Poe提供了API接口，可以整合到我們自己的程序中。這讓我思考如何有效利用API接口。我也閱讀了官方的API文檔，并最終在GitHub上發現了一個非常實用的工具——poe-api-wrapper。

這個工具共享的是你在Poe的使用額度，不會額外收費。

https://developer.poe.com/

https://github.com/snowby666/poe-api-wrapper

它是Poe.com 的一個 Python API 接口庫，采用 Httpx 技術。使用它，你可以通過 API 接口免費連接到 ChatGPT、DALLE、Claude、Mistral、Gemini 等多種服務。

建議按以下操作，先運行示例了解下這個庫的功能。

兩種方式可以獲得token，我用的是后者。

運行示例后的效果

連續生成圖片

在Poe和GPT平臺中，DALLE的圖像生成速率都存在一定的限制。目前，這兩個平臺默認都只生成一張圖片。參考了poe-api-wrapper倉庫，我編寫了一個Python代碼，能夠連續生成多張圖片。

from poe_api_wrapper import PoeApi

import requests

import os



# 初始化 PoeApi 客戶端

token = "yourtoken"

client = PoeApi(token)



# 從文件中讀取提示列表

with open("draw-input.txt", "r") as file:

    prompts = file.readlines()



# 去掉每行末尾的換行符，并過濾掉空行

prompts = [prompt.strip() for prompt in prompts if prompt.strip()]



# 定義保存圖片的文件夾路徑

save_folder = "/Users/yourpath"

# 確保保存圖片的文件夾存在

if not os.path.exists(save_folder):

    os.makedirs(save_folder)



# 初始化chatCode

chatCode = None



# 循環遍歷提示列表，并發送給 DALL-E 3

for prompt in prompts:

    print(f"正在請求: {prompt}")

    for _ in range(4):  # 重復生成4次圖片

        for chunk in client.send_message("DALL-E-3", prompt, chatCode=chatCode, timeout=60):

            # 如果是新的對話，保存chatCode

            if not chatCode and 'chatCode' in chunk:

                chatCode = chunk['chatCode']

                print(f"新對話創建 | chatCode: {chatCode}")



            # 檢查chunk中是否包含圖片URL

            if 'response' in chunk and chunk['response'].startswith('!['):

                image_url = chunk['response'].split('(')[1].split(')')[0]

                print(f"生成的圖片 URL: {image_url}")



                # 獲取圖片的內容

                response = requests.get(image_url)

                if response.status_code == 200:

                    # 從URL中提取圖片文件名

                    filename = os.path.basename(image_url.split('?')[0])

                    # 定義圖片保存路徑

                    file_path = os.path.join(save_folder, filename)



                    # 保存圖片

                    with open(file_path, 'wb') as file:

                        file.write(response.content)

                    print(f"圖片已保存到: {file_path}")

                else:

                    print(f"下載圖片失敗: {response.status_code}")

沒多久，我就用DALLE3生成了200多張的圖片。

代碼功能說明：

1. 在代碼所在的文件夾中，我創建了一個名為”draw-input.txt”的文件，用于存放AI繪圖的提示詞。文件中的每一行代表一個獨立的提示詞。當運行代碼時，它會批量處理這些提示詞，每個提示詞默認生成4張圖片。例如，如果你在這個txt文件中放入了10個提示詞，并希望每個提示詞生成10張圖片，只需將代碼中的數字4改為10，然后執行程序。生成的圖片可以在你的Poe網頁界面中查看。2. Poe目前提供了三種AI繪圖選項。在上述代碼中，“DALL-E-3”可以直接替換為“Playground-v2”或“StableDiffusionXL”。但是，DALL-E-3的生成效果通常是最佳的。

生成的部分圖片

注：上圖的提示詞參考了歸藏和Umesh（推特博主）。

連續生成對話

Poe里的機器人特別多，除了官方的，我們還可以用第三方建立的，只要設置好機器人的名字就行。

紅色方框內就是機器人bot的名字

連續對話代碼

from poe_api_wrapper import PoeApi

import datetime



# 初始化 PoeApi 客戶端

token = "yourtoken"

client = PoeApi(token)



bot = "Claude-2-100k"



# 從文件中讀取消息列表

with open("chat-input.txt", "r") as file:

    messages = [line.strip() for line in file if line.strip()]  # 過濾掉空行



# 初始化 chatCode

chat_code = None



# 創建文件用于保存結果

now = datetime.datetime.now()

timestamp = now.strftime("%Y%m%d%H%M%S")

result_file = open(f"/Users/yourpath/result_{timestamp}.md", "w")



# 循環發送消息

for message in messages:

    if chat_code:

        response_gen = client.send_message(bot, message, chatCode=chat_code)

    else:

        response_gen = client.send_message(bot, message)



    for chunk in response_gen:

        if 'chatCode' in chunk and not chat_code:

            chat_code = chunk['chatCode']



