基于这个大神的代码：https://github.com/Xueheng-Li/SynologyChatbotGPT
1.加了自定义openai的代理URL <OPENAI_API_BASE>，可以在setting配置自己的代理URL,或在docker容器配置环境参数: 2.默认端口改为 5007:
docker镜像地址：https://hub.docker.com/r/leoleexh/leoleechat : 其余配置，参考原文。
一个 Python 项目，使用 OpenAI API 和群晖 Synology Chat 套件搭建了一个聊天机器人，同时整合了 ChatGPT-3.5 文本语言模型和 Edits 图片生成模型，并具备即时在本地运行 Python 代码和 Bash 命令的能力 —— it is more than ChatGPT.
它首先是一个 ChatGPT-3.5 的套壳；但同时，用户还可以：
-
向它发送 Python 代码、Bash 命令，它会根据用户的输入生成回复，并执行其中的 Python 代码和 Bash 命令；
-
向它发送图片描述等信息，它可以根据用户的图片描述生成图片；
-
可调用一众搜索引擎（Google, Bing, Baidu, DuckDuckGo）搜索实时信息回答问题。
可以通过 docker 一行命令部署。示例： 注意代理url格式，需要加V1
docker run -d --name synobot \
-p 5007:5007 \
-e OPENAI_API_BASE="YOUR_OPENAI_API_URL/v1" \
-e OPENAI_API_KEY="YOUR_OPENAI_API_KEY" \
-e INCOMING_WEBHOOK_URL="YOUR_INCOMING_WEBHOOK_URL" \
-e WEBHOOK_TOKEN="YOUR_WEBHOOK_TOKEN" \
leoleexh/leoleechat:latest
-
basicBot和talentBot的区别及使用说明（Docker 版本使用talentBot）：-
talentBot同时基于 OpenAI 的 ChatGPT-3.5 文本语言模型和 Edits 的图片生成 AI 模型，并整合了即时在本地运行 Python 代码和 Bash 命令的能力。用户可以向机器人发送 Python 代码、Bash 命令、图片描述等信息，机器人会根据用户的输入生成回复，并执行其中的 Python 代码和 Bash 命令。机器人还可以根据用户的图片描述生成图片，并将图片发送给用户。具体使用说明：-
默认会调用 ChatGPT-3.5 进行答复 。
-
以下关键词将引导机器人生成图片：
图片：，生成图片：，或img:；后面跟着的文本会被视为图片描述传给图片生成模型 Edits，生成图片。 -
以下关键词引导机器人在本地运行 Python 代码：
python:或py:；后面跟着的文本会被视为 Python 代码，并被机器人在本地执行。 -
以下关键词引导机器人在本地运行 Bash 命令：
bash:或b:；后面跟着的文本会被视为 Bash 命令，并被机器人在本地执行。 -
具备使用搜索引擎（Google, Bing, Baidu, DuckDuckGo）搜索最新网络信息回答问题的能力，用关键词
bb或gg开头即可实时搜索网络信息（bb或gg是一样的，默认都是会同时使用DuckDuckGo, Bing和Google逐一搜索一遍）。
-
-
basicBot只具备上述talentBot的第一项功能，任何和basicBot.py的对话都传给 ChatGPT-3.5 生成答复，basicBot已经很久没更新了，未来可能只会删去，只保留talentBot。 -
目前 basicBot 和 talentBot 共用同一个 settings.py 文件，所以在同一个文件夹中两者只能同时运行其一，但其实只要再另建一个文件夹重新复制配置一遍所有文件，就能同时运行两个或者多个机器人。
-
-
默认启用 stream 方法来传回 ChatGPT 的回复，即当 GPT 的回复有好几个小段落时，不需要等待所有段落都生成结束以后才把整个回复发送回群晖 Chat 的聊天窗口，而是会在每一个新的小段生成结束时就即刻发送回群晖 Chat。这样可以大大减少等待回复的时间。注意：如果要让 gpt 生成代码，并实时执行，记得在settings.py中关闭stream回传方法，即设置为
stream=False。 -
加入把非中文回复翻译成中文的功能，该功能会用到 DeepL 的 api: https://www.deepl.com/docs-api 。若要启用此功能，则需要在 DeepL官网上申请一个免费 api，替换
settings.py中的dl_key，并设置tranlsate_to_chinese=True。 -
要使用 Bing 和 Google 搜索最新网络信息以回答问题，你需要申请以下两个免费 api key：
-
按照这个官方网页的方法申请 Bing（必应搜索）的 API key: https://learn.microsoft.com/en-us/bing/search-apis/bing-web-search/overview，申请到的 key 填到
settings.py最后的your_key_for_Bing_search处。 -
使用 google 需要在这个网上也注册申请一个key：https://serpapi.com/，申请到的 key 填到
settings.py最后的your_serpapi_key_for_google_search处。
-
1. 在https://platform.openai.com/account/api-keys申请 OpenAI API 密钥。
（1） 用有管理员权限的账户登录 Synology Chat。
（2） 点击右上角你的头像，在菜单中选择「整合」(Integration)，点击「机器人」(Bots)。
（3） 点击「+ 创建」按钮，然后选择「创建新机器人」。
（4） 为你的机器人输入名称（例如：ChatGPT机器人）。点击「创建」。
（5） 在创建的机器人详情页面，找到「传出 Webhook」部分，将 Webhook URL 设置为你在代码中设置的 URL（即 http://your_server_ip:PORT/webhook， 其中 your_server_ip 应该是运行上述代码的机器的 IP 地址，PORT为你接下来在settings.py设置的端口号，默认 5008）。
（6） 在机器人详情页面的「传入 Webhook」部分，将生成一个 Webhook URL 和一个 Token，记录下这些值，按照下面第 3 步修改 settings.py中的INCOMING_WEBHOOK_URL和OUTGOING_WEBHOOK_TOKEN。
（7） 最后点击「确认」（OK）保存。
docker run -d --name synobot \
-p 5008:5008 \
-e OPENAI_API_KEY="YOUR_OPENAI_API_KEY" \
-e INCOMING_WEBHOOK_URL="YOUR_INCOMING_WEBHOOK_URL" \
