The goal is use OpenAI via code in Python Language to Q & R (Question and Answer), Summarize and Sentiment Analysis

1 - First, istall library: transformers beautifulsoup4 requests and openai:

!pip install openai==0.28
!pip install transformers  beautifulsoup4 requests

2 - After, declaring libraries necessaries

from transformers import pipeline, BertTokenizerFast, EncoderDecoderModel
import torch
import openai
import requests
from bs4 import BeautifulSoup

3 - Function to prepare our Dataset: in this case ours dataset is URL (https://pt.wikipedia.org/wiki/Microsoft_Office)

def extraindo_texto_da_web(url):
    response = requests.get(url)
    response.raise_for_status()  # Verifica se o request foi bem-sucedido
    soup = BeautifulSoup(response.text, 'html.parser')

    # Extrai todo o texto visível da página
    paragraphs = soup.find_all('p')
    text = " ".join([para.get_text() for para in paragraphs])
    return text

url = "https://pt.wikipedia.org/wiki/Microsoft_Office"

documento = extraindo_texto_da_web(url)

4 - OpenAI Key

openai.api_key = "Use the your API"

1 - Q & R (Question and Answer): Ideal use this tools in situation that I need to take out doubt in chatbox.

pergunta = input("Make your question: ")

prompt = f"Contexto: {documento}\nPergunta: {pergunta}\nResposta:"

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "system", "content": "Você é um assistente útil."},
        {"role": "user", "content": prompt},
    ],
    max_tokens=50,
    temperature=0.0
)

# Exibe a resposta da pergunta
resposta = response['choices'][0]['message']['content'].strip()
print(f"Resposta: {resposta}")

2 - Summarize: Ideal use this tools in situation that I need summary big text in small text.

prompt = f"Resuma o seguinte texto de forma concisa:\n{documento}"

# Solicitação para o modelo GPT-3.5-turbo para resumir o texto
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[
        {"role": "system", "content": "Você é um assistente que pode resumir textos."},
        {"role": "user", "content": prompt},
    ],
    max_tokens=100,
    temperature=0.7
)

# Exibe o resumo
resumo = response['choices'][0]['message']['content'].strip()
print(f"Resumo: {resumo}")

3 - Sentiment Analysis: Ideal use this tools in opinions, reviews situations, because it rate in "Positive", "Neutral", "Negative"

# Texto para análise de sentimento
texto = """
Maycon é um cara muito legal, eu amo ele!
"""

# Prompt para análise de sentimento
prompt = f"Classifique o sentimento do seguinte texto como 'Positivo', 'Negativo' ou 'Neutro':\n{texto}"

response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",  # Ou "gpt-3.5-turbo" ou outro modelo de chat compatível
    messages=[
        {"role": "system", "content": "Você é um assistente útil."},
        {"role": "user", "content": prompt},
    ],
    max_tokens=60,
    temperature=0.0  # Temperatura baixa para respostas diretas
)

# Extrair e exibir o sentimento
sentimento = response['choices'][0]['message']['content'].strip()
print(f"Sentimento: {sentimento}")