桌面应用。

要开始开发 ChatGPT Windows 应用，你需要准备以下工具和环境：

开发工具 ：
Visual Studio 2022（推荐使用社区版）
.NET 6 或更高版本
API 密钥 ：
访问 OpenAI 官网（https://openai.com）并注册账号
在 API 密钥管理页面生成一个新的 API 密钥
妥善保存密钥，避免泄露

以下是使用 C# 调用 ChatGPT API 的基本代码示例，包含认证和错误处理：

using System;
using System.Net.Http;
using System.Text;
using System.Threading.Tasks;
using Newtonsoft.Json;

public class ChatGPTService
{
    private readonly string _apiKey;
    private readonly HttpClient _httpClient;

    public ChatGPTService(string apiKey)
    {
        _apiKey = apiKey;
        _httpClient = new HttpClient();
        _httpClient.DefaultRequestHeaders.Add("Authorization", $"Bearer {_apiKey}");
    }

    public async Task<string> GetResponseAsync(string prompt)
    {
        try
        {
            var requestBody = new
            {
                model = "gpt-3.5-turbo",
                messages = new[] { new { role = "user", content = prompt} }
            };

            var content = new StringContent(JsonConvert.SerializeObject(requestBody), Encoding.UTF8, "application/json");
            var response = await _httpClient.PostAsync("https://api.openai.com/v1/chat/completions", content);

            response.EnsureSuccessStatusCode();

            var responseString = await response.Content.ReadAsStringAsync();
            dynamic responseData = JsonConvert.DeserializeObject(responseString);
            return responseData.choices[0].message.content;
        }
        catch (HttpRequestException ex)
        {Console.WriteLine($"API 请求失败: {ex.Message}");
            return "抱歉，发生错误，请稍后再试。";
        }
    }
}

以下是使用 WPF 实现简单聊天界面的 XAML 代码：

<Window x:Class="ChatGPTApp.MainWindow"
        xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
        xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
        Title="ChatGPT 助手" Height="450" Width="800">
    <Grid>
        <Grid.RowDefinitions>
            <RowDefinition Height="*"/>
            <RowDefinition Height="Auto"/>
        </Grid.RowDefinitions>

        <TextBox x:Name="ChatHistoryTextBox" Grid.Row="0" IsReadOnly="True" 
                 VerticalScrollBarVisibility="Auto" TextWrapping="Wrap"/>

        <Grid Grid.Row="1">
            <Grid.ColumnDefinitions>
                <ColumnDefinition Width="*"/>
                <ColumnDefinition Width="Auto"/>
            </Grid.ColumnDefinitions>

            <TextBox x:Name="InputTextBox" Grid.Column="0" Margin="5" Height="60" 
                     VerticalScrollBarVisibility="Auto" TextWrapping="Wrap" 
                     AcceptsReturn="True" VerticalContentAlignment="Top"/>

            <Button x:Name="SendButton" Grid.Column="1" Content="发送" Margin="5" 
                    Width="80" Height="60" Click="SendButton_Click"/>
        </Grid>
    </Grid>
</Window>

可以使用 SQLite 或简单的文本文件来存储会话历史。以下是使用 JSON 文件存储会话历史的示例：

public class ChatHistoryService
{private readonly string _historyFilePath = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.ApplicationData), "ChatGPTApp", "history.json");

    public ChatHistoryService()
    {var directory = Path.GetDirectoryName(_historyFilePath);
        if (!Directory.Exists(directory))
        {Directory.CreateDirectory(directory);
        }
    }

    public void SaveHistory(List<ChatMessage> messages)
    {var json = JsonConvert.SerializeObject(messages, Formatting.Indented);
        File.WriteAllText(_historyFilePath, json);
    }

    public List<ChatMessage> LoadHistory()
    {if (!File.Exists(_historyFilePath))
            return new List<ChatMessage>();

        var json = File.ReadAllText(_historyFilePath);
        return JsonConvert.DeserializeObject<List<ChatMessage>>(json) ?? new List<ChatMessage>();}
}

public class ChatMessage
{public string Role { get; set;} // "user" or "assistant"
    public string Content {get; set;}
    public DateTime Timestamp {get; set;}
}

ChatGPT API 有速率限制（RPM 和 TPM），可以通过以下策略处理：

实现请求队列，控制请求频率
捕获 429 状态码（Too Many Requests）并自动重试
使用指数退避算法处理重试

使用 Server-Sent Events (SSE) 可以实现流式响应，提升用户体验：

public async IAsyncEnumerable<string> GetStreamingResponseAsync(string prompt)
{
    var requestBody = new
    {
        model = "gpt-3.5-turbo",
        messages = new[] { new { role = "user", content = prompt} },
        stream = true
    };

    var request = new HttpRequestMessage(HttpMethod.Post, "https://api.openai.com/v1/chat/completions");
    request.Content = new StringContent(JsonConvert.SerializeObject(requestBody), Encoding.UTF8, "application/json");
    request.Headers.Authorization = new AuthenticationHeaderValue("Bearer", _apiKey);

    using var response = await _httpClient.SendAsync(request, HttpCompletionOption.ResponseHeadersRead);
    using var stream = await response.Content.ReadAsStreamAsync();
    using var reader = new StreamReader(stream);

    while (!reader.EndOfStream)
    {var line = await reader.ReadLineAsync();
        if (string.IsNullOrEmpty(line) || !line.StartsWith("data:"))
            continue;

        var data = line.Substring(6);
        if (data == "[DONE]")
            yield break;

        dynamic responseData = JsonConvert.DeserializeObject(data);
        var delta = responseData.choices[0].delta;
        if (delta.content != null)
            yield return delta.content;
    }
}

可以在发送请求前对用户输入进行过滤：

public string FilterSensitiveContent(string input)
{
    // 简单的关键词过滤
    var sensitiveWords = new[] { "密码", "信用卡", "社保号"};
    foreach (var word in sensitiveWords)
    {if (input.Contains(word))
            throw new ArgumentException($"输入包含敏感词: {word}");
    }
    return input;
}