Jak Zbudować Własnego Chatbota AI w C# z Wykorzystaniem GPT-4 - Krok Po Kroku

Chatboty oparte o sztuczną inteligencję (takie jak słynny ChatGPT) zdobyły ogromną popularność. Wyobraź sobie możliwość zadawania pytań programowi, który rozumie język naturalny i odpowiada niczym człowiek, to właśnie umożliwiają modele GPT. W tym artykule pokaże Ci, jak stworzyć prostego chatbota w C#, wykorzystując GPT-4 poprzez jego API. Przejdziemy przez cały proces krok po kroku: od uzyskania klucza API, przez napisanie kodu, aż po uruchomienie aplikacji. Nie obawiaj się, integracja GPT-4 z .NET jest dziś całkiem prosta, a kilka linijek kodu wystarczy, by zbudować własnego asystenta konwersacyjnego.

Krok 1: Zdobycie klucza API OpenAI (GPT-4)

Krok 2: Utworzenie projektu C# (.NET)

Krok 3: Konfiguracja klucza API w aplikacji

OPENAI_API_KEY=twój_klucz_api

Taki plik .env możesz potem wczytać w aplikacji albo skorzystać z mechanizmu User Secrets .NET. Na potrzeby tego prostego projektu, w kodzie odczytamy zmienną środowiskową. Upewnij się, że przed uruchomieniem aplikacji zmienna OPENAI_API_KEY jest ustawiona (np. za pomocą pliku .env lub ręcznie w systemie). Dzięki temu w kodzie będziemy mogli pobrać klucz przez Environment.GetEnvironmentVariable() zamiast trzymać go na stałe w kodzie źródłowym.

Tip: Jeśli używasz systemu kontroli wersji (git), dodaj plik z kluczem API do .gitignore, aby nie został przypadkiem opublikowany w repozytorium. Przechowywanie sekretów w kodzie źródłowym jest bardzo ryzykowne.

Krok 4: Połączenie z GPT-4 – wysyłanie zapytań (prompt)

using OpenAI.Chat;

string? apiKey = Environment.GetEnvironmentVariable("OPENAI_API_KEY");
var chatClient = new ChatClient(model: "gpt-4", apiKey: apiKey);

W powyższym fragmencie tworzymy obiekt ChatClient, wskazując nazwę modelu ("gpt-4") oraz nasz klucz API. Gdybyś nie miał dostępu do GPT-4 lub chciał zaoszczędzić, możesz tu podać model gpt-3.5-turbo, reszta kodu będzie działać identycznie, tylko odpowiedzi mogą być nieco mniej rozbudowane. Ważne, aby zmienna apiKey zawierała nasz sekret (pobrany ze zmiennych środowiskowych).

Teraz przygotujemy strukturę do przechowywania historii czatu. Model GPT za każdym razem, gdy dostaje zapytanie, nie pamięta poprzednich interakcji, o ile sami mu ich nie prześlemy. Innymi słowy – musimy wysyłać w żądaniu także kontekst poprzedniej rozmowy, jeśli chcemy, by model "pamiętał" co już zostało powiedziane. Rozwiążemy to utrzymując listę wiadomości (obiektów typu ChatMessage), którą będziemy aktualizować przy każdej iteracji konwersacji.

Dodajmy następujący kod inicjujący rozmowę:

var messages = new List<ChatMessage>();
/* Dodaj opcjonalną wiadomość systemową lub powitalną asystenta na start: */
messages.Add(new SystemChatMessage("Jesteś pomocnym asystentem AI."));
Console.WriteLine("Chatbot: Cześć! W czym mogę pomóc?"); 

Powyżej utworzyliśmy listę messages i opcjonalnie dodaliśmy wiadomość systemową definiującą rolę AI (np. że jest pomocnym asystentem) oraz symulowaliśmy powitanie od chatbota. Wiadomości systemowe mogą służyć do ustawienia tonu lub kontekstu rozmowy (np. "Jesteś asystentem do spraw programowania..."), choć nie są one obowiązkowe. Można też na początku dodać wiadomość asystenta z gotowym powitaniem, aby użytkownik od razu coś zobaczył.

