前言

在当今数字化转型的浪潮中，Node.js作为一款流行的服务器端JavaScript运行环境，凭借其非阻塞I/O模型和事件驱动的特性，已成为构建高性能、可扩展网络应用的首选技术栈之一。

与此同时，人工智能生成内容（AIGC）的兴起，正引领着内容创造与数据分析领域的革新。结合Node.js的强大功能与AIGC的智能化优势，我们可以开创性地解决诸多实际问题，其中之一便是对用户评论的情感智能分析。

正文

目的

通过node.js和AIGC实现对用户输入的评论进行情感分析，输出负面或正面。

Node.js与AIGC：技术融合的力量

Node.js的角色：作为后端开发的明星，Node.js以其卓越的并发处理能力，成为实时数据处理的理想平台。

它允许开发者使用JavaScript这一广泛熟悉的语言，快速构建RESTful API、处理网络请求，以及整合各种机器学习和AI服务，为情感分析系统提供高效、可扩展的基础设施。

AIGC的创新应用：AIGC，特别是基于机器学习的情感分析模型，通过学习大量标注数据，能够自动识别文本中的情感倾向，包括但不限于喜悦、悲伤、愤怒、惊讶等。

这些模型在Node.js环境中，可以通过API调用的方式集成，实现对用户评论的即时情感分类和深度理解。

实现步骤

准备步骤

1. 创建一个新的 Node.js 项目并初始化一个默认的 package.json 文件。

   npm init -y
   

2. 安装openai模块。

   npm i openai
   

3. 安装dotenv模块。

   npm i dotenv
   

   dotenv模块用于从.env文件中加载环境变量。

4. 获取API密钥。

   获取API密钥传送门——https://github.com/chatanywhere/GPT_API_free

   进入后向下滑，点击"申请领取内测免费API Key"。

5. 在项目的根目录下创建一个.env文件。

   在该项目中可以将获得的API密钥放入.env文件中，避免将密钥直接写在代码中，减少密钥在代码仓库等公开环境中暴露的风险。

   OPENAI_API_KEY=你的API密钥
   

引入openai模块并加载环境变量

const OpenAI = require('openai');
require('dotenv').config();

实例化对象

const client = new OpenAI({
    apiKey: process.env.OPENAI_API_KEY,
    baseURL: 'https://api.chatanywhere.tech/v1'
});

通过OpwnAI创建一个实例对象client,为其设置API密钥和特定的基础URL等参数。

通过process.env.OPENAI_API_KEY从当前运行环境变量中获取OPENAI_API_KEY的值（也就是在.env文件中找到我们设置的API密钥）。

获取输入的评论

process.stdin.on('data', (buffer) => {
    const comment = buffer.toString().trim();
}

对标准输入进行监听。当有数据输入时，会触发 'data' 事件，传入的参数 buffer 是包含输入数据的缓冲区。

然后通过 buffer.toString().trim() 将缓冲区数据转换为字符串并去除两端的空白，得到输入的实际内容，并将其存储在 comment 变量中。

定义情感分析函数

async function main() {
        
        let prompt = `
    判断一下用户的评论情感是正面的还是负面的
    评论：我非常喜欢这个产品，它非常实用。
    情感：正面。
    评论：这个产品非常糟糕，我无法使用它。
    情感：负面。
    `

        let myPrompt = `
    ${prompt}
    评论：${comment}
    情感：
    `
        
        const chatCompletion = await client.chat.completions.create({
            messages: [
                {
                    role: 'user',
                    content: myPrompt
                }],
            model: 'gpt-3.5-turbo',
            n: 1
        })
        console.log(chatCompletion.choices[0]);
    }

1. 定义prompt字符串存放如何判断情感的示例。
2. 根据用户输入的comment和prompt组合在一起形成myPrompt（新的提示指令）。
3. 使用 client.chat.completions.create 方法向 OpenAI 发送请求，参数包括一个包含 myPrompt 的消息数组（这里只有一个用户消息）、指定模型 gpt-3.5-turbo 以及设置生成数量为 1 。
4. 最后将生成的聊天完成结果的第一个选择打印到控制台。

完整代码

const OpenAI = require('openai');
require('dotenv').config()

const client = new OpenAI({
    apiKey: process.env.OPENAI_API_KEY,
    baseURL: 'https://api.chatanywhere.tech/v1'
});

process.stdin.on('data', (buffer) => {
    const comment = buffer.toString().trim();
    async function main() {
        
        let prompt = `
    判断一下用户的评论情感是正面的还是负面的
    评论：我非常喜欢这个产品，它非常实用。
    情感：正面。
    评论：这个产品非常糟糕，我无法使用它。
    情感：负面。
    `

        let myPrompt = `
    ${prompt}
    评论：${comment}
    情感：
    `
        
        const chatCompletion = await client.chat.completions.create({
            messages: [
                {
                    role: 'user',
                    content: myPrompt
                }],
            model: 'gpt-3.5-turbo',
            n: 1
        })
        console.log(chatCompletion.choices[0]);
    }

    main()
})

实现效果

输入“这个商品很差劲”得到的情感分析是负面的。

输入“遥遥领先”得到的情感分析是正面的。

小结

通过将Node.js与AIGC技术相结合，我们不仅能够打造出高效的情感分析解决方案，还能够开启更多创新应用的大门，如个性化推荐、智能客服、舆情监控等。

这不仅仅是技术的堆砌，而是一场关于如何更好地理解和回应用户情感，从而驱动产品与服务持续优化的革命。随着技术的不断成熟与融合，未来的数字世界将更加智能、更加人性化。