-e WEBHOOK_TOKEN="YOUR_WEBHOOK_TOKEN" \
xueheng/synogpt:latest
| 变量名 | 描述 | 默认值 | 必填 |
|---|---|---|---|
OPENAI_API_BASE |
你的 OpenAI API URL/v1 | 无 | 是 |
OPENAI_API_KEY |
你的 OpenAI API 密钥 | 无 | 是 |
INCOMING_WEBHOOK_URL |
Synology Chat 机器人的传入 Webhook URL | 无 | 是 |
WEBHOOK_TOKEN |
Synology Chat 机器人的传出 Webhook 令牌 | 无 | 是 |
model |
设置使用的 openai 语言模型 | gpt-3.5-turbo (可改为gpt-4) | 否 |
SERVER_IP |
运行脚本的服务器 IP 地址 | 127.0.0.1 | 否 |
system_prompt |
聊天机器人的角色 | '你是全能君，一名智能助手。你的使命是尽可能地用详尽的、温暖的、友善的话语帮助我和我的家人，在各种方面提供帮助和支持。无论我需要什么帮助或建议，你都会尽力提供详尽信息。' | 否 |
max_conversation_length |
对话历史记录次数长度 | 10 | 否 |
max_time_gap |
启动新对话的最大空闲时间间隔 | 15 | 否 |
temperature |
OpenAI API 的一个参数，控制生成文本的随机性。 | 0.5 | 否 |
stream |
使用stream方法传回 GPT 答复 | True | 否 |
image_size |
使用 ai 生成图像时的图像大小 | 'medium' | 否 |
translate_to_chinese |
是否将非中文文本翻译为中文（必须和下面的Deepl_api_key配合使用） | False | 否 |
Deepl_api_key |
DeepL API 密钥 | None | 否 |
bing_key |
Bing API 密钥 | None | 否 |
serpapi_key |
SerpApi 密钥，以启用 google 搜索 | None | 否 |
（1） 用你的 OpenAI API 密钥替换settings.py中的openai.api_key：
openai_api_key = "your_api_key_here"（2） 更改settings.py中的其他设置：
# Replace with your Synology Chat bot details
INCOMING_WEBHOOK_URL = "your_INCOMING_WEBHOOK_URL"
OUTGOING_WEBHOOK_TOKEN = "your_OUTGOING_WEBHOOK_TOKEN"
# Your se rver IP address；你运行本聊天机器人的服务器 ip，如果你就在同一台群晖上跑这个程序，那就是群晖的内网 ip；如果是另一台机子上运行，就是另一台机子的 ip
your_server_ip = 'your_server_ip'
# Port
PORT = 5008
# System prompt sets up the character of the chatbot; change it if you want
system_prompt = '''你是全能君，一名智能助手。你的使命是尽可能地用详尽的、温暖的、友善的话语帮助我和我的家人，在各种方面提供帮助和支持。无论我需要什么帮助或建议，你都会尽力提供详尽信息。'''
# Set maximum conversation exchanges or idle time gap to start a new conversatoin
max_conversation_length = 20
max_time_gap = 15 # minutes
# 默认启用 stream 方法；如果要让 gpt 生成代码，需要关闭 stream 功能
stream=True
# get your free bing search api key here: https://learn.microsoft.com/en-us/bing/search-apis/bing-web-search/overview
bing_key = "your_key_for_Bing_search"
# get your free serpapi_key for using Google here: https://serpapi.com/
serpapi_key = "your_serpapi_key_for_google_search"
# 若要使用翻译功能，此处改为 True，并且需要申请一个DeepL的 api key：https://www.deepl.com/docs-api
translate_to_chinese = False # True or False;
# if True, the bot will send chinese translation for any non-chinese gpt response
# 如果设置为 True，必须提供下面的 dl_key，否则会报错
dl_key = None # the translation uses the DeepL api; hence an deepl api key is required;
# then change this varaible to something like: dl_key = "xxx-xxx-xxx-xxx-xxxx:fx"
（3） 安装所需的库：
在terminal/bash shell中运行：
pip install -r requirements.txt （4） 运行 Python 文件：
在terminal/bash shell中运行basicBot：
python basicBot.py
使用talentBot时先在talentBot.py所在文件夹新创建一个名为static的文件夹，然后运行：
python talentBot.py
（5） 在 Synology Chat 中与机器人进行对话。如果运行的是basicBot.py，那么任何你的输入，机器人都将使用OpenAI的 gpt-3.5-turbo 模型生成回复。关于talentBot.py的使用请参考前述更新说明。
-
请确保你的 OpenAI API 密钥和 Synology Chat 机器人详细信息已正确填写。
-
确保你的服务器可以访问互联网，以便与 OpenAI API 进行通信。
-
本示例代码为了简化展示而直接在全局范围内设置了密钥和 URL。在实际生产环境中，你可能需要使用环境变量或配置文件来存储这些敏感信息。
-
请注意，向 OpenAI API 发送请求可能会产生费用。根据你的 API 使用情况，费用可能有所不同。请参阅 OpenAI 的定价页面了解详细信息。
-
本代码的对话历史存储在内存中。在实际生产环境中，你可能需要使用持久存储（例如数据库）来存储对话历史。
-
本示例代码中未实现对输入和输出的过滤和检查。在实际应用中，请确保对输入进行验证和过滤，以防止潜在的安全问题。