I wrote a small Python program that:
1. Takes bibliographic references to texts on the Internet from a special file.
2. Forms a task for ChatGPT from these links and a template that is in a separate file.
3. Accesses ChatGPT with this task.
4. Puts the results of the tasks in a separate folder.
import os
import time
from docx import Document
import openai
# Замените YOUR_API_KEY на свой API-ключ от OpenAI
openai.api_key = "........"
# Функция для чтения абзацев из файла и вставки их в шаблон
def create_tasks_from_links():
template_file = "c:/1/ReviewTemplate.docx"
biblio_file = "c:/1/FullLinks.docx"
tasks_dir = "c:/1/Tasks"
# Создаем папку для заданий, если ее нет
if not os.path.exists(tasks_dir):
os.makedirs(tasks_dir)
template_doc = Document(template_file)
template_text = "\n".join([p.text for p in template_doc.paragraphs])
biblio_doc = Document(biblio_file)
total_tasks = 0
for paragraph in biblio_doc.paragraphs:
text = paragraph.text.strip()
if text:
task_text = template_text.replace("#######", text)
task_filename = "task{:03d}.docx".format(total_tasks)
task_path = os.path.join(tasks_dir, task_filename)
task_doc = Document()
task_doc.add_paragraph(task_text)
task_doc.save(task_path)
total_tasks += 1
print("Created {} tasks".format(total_tasks))
# Функция для создания рецензий на задания
def create_reviews_from_tasks():
tasks_dir = "c:/1/Tasks"
reviews_dir = "c:/1/Reviews"
# Создаем папку для рецензий, если ее нет
if not os.path.exists(reviews_dir):
os.makedirs(reviews_dir)
task_files = os.listdir(tasks_dir)
total_tasks = len(task_files)
for i, task_file in enumerate(task_files):
task_path = os.path.join(tasks_dir, task_file)
task_doc = Document(task_path)
task_text = "\n".join([p.text for p in task_doc.paragraphs])
# Определяем количество символов в тексте задания
task_chars = len(task_text)
# Определяем количество символов в рецензии, чтобы она составляла 70% страницы
review_chars = int(task_chars * 0.7)
# Устанавливаем минимальное количество символов в рецензии
min_chars = 2000
# Генерируем рецензию, пока она не будет достаточно длинной
review_text = ""
while len(review_text) < min_chars:
prompt_text = task_text[:2048] # Ограничиваем промпт первыми 1000 символами задания
review_text = openai.Completion.create(engine="gpt-3.5-turbo", prompt=prompt_text, max_tokens=review_chars).choices[0].text # Уменьшаем количество запрашиваемых токенов
review_text = review_text.strip()
# Добавляем подпись рецензента
review_text += "\n\nРецензент: ......."
review_filename = "review{:03d}.docx".format(i)
review_path = os.path.join(reviews_dir, review_filename)
review_doc = Document()
review_doc.add_paragraph(review_text)
review_doc.save(review_path)
print("Processed task {}/{}".format(i+1, total_tasks))
print("Done!")
if __name__ == '__main__':
# Вызываем функции и замеряем время выполнения
start_time = time.time()
create_tasks_from_links()
create_reviews_from_tasks()
print("Execution time: {:.2f} seconds".format(time.time()-start_time))
Hello,
If the system you will use in your question includes automation, I definitely recommend Azure-OpenAI services. However, of course, there are different Artificial Intelligence models that provide different API services depending on the dataset you will use. I gave examples of those actively used and developed at the bottom.
1-) ChatGPT4, 2-) ChatGPT, 3-) AzureOpenAI Services, 4-) Bard.
Kind regards.
- Badges
- Science topic
- Similar topics
- Computer Science and Engineering
- Programming Languages
- Python