来自Github的开源项目，一个可以检测你的 IP 地址是否可以访问 ChatGPT 的小工具。

出现这么个小工具主要原因是最近 OpenAi 封禁大量 IP 地址，尤其是归属于数据中心的 IP 地址段，因为通过代理服务器访问的太多了，ChatGPT 目前服务器已经撑不住，所以封禁这些可能属于 “滥用” 的 IP 地址降低服务器压力。

在 Linux 中执行：

bash <(curl -Ls https://ourl.co/oaic)

如果可以访问则返回 IP 地址和 IP 地址属于的区域，如果不可以访问则返回 Your IP is BLOCKED! ...

用docker-compose方法安装，这个对硬件要求比docker build的要求低些

centos7.9 768M内存安装成功了 20231126

本篇文章的前提是请确认已获得openai 的API-KEYS，即以sk-开头的keys；是否在服务器上安装了docker以及docker-compose

docker以及docker-compose安装请参考我的博文：CENTOS8.0安装DOCKER&DOCKER-COMPOSE_wd520521的博客-CSDN博客

一、（方式一）docker部署chat-web，实现自己的ChatGPT

1、创建docker-compose.yml文件

（1）在服务器上创建一个目录：chatgpt_web

mkdir chatgpt_web && cd chatgpt_web

（2）创建docker-compose.yml文件

vim docker-compose.yml

（3）以下内容填写到yml配置文件中并保存

version: '3'

services:

app:

image: chenzhaoyu94/chatgpt-web:latest

ports:

- 3002:3002

environment:

# api秘钥

OPENAI_API_KEY: sk-xxx（修改为自己申请的秘钥）

# 超时，单位毫秒，可选

TIMEOUT_MS: 60000

保存： 按下Esc,然后输入 :wq 回车

注意：大家在编写yml文件时。要把注释删掉，否则有可能会报错。

2、部署并启动运行

docker-compose up -d

3、登录chatgpt_web页面

运行成功后直接访问（需要开放3002端口）

http://服务器ip:3002

4、其他问题解决

（1）如果遇到 fetch failed，可以点上面的圈刷新

如果刷新没有用的话，大家重启一下docker,然后重新启动服务

#重启docker

systemctl restart docker

#docker 启动服务

docker start 容器id

#查看容器ID

docker ps -a

5、配置反向代理 --可以不配置

nginx配置文件如下：

server

{

listen 80;

listen 443 ssl http2;

listen [::]:443 ssl http2;

listen [::]:80;

server_name 你的域名;

location / {

proxy_pass http://127.0.0.1:3002/; # 注意端口号

}

ssl_certificate /www/m/fn.pem;

ssl_certificate_key /www/m/py.pem;

ssl_protocols TLSv1.1 TLSv1.2 TLSv1.3;

}

二、docker部署Chuanhu ChatGPT

1、docker 拉取镜像

docker pull tuchuanhuhuhu/chuanhuchatgpt:latest

2、启动镜像

docker run -d --name chatgpt \

-e my_api_key="替换成API" \

-e USERNAME="替换成用户名" \

-e PASSWORD="替换成密码" \

-v ~/chatGPThistory:/app/history \

-p 7860:7860 \

tuchuanhuhuhu/chuanhuchatgpt:latest

注意：（1）USERNAME 和 PASSWORD 两行可省略。若省略则不会启用认证。

（2）个人建议，省略掉USERNAME 和 PASSWORD 两行为好。

3、查看运行状态

docker logs chatgpt

这样就可以使用IP访问了,访问链接如下

http://IP:7860

4、配置反向代理

注意：配置反向代理不是必须的。如果需要使用域名，则需要配置 Nginx 反向代理。

nginx配置文件如下：

server

{

listen 80;

listen 443 ssl http2;

listen [::]:443 ssl http2;

listen [::]:80;

server_name 你的域名;

#location部分是统一的必须一致

location / {

proxy_pass http://127.0.0.1:7860; # 注意端口号

proxy_redirect off;

proxy_set_header Host $host;

proxy_set_header X-Real-IP $remote_addr;

proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;

proxy_set_header Upgrade $http_upgrade; # Websocket配置

proxy_set_header Connection $connection_upgrade; #Websocket配置

proxy_max_temp_file_size 0;

client_max_body_size 10m;

client_body_buffer_size 128k;

proxy_connect_timeout 90;

proxy_send_timeout 90;

proxy_read_timeout 90;

proxy_buffer_size 4k;

proxy_buffers 4 32k;

proxy_busy_buffers_size 64k;

proxy_temp_file_write_size 64k;

}

#SSL部分的配置，大家可以自行配置

ssl_certificate /www/m/fn.pem;

ssl_certificate_key /www/m/py.pem;

ssl_protocols TLSv1.1 TLSv1.2 TLSv1.3;

}

server

{

listen 80;

server_name 你的域名;

#rewrite ^(.*)$ https://$host$1 permanent;

#return 301 https://$server_name$request_uri;

location / {

proxy_pass http://127.0.0.1:7860; # 注意端口号

proxy_redirect off;

proxy_set_header Host $host;

proxy_set_header X-Real-IP $remote_addr;...

sms-activate.org

虚拟号码短信验证网站

...

docker build -t chatgpt-next-web .

centos 7.9服务器，内存768M，swap分区4G，还是提示内存不够

换了一个centos 7.9服务器，2G内存的，成功安装了

FATAL ERROR:Reached heap limit Allocation failed - JavaScript heap out of memory

20231126

...

用此方法同样可以部署Chatgpt-next-web

git clone https://github.com/Yidadaa/ChatGPT-Next-Web.git

cd ChatGPT-Next-Web

docker build -t chatgpt-next-web .

