Poe-API-Wrapper: 一个强大的 Python API 封装库

poe-api-wrapper

Poe-API-Wrapper: 强大的 AI 模型访问工具

Poe-API-Wrapper 是一个功能强大且易于使用的 Python API 封装库,专为访问 Poe.com 上的各种先进 AI 模型而设计。通过这个库,开发者可以轻松地与 GPT-4、Claude、Llama、Gemini 等多种顶尖 AI 模型进行交互,无需支付高昂的 API 使用费用。

主要特性

Poe-API-Wrapper 提供了丰富的功能:

支持多种 AI 模型:包括 GPT-4、Claude、Llama、Gemini、Mistral 等。
简单的身份验证:只需提供 Poe 账户的 token 即可。
灵活的消息发送:支持创建新对话或在现有对话中发送消息。
流式响应:可以实时获取 AI 模型的响应。
对话管理:提供获取对话历史、清除上下文、删除消息等功能。
文件上传:支持向 AI 模型发送文件附件。
自定义机器人:允许创建、编辑和删除自定义 AI 机器人。
知识库管理:支持上传和编辑知识库。
OpenAI 兼容接口:提供与 OpenAI API 兼容的接口,方便迁移现有项目。

安装与设置

要开始使用 Poe-API-Wrapper,首先需要安装该库:

pip install -U 'poe-api-wrapper[llm]'

安装完成后,你需要获取 Poe 账户的认证 token。这些 token 可以在浏览器的 cookie 中找到:

tokens = {
    'p-b': 'p-b cookie here',
    'p-lat': 'p-lat cookie here'
}

接下来,创建 PoeApi 客户端实例:

from poe_api_wrapper import PoeApi
client = PoeApi(tokens=tokens)

基本用法

发送消息并获取响应:

bot = "a2"  # Claude
message = "What is reverse engineering?"

for chunk in client.send_message(bot, message):
    print(chunk["response"], end="", flush=True)

获取对话历史:

history = client.get_chat_history()
print(history['data'])

上传文件:

file_urls = ["https://example.com/document.pdf"]
client.send_message(bot, "Analyze this document", file_path=file_urls)

创建自定义机器人:

client.create_bot(handle="MyBot", prompt="You are a helpful assistant", base_model="a2")

OpenAI 兼容接口

Poe-API-Wrapper 还提供了与 OpenAI API 兼容的接口,方便开发者快速迁移现有项目:

import openai 
client = openai.OpenAI(
    api_key="anything", 
    base_url="http://127.0.0.1:8000/v1/", 
    default_headers={"Authorization": "Bearer anything"}
)

response = client.chat.completions.create(
    model="gpt-3.5-turbo", 
    messages = [
        {"role": "user", "content": "Hello!"}
    ]
)

print(response.choices[0].message.content)

高级功能

并发消息处理:

import threading

def message_thread(prompt):
    for chunk in client.send_message("gpt3_5", prompt):
        pass
    print(chunk["text"])

prompts = ["Task 1", "Task 2", "Task 3"]
threads = []

for prompt in prompts:
    t = threading.Thread(target=message_thread, args=(prompt,))
    t.start()
    threads.append(t)

for t in threads:
    t.join()

知识库管理:

# 上传知识库
knowledge = [
    {
        "title": "Company Info",
        "content": "Our company was founded in 2020..."
    }
]
source_ids = client.upload_knowledge(text_knowledge=knowledge)

# 创建使用知识库的机器人
client.create_bot(
    handle="CompanyBot", 
    prompt="You are an assistant for our company", 
    base_model="a2", 
    knowledgeSourceIds=source_ids, 
    shouldCiteSources=True
)

图像生成:

import openai
client = openai.OpenAI(api_key="anything", base_url="http://127.0.0.1:8000/v1/")

images_url = client.images.generate(
  model="playground-v2.5",
  prompt="A cute baby sea otter",
  n=2,
  size="1792x1024"
)

print(images_url)