具备网络技术知识、后端知识、服务器管理和维护经验，并且能够灵活运用这些知识就可以，当然，你还需要一台海外云服务器。
正向代理或 VPN
一般讲代理就是指正向代理，不过后面我要提到反向代理，所以这里特别强调一下这一节讲的代理是正向代理。
当网络被限制时，使用代理或 VPN 可能是最先想到的办法。你可以选择可靠的代理或 VPN 服务商，也可以自己建代理服务，搭建代理服务很简单我就不讲了。
这么做使用应该没什么问题，不过我想到了一个特别的场景，就是走 Proxy 的话开发基于 Flutter Web 的 AI 应用会有些麻烦，Flutter Web 的 Http 还没法支持 Proxy，就只能开发 Flutter Native 的 AI 应用了。其实移动端应用开发生态很少去关注代理网络，这种方案做移动端 AI 应用可能会遇到不少问题。
反向代理
反向代理的思路是将用户的请求发送到反代服务器，反代服务器再将请求发送给 OpenAI 服务器，最后再将 OpenAI 服务器的响应返回给用户，只要用户与反代服务器的网络是畅通的就行。建反代也不难，我也不讲了。
加了一级中转会增加服务延迟，不过开发 AI 应用更方便，因为使用反向代理就和正常访问一样，不需要设置代理，除了地址不同基本没什么区别。
需要注意的是，有些网站不喜欢被反代，也不喜欢通过 VPN 来访问，因为反代和 VPN 可以隐藏来访者的真实 IP 地址，并且可能会被用于绕过网站的访问控制和限制。
通过服务器来访问 ChatGPT
这个做法客户端不访问 OpenAI 而是你自己的服务器访问 OpenAI，客户端请求发给服务器，服务器执行 OpenAI 的 API 调用并将结果返回给客户端。
封面图就是走的这个方案，相当于在后端开发一个 OpenAI 的 API 调用服务。前端输入问题，后端去问 OpenAI 并将回答显示到页面，这样就像直连一样。下面代码主要是说下思路，代码很粗糙，仅供参考哈。
安装必要的软件
apt-get -y update
apt-get install -y ufw python3-pip
设置防火墙，开放 SSH 和 AI 服务端口
ufw allow 22/tcp
ufw allow 80/tcp
ufw --force enable
安装 OpenAI API 和 Web 服务
pip3 install openai
pip3 install gradio
把下面简单的 Demo 页面代码存储为 demo.py，类似的代码网上也有，改改就行。我简单解释一下，Gradio Web 服务器收到客户端的提问后会将提问（包含历史对话内容）和 ChatGPT 需要的其他参数（模型、温度、回复长度）一起作为输入信息来调用 OpenAI Python API，收到 OpenAI 服务器响应后就把响应内容（附加历史对话内容）一起显示到前端页面。具体的开发可以参考 OpenAI 开发文档
import gradio as gr
import openai
openai.api_key = "YOUR-API-KEY"
prompt_template = "Default ChatGPT"
temperature = 0.7
max_tokens = 1000
context_length = 2
def get_empty_state():
return {"total_tokens": 0, "messages": []}
def submit_message(prompt, state):
history = state['messages']
if not prompt:
return gr.update(value=''), [(history[i]['content'], history[i+1]['content']) for i in range(0, len(history)-1, 2)], state
system_prompt = []
if prompt_template:
system_prompt = [{ "role": "system", "content": prompt_template }]
prompt_msg = { "role": "user", "content": prompt }
try:
completion = openai.ChatCompletion.create(model="gpt-3.5-turbo", messages=system_prompt + history[-context_length*2:] + [prompt_msg], temperature=temperature, max_tokens=max_tokens)
history.append(prompt_msg)
history.append(completion.choices[0].message.to_dict())
state['total_tokens'] += completion['usage']['total_tokens']
except Exception as e:
history.append(prompt_msg)
history.append({
"role": "system",
"content": f"Error: {e}"
})
chat_messages = [(history[i]['content'], history[i+1]['content']) for i in range(0, len(history)-1, 2)]
return '', chat_messages, state
css = """
#col-container {max-width: 96%; margin-left: auto; margin-right: auto;}
#chatbox {min-height: 400px;}
#header {text-align: center;}
#prompt_template_preview {padding: 1em; border-width: 1px; border-style: solid; border-color: #e0e0e0; border-radius: 4px;}
#label {font-size: 0.8em; padding: 0.5em; margin: 0;}
.message { font-size: 1.2em;}
footer {visibility: hidden;}
"""
with gr.Blocks(css=css) as demo:
state = gr.State(get_empty_state())
with gr.Column(elem_id="col-container"):
with gr.Row():
with gr.Column():
chatbot = gr.Chatbot(elem_id="chatbox")
input_message = gr.Textbox(show_label=False, placeholder="在这里输入", visible=True).style(container=False)
btn_submit = gr.Button("发送")
btn_submit.click(submit_message, [input_message, state], [input_message, chatbot, state])
input_message.submit(submit_message, [input_message, state], [input_message, chatbot, state])
demo.queue(concurrency_count=10)
demo.launch(server_name='0.0.0.0', server_port=80, share=False, height='900px', show_api=False)
实际开发不建议这么做，Gradio 适合用于快速构建机器学习模型的交互式应用，它并不是一个专门用来做网站的 Web 服务器，构建一个高性能、高可用性的 Web 服务选择 Nginx、Apache、Gunicorn 等比较好。
运行 Demo，在浏览器上直接访问云服务器的地址就可以看到类似封面图的界面。封面图是在 DigitalOcean 云服务器（Droplets）上部署 OpenAI 的 API 服务的效果。
python3 demo.py