Wie man GPT-3 mit einer Datenbank verbindet: Ein Schritt-für-Schritt-Leitfaden
In diesem Artikel werden wir untersuchen, wie man GPT-3 mit einer Datenbank verbindet. Die wahre Stärke von KI liegt darin, wie sie mit Daten umgeht, und in diesem Leitfaden zeigen wir Ihnen, wie Sie GPT-3 verwenden können, um Kommentare zu durchsuchen und solche zu markieren, die als Spam markiert werden sollten. Wir werden diesen Leitfaden in drei Teile gliedern: Erstellen einer echten Datenbank, Verbindung mit GPT-3 und Erkunden der coolen Dinge, die GPT-3 für Ihre Daten tun kann.
Teil 1: Erstellen einer echten Datenbank
Der erste Schritt bei der Verbindung von GPT-3 mit einer Datenbank besteht darin, eine echte Datenbank zu erstellen, die Sie verwenden können. Sie können dies tun, indem Sie auf die Backend-Seite Ihres YouTube-Kanals springen und Ihre Videos sowie die Anzahl der Kommentare anzeigen. Sie können sogar zu einem Video klicken und alle Kommentare anzeigen, die dieses Video erhalten hat. Es ist jedoch tatsächlich eine endlose Scroll-Leiste von Kommentaren, die Sie nie wirklich durchsehen können, und irgendwo in der Mitte all dieser Kommentare befinden sich Spam-Kommentare, die Sie als unerwünschten Spam markieren und YouTube als Identitätsdiebstahl melden müssen.
Um alle Ihre Kommentare herunterzuladen, können Sie die Google API verwenden, indem Sie auf die Google Cloud-Plattform springen. Glücklicherweise haben sie ihre eigene YouTube-Daten-API Version 3, die Sie aktivieren können, indem Sie auf die Schaltfläche direkt hier drüber klicken. Als nächstes benötigen Sie einen API-Schlüssel, den Sie generieren können, indem Sie zu “Verwalten” und dann zu “Anmeldeinformationen” gehen. Stellen Sie sicher, dass dies privat ist und teilen Sie es nicht mit jemandem, insbesondere dem gesamten Internet.
Jetzt ist es an der Zeit, etwas Programmierung zu betreiben. Installieren Sie zuerst Google APIs, indem Sie `npm install Google apis` ausführen. Anschließend benötigen Sie es im Projekt, indem Sie `const Google = require(‘googleapis’)` übergeben. Sie möchten nur auf YouTube zugreifen, also geben Sie `const YouTube = google.youtube` und die Version sowie Ihren API-Schlüssel ein. Damit können Sie nun die YouTube-API aufrufen, und die spezifische Methode, die Sie aufrufen möchten, ist diejenige, die die Kommentare abruft. Geben Sie `commentThreads.list` ein und fügen Sie schließlich einige Parameter hinzu, darunter einen Teil-Schnipsel sowie die Video-URL. Führen Sie eine schnelle Fehlerbehandlung durch, und wenn keine Fehler auftreten, geben Sie das Datapaket in der Konsole aus.
Als nächstes erhalten Sie die eindeutige ID für das Video, die nur die ID ist, die Sie oben in der URL finden, wenn Sie ein YouTube-Video anzeigen. Fügen Sie das ein und führen Sie dann node aus und überprüfen Sie, ob es tatsächlich funktioniert hat. Wenn ja, sollten Sie Ihre Antwort sehen, einschließlich aller Elemente und Objekte, die die Kommentare sind. Importieren Sie FS aus der fs-Bibliothek, geben Sie dann `data.data.items` ein, wo das Objekt alle Kommentare enthält. Konvertieren Sie dies in ein stringifiziertes JSON, das Sie in eine Datei namens comments.json schreiben möchten, und geben Sie es dann aus und sagen Sie, dass die Datei gespeichert wurde. Das Ausführen von node.js erstellt die Datei hier comments.json, und Sie können sehen, dass sie gespeichert wurde.