Teraz kluczowa część, pętla wczytująca pytania użytkownika i odsyłająca je do modelu:

while (true)
{
    Console.ForegroundColor = ConsoleColor.Cyan;
    string userInput = Console.ReadLine();
    Console.ResetColor();
    if (string.IsNullOrWhiteSpace(userInput) || userInput.ToLower() == "exit") break;

    /* Dodaj pytanie użytkownika do historii wiadomości */
    messages.Add(new UserChatMessage(userInput));

    /* Wyślij całą historię czatu do modelu i uzyskaj odpowiedź */
    ChatCompletion result = await chatClient.CompleteChatAsync(messages);
    string assistantReply = result.Content[0].Text;

    /* Dodaj odpowiedź asystenta do historii i wyświetl ją */
    messages.Add(new AssistantChatMessage(assistantReply));
    Console.WriteLine($"Chatbot: {assistantReply}");
}

W pętli powyżej dzieje się kilka rzeczy: 
1. Czytamy pytanie wpisane przez użytkownika z konsoli (Console.ReadLine()), a jeśli użytkownik wpisze "exit" lub pustą linię – kończymy konwersację i wychodzimy z pętli.
2. Dodajemy pytanie użytkownika jako nową wiadomość typu UserChatMessage do listy messages.
3. Wysyłamy zapytanie do API za pomocą chatClient.CompleteChatAsync(messages). Zwracamy uwagę, że przekazujemy całą historię messages (wraz z poprzednimi wiadomościami) – dzięki temu GPT-4 otrzymuje kontekst rozmowy i może nawiązać do wcześniejszych pytań/odpowiedzi. Metoda zwraca obiekt ChatCompletion zawierający odpowiedź wygenerowaną przez AI.
4. Wydobywamy tekst odpowiedzi (assistantReply) i dodajemy go jako AssistantChatMessage do naszej listy messages (aby ta odpowiedź również stała się częścią kontekstu w kolejnych iteracjach).
5. Wyświetlamy odpowiedź na ekranie poprzedzając ją etykietą "Chatbot:".

I to właściwie jest cały mechanizm. Nasz program w kółko pobiera pytanie i zwraca odpowiedź, aż użytkownik zakończy rozmowę.

Krok 5: Uruchomienie i testowanie chatbota

Możemy teraz uruchomić aplikację. Jeśli wszystko skonfigurowałeś poprawnie, zobaczysz powitanie chatbota i będziesz mógł wpisać własne pytanie. Model GPT-4 wygeneruje odpowiedź i nasz program wypisze ją w konsoli.

Jak widać, chatbot odpowiada całkiem naturalnie na zadane pytania. Dzięki temu, że w każdym żądaniu do API wysyłamy pełną historię czatu, model pamięta kontekst – np. gdy użytkownik poprosi "opowiedz dowcip o programistach" a potem doprecyzuje "teraz o psach", GPT-4 rozumie, że chodzi o kolejny dowcip, tym razem w innej tematyce, ponieważ ma historię rozmowy dostępną podczas generowania odpowiedzi.

Warto zauważyć, że korzystamy z asynchronicznej metody CompleteChatAsync, więc nasz program nie "zamraża się" w oczekiwaniu na odpowiedź i mógłby być łatwo rozbudowany np. o równoległe działania. Samo użycie biblioteki OpenAI SDK bardzo upraszcza kod – właściwie wszystko, co musimy zrobić, to wywołać metodę CompleteChat na liście wiadomości i odebrać wynik. Gdybyśmy chcieli, taki sam efekt moglibyśmy osiągnąć wysyłając zapytania HTTP do endpointu OpenAI /v1/chat/completions samodzielnie, ale wtedy musielibyśmy ręcznie przygotowywać JSON z wiadomościami i analizować odpowiedź. Skorzystanie z gotowej biblioteki oszczędza nam tych niskopoziomowych detali.

Podsumowanie

W kilku krokach zbudowaliśmy prostego chatbota AI w C#, wykorzystując model GPT-4 poprzez API OpenAI. Podsumujmy, co udało się osiągnąć: posiadamy klucz API (przechowywany bezpiecznie poza kodem), mamy aplikację konsolową .NET, która wysyła zapytania do modelu i wyświetla odpowiedzi, a co najważniejsze – potrafimy utrzymać konwersację, przekazując historię dialogu przy kolejnych pytaniach, dzięki czemu nasz chatbot sprawia wrażenie, jakby pamiętał poprzednie wypowiedzi. Oczywiście to dopiero początek możliwości. Taki program można rozbudować o interfejs graficzny, obsługę różnych poleceń, czy integrację z innymi usługami.

Jeśli fascynuje Cię tworzenie aplikacji z AI i chcesz wejść na wyższy poziom, rozważ dołączenie do mojego szkolenia online Szkoła AI w C#/.NET. W ramach tego szkolenia uczymy od podstaw, jak budować rozwiązania oparte o sztuczną inteligencję i uczenie maszynowe w ekosystemie .NET, od integracji modeli GPT po trenowanie własnych modeli ML. To świetna okazja, by poszerzyć swoje umiejętności i stworzyć jeszcze bardziej zaawansowane projekty z AI.