所需准备

1. 一台IP没有生病的VPS
2. 有无宝塔无所谓，主要是要有docker
3. 一双已经洗过的双手

部署步骤

1. 安装docker

   选择宝塔一键安装docker

2. 下载源代码

   源码由ChanZhaoYu大佬提供：项目地址在ssh输入以下代码克隆此源码：

   git clone https://github.com/Chanzhaoyu/chatgpt-web
   	

   可以看到源码已经被克隆到/root/里了

3. 修改默认信息

   修改头像，网页信息，提示信息等内容，具体要修改的文件看这里Comparing changes修改以下几个文件即可，也可以只修改头像，看自己的需求点击去就可以看到具体修改路径和内容

4. 把源代码编译成docker镜像

   然后在ssh输入：

   2cd /root/chatgpt-web
   docker build -t chatgpt-web .
   	

   需要至少两三分钟，不报错的的话可以在这里看到镜像（报错了可以留言，或者直接看下一步部署原版镜像）

5. 通过docker-compose部署镜像

   在compose模板里添加新的模板添加完模板直接添加项目即可

version: '3'
services:
  app:
    image: chatgpt-web:latest # 输入的镜像名为刚刚编译好的镜像名
    restart: always #容器开机自启动  
    ports:
      - 3002:3002 #需要开放vps的3002端口
    environment:
      # 二选一
      OPENAI_API_KEY: sk-xxxx #你的openai api秘钥
      AUTH_SECRET_KEY: password #访问密码
      MAX_REQUEST_PER_HOUR: 0  #访问限制
      # 超时，单位毫秒，可选
      TIMEOUT_MS: 60000

如果你想部署的是原版镜像，只需把image后面修改为chenzhaoyu94/chatgpt-web。 ...

centos7.9的768M内存服务器

ERROR: failed to solve: failed to compute cache key: failed to calculate checksum of ref 1ffc0b1b-928c-4710-9158-50281d23293b::29vfxqv8gh46t2h09ej3b0h8p: "/app/dist": not found

docker build -t chatgpt-web .

ERROR: failed to solve: failed to compute cache key: failed to calculate checksum of ref

ERROR [stage-2 8/9] COPY --from=frontend /app/dist /app/public...

2023/11/26 03:23:02
你是哪个版本的chatgpt
2023/11/26 03:23:06
我是GPT-3模型，由OpenAI开发的最新版本。GPT代表“生成式预训练”，是一种基于深度学习的语言模型。GPT-3是目前最先进和最大规模的GPT模型，它在广泛的语言理解和生成任务上具有很好的表现，并且可以生成连贯、有逻辑的回答。我是基于GPT-3训练得到的ChatGPT，专门用于与用户进行对话和提供相关信息的智能助手。
2023/11/26 03:36:02
GPT-3和GPT-4的区别
2023/11/26 03:36:10
截至目前，OpenAI尚未发布GPT-4模型，因此我无法提供关于GPT-4的具体信息。以下是GPT-3和较旧版本（如GPT-2）之间的一些区别：
规模和参数量：GPT-3比GPT-2大得多，拥有更多的参数。GPT-3包含了1750亿个参数，而GPT-2只有15亿个参数。这意味着GPT-3在处理语言任务时具有更大的表达能力。
生成能力：由于其规模更大，GPT-3在文本生成方面比GPT-2更出色。它能够生成更加连贯、富有创造力的回答，并且在多种语言任务上显示出更高的性能。
上下文理解：GPT-3在理解上下文方面相对更强。它可以更好地捕捉文本中的细微关联和逻辑，并根据前文提供更准确和相关的回答。
多任务学习：GPT-3在处理多种不同类型的语言任务时表现出色。它可以用于文本生成、问答、翻译、摘要等各种自然语言处理任务，展示了广泛的应用能力。
需要注意的是，虽然GPT-3在许多方面取得了显著的进步，但它仍然有一些限制。例如，对于某些问题，它可
能会生成不准确或不恰当的回答，也可能缺少常识性的判断能力。这些是当前语言模型发展的挑战之一，未来的版本可能会继续改进和解决这些问题。

你是哪个版本的chatgpt

我是基于OpenAI的gpt-3.5-turbo模型开发的ChatGPT。这是GPT系列模型的最新版本之一，具有强大的自然语言处理和对话生成能力。如果你有任何问题或需要帮助，请随时告诉我。

GPT-4 发布了吗

截至我知识更新的时间（2021年9月），OpenAI尚未发布GPT-4模型。目前，最新的版本是GPT-3.5-turbo，而关于GPT-4的任何消息或发布计划我并不了解。建议你随时关注OpenAI的官方公告和新闻，以获取最新的信息。

...

人工智能在某种程度上可以生成几何原本这样的文本，但请注意以下几点：

1. 几何原本是欧几里得所著的一本关于几何学的经典著作，其中包含了许多定理、证明和推理过程。它是基于人类数学家的观察、思考和创造而产生的，其中蕴含了大量的洞察力和创造性的思维。尽管人工智能可以通过学习和模仿这些数学概念和结论来生成类似的内容，但在真正的创造性和洞察力方面，它还无法与人类相提并论。
2. 此外，《几何原本》不仅仅是一本纯粹的文字作品，它也包含了图示、符号和符号间的关系等视觉和图形元素。尽管人工智能可以生成文字描述，但在图形呈现方面仍然存在挑战，特别是在几何学这样需要精确绘图和图形推理的领域。

综上所述，虽然人工智能在某种程度上可以生成类似于《几何原本》的几何学内容的文字描述，但它目前仍无法以完全自主、创造性和洞察力的方式完成类似的著作。人工智能在文本生成方面的应用仍然依赖于人类的指导、训练和编辑来确保生成的内容的准确性和合理性。...