Teil 2: Verbindung der Datenbank mit GPT-3
Der zweite Teil dieses Leitfadens besteht darin, die Datenbank mit GPT-3 zu verbinden. Dazu benötigen Sie eine Single-Store-Datenbank, die auch in Echtzeit vereinheitlicht und verteilt SQL verwendet. Sie sind auch der Sponsor von heute, und wenn Sie sich bei ihnen anmelden, erhalten Sie 500 Euro Guthaben, und sie sind auch sehr einfach zu bedienen, insbesondere ihr Cloud-System. Sie können in nur wenigen Minuten auf AWS eine Datenbank erstellen, und das Gute daran ist, dass sie skalierbar ist. Wenn Sie sie also später erhöhen möchten, können Sie dies jederzeit tun.
Um sich mit Single-Store zu verbinden, müssen Sie MySQL installiert haben. Installieren Sie es über npm, gehen Sie dann zum Single-Store-Admin-Dashboard und erstellen Sie eine neue Datenbank. Nennen Sie sie einfach Single-Store. Wenn dies erledigt ist, verbinden Sie diese Datenbank über VS Code, indem Sie eine neue Datei namens db.js erstellen. Kopieren Sie dann die Syntax aus der Dokumentation, um sie über node.js damit zu verbinden. Ersetzen Sie die Werte oben, einschließlich der URL für den Arbeitsbereich, des Benutzernamens und des Passworts. Führen Sie schließlich diesen Befehl aus, der die neue Tabelle innerhalb der Datenbank erstellt.
Jetzt ist es an der Zeit, dies zusammenzufügen und es mit Hilfe der YouTube-API zu füllen. Kopieren Sie die Verbindungsmethode, die Funktion zum Einfügen von Daten in die Single-Store-Tabelle und die Hauptfunktion. Bauen Sie den größten Teil der YouTube-API innerhalb der Hauptfunktion auf, aber um dies zu tun, müssen Sie diese YouTube-Funktion in eine async-Promise umwandeln, die Sie verwenden und abwarten können. Erstellen Sie eine neue async-Funktion namens “get YouTube comments” und erstellen Sie eine neue Promise darin. Diese Promise wird sich auflösen, sobald Sie die Daten von der YouTube-Liste zurückbekommen.
Erstellen Sie eine for-Schleife, durchlaufen Sie alle Kommentare basierend auf der Anzahl in diesem Array, und füllen Sie für jeden Kommentar die Daten in Single-Store ein. Erstellen Sie einen benutzerdefinierten Prompt, um zu definieren, ob Kommentare beantwortet werden sollten oder nicht. Wenn die Antwort Ja lautet, rufen Sie eine Datenbank-Update-Abfrage auf. Geben Sie schließlich aus, dass die Datenbank tatsächlich aktualisiert wurde, wenn diese Abfrage ausgeführt wird.
Teil 3: Erkunden der coolen Dinge, die GPT-3 für Ihre Daten tun kann
Der dritte und letzte Teil dieses Leitfadens besteht darin, die coolen Dinge zu erkunden, die GPT-3 für Ihre Daten tun kann. Sie können dies auf jede gewünschte Weise verwenden, indem Sie GPT-3 eine kurze Erinnerung geben oder verschiedene Arten von Informationen analysieren, z. B. diese Aufforderung neu gestalten, um Dinge zu identifizieren, die wie Spam aussehen, und dann die Flagge markieren, wenn es sich um Spam handelt. Einen Schritt weiter gehen, Sie könnten dies in einen Cron-Job verwandeln, der automatisiert ist, so dass er ständig die Datenbank bevölkert und diese Einträge aktualisiert. Ein weiterer Schritt nach vorne könnte darin bestehen, eine Benutzeroberfläche zu erstellen, damit Sie mit diesen Informationen interagieren und entsprechend darauf reagieren können.
Zusammenfassend ist die Verbindung von GPT-3 mit einer Datenbank ein leistungsstarkes Werkzeug, das Ihnen helfen kann, Kommentare zu durchsuchen und solche zu markieren, die als Spam markiert werden sollten. Wenn Sie den in diesem Leitfaden beschriebenen Schritten folgen, können Sie eine echte Datenbank erstellen, sie mit GPT-3 verbinden und die coolen Dinge erkunden, die GPT-3 für Ihre Daten tun kann.