        # 寫入去除了前導空格的回應

        result_file.write(chunk["response"].lstrip())  # 使用 lstrip() 移除左側空格

        result_file.flush()



    # 在每個結果后增加一個額外的空行

    result_file.write("\n\n")



# 關閉結果文件

result_file.close()

代碼功能說明：1. 在代碼所在的文件夾里，我創建了一個文件名為”chat-input.txt”，用于存放對話的關鍵詞。文件中的每行包含一個獨立的關鍵詞。執行代碼后，它將自動批量處理這些關鍵詞。2. 在代碼中，我設置了默認機器人為”Claude-2-100k”，但你可以根據需要更換為其他機器人。我已經測試了大多數官方機器人（除了Mistral-Medium之外的都可以使用），并且也試用了一些第三方機器人，它們都可以直接使用。

應用場景：寫教程

使用GPT生成的大綱作為chat-input的輸入內容，執行程序后，就可以創建一個大約30kb的文件。

我的理解是，我們在學習時往往只關注關鍵點。我們通常會帶著具體問題去深入一個主題。如果我們將一系列相關問題直接提給大型語言模型，得到的答案可能會比較泛泛。因此，針對性地逐個提問更為合適。這樣做的好處是，每當模型回答了一個問題，它就在思考的過程中積累了經驗，從而能夠在之后的回答中表現得更加精準和深入。

應用場景-寫小說

我向GPT請求了一份小說大綱和20個小說標題。將這些標題輸入到chat-input.txt文件后，我運行了程序。結果是，ChatGPT-16k機器人為我創作了超過30,000字的小說。我選擇ChatGPT-16k的原因是其處理速度較快，而GPT-4的速度相對較慢。另外，Poe平臺提供的ChatGPT-16k使用額度也比較充足。

生成的小說質量一般，需要優化提示詞。

應用場景-批量寫作

我構想了一個有趣的應用場景：想象一下，在寒假的最后一天，小朋友需要完成30篇作文。現在，我只需將這30個作文主題錄入一個文本文件，運行程序，幾分鐘內這30篇作文就能完成，無需等待每個話題的逐一生成。
同樣的，如果我想撰寫一篇文章，圍繞一個主題編寫10個不同版本，然后從中選擇最佳作品。這就像使用GPT的DALL-E功能一樣——不斷追求更加精致和完美的創作（更多，更多，再更多）。我會在chat-txt文件的每行中添加指令，比如“再思考一下其他修改點”、“使文章更專業”、“提高寫作質量”，甚至“創作出宇宙級最佳文章”。

應用場景-批量檢索

眾所周知，Perplexity.ai使用起來非常方便，但它一次只能生成一個答案。現在，利用我編寫的代碼，只需將bot設置為”Web-Search”，并把我想查詢的問題批量輸入到chat-txt文件中，運行程序后，它能在幾分鐘內完成所有搜索（Web-Search默認使用的是gpt-3.5-turbo，處理速度極快）。這種批量檢索方式非常適合寫作，因為我可以一次性提出所有問題，程序會整合搜索結果，并提供相關索引，極大地提高了寫作效率。

在Poe平臺上，使用第三方機器人非常簡便。例如，我可以先利用特定的機器人來批量產生AI繪圖的提示詞。然后，把這些提示詞輸入到draw-input文件中，接著就可以批量生成相應的圖片了。

poe-api-wrapper推出的機器人群聊也很有意思。

我嘗試了一下，設置了幾個機器人模型，其中一個我特意配置成了“Web-Search”機器人，這樣在對話中就能包含搜索結果。

我有個有趣的嘗試：同時與三個不同的模型進行圓桌會議。這聽起來挺有趣的，對吧？這樣的對話結果既會在終端上顯示，同時也會在Poe的網頁界面上呈現。

總結：

1. 本文深入探討了Poe API的高效應用及其在各種場景下的實際價值。2. 通過poe-api-wrapper，我們不僅可以批量生成AI繪圖和文本，還能與多種AI模型如ChatGPT、Claude、DALL-E等進行交互。3. 實際案例涵蓋了教程編寫、小說創作、批量寫作、批量檢索等多個方面，展示了Poe API在提高工作效率和創意表達方面的巨大潛力。4. 此外，文章還探討了Poe平臺上第三方機器人的使用和機器人群聊的趣味性。

本文章轉載微信公眾號@kate人不錯

#你可能也喜歡這些API文章!

使用NestJS和Prisma構建REST API：身份驗證

如何快速實現REST API集成以優化業務流程

使用FastAPI為Python構建應用程序

使用Django REST Framework構建API

使用Flask、Google Cloud SQL和App Engine設置API

微服務為什么要用到 API 網關？

14個文本轉圖像AI API

什么是API定義？

修復API中損壞的訪問控制的指南