?? CSDN 葉庭云：https://yetingyun.blog.csdn.net/

一、前言

OpenAI 重磅更新，API 添加函數(shù)調(diào)用能力，能處理更長(zhǎng)上下文，價(jià)格又有所降低 …

知乎討論：https://www.zhihu.com/question/606520916

這次更新的主角，在我看來(lái)毫無(wú)疑問(wèn)是函數(shù)調(diào)用功能，過(guò)去要么依靠 Prompt Engineering 提供的信息，要么就需要使用 LangChain 這樣的框架實(shí)現(xiàn)?，F(xiàn)在官方提供了更穩(wěn)定的方式與本地代碼或者第三方 API，可以無(wú)縫將 GPT 的語(yǔ)言理解和解析能力整合入本地工作流中。

稍微再總結(jié)一下此次更新的主要內(nèi)容：

• 在 Chat Completions API 中提供函數(shù)調(diào)用能力
• 更新更易控制的 gpt-4 和 gpt-3.5-turbo 版本
• 新的 16k 上下文版本 gpt-3.5-turbo （與標(biāo)準(zhǔn)的 4k 版本相比很香）
• embeddings 嵌入模型價(jià)格降低了75%
• gpt-3.5-turbo 輸入 token 價(jià)格降低 25%
• 宣布 gpt-3.5-turbo-0301 和 gpt-4-0314 型號(hào)的棄用計(jì)劃
• 以上所有的模型都會(huì)遵循 0301 介紹的數(shù)據(jù)隱私規(guī)則：所有使用 API 的數(shù)據(jù)不會(huì)用于訓(xùn)練。

二、主要內(nèi)容

新增的函數(shù)調(diào)用功能的解釋：我理解的是，ChatGPT 的 API 現(xiàn)在可以根據(jù)你給出的函數(shù)描述，理解你的函數(shù)輸入輸出格式要求，把用戶的自然語(yǔ)言轉(zhuǎn)化成本地$/$第三方函數(shù)的輸入?yún)?shù)。然后開(kāi)發(fā)者需要拿著這個(gè)參數(shù)自己執(zhí)行一下，得到一個(gè)結(jié)果再還給 ChatGPT，ChatGPT 最后會(huì)根據(jù)這個(gè)結(jié)果回答用戶的問(wèn)題，輸出最終內(nèi)容。

函數(shù)調(diào)用的官方示例：

自從 ChatGPT 插件的 alpha 版本發(fā)布以來(lái)，我們已經(jīng)學(xué)到了很多關(guān)于如何安全地使工具和語(yǔ)言模型協(xié)同工作的知識(shí)。然而，仍有一些未解決的研究問(wèn)題。例如，一個(gè)概念驗(yàn)證漏洞說(shuō)明了不受信任的數(shù)據(jù)可以指示模型執(zhí)行意外操作。我們正在努力減輕這些和其他風(fēng)險(xiǎn)。開(kāi)發(fā)人員可以通過(guò)只消費(fèi)來(lái)自可信工具的信息并在執(zhí)行具有現(xiàn)實(shí)影響（例如發(fā)送電子郵件、在線發(fā)布或購(gòu)買）的操作之前包含用戶確認(rèn)步驟來(lái)保護(hù)其應(yīng)用程序。

下面我們自己寫(xiě)個(gè)實(shí)例來(lái)實(shí)踐和感受一下，以查詢國(guó)內(nèi)城市今天的天氣情況為例：

API 使用的是國(guó)家氣象局的接口，完全免費(fèi)的：http://t.weather.sojson.com/api/weather/city/101010100

城市到代碼的轉(zhuǎn)化是參考這篇博客：https://blog.csdn.net/qq_42855293/article/details/103864266。把他分享的內(nèi)容粘貼到 Excel 并保存，方便后續(xù)使用。

完整代碼如下：

import ast
import json
import requests
import pandas as pd
import openai
from pprint import pprint


def get_current_weather(city):
    code = city2code[city]
    resp = requests.get(f"http://t.weather.sojson.com/api/weather/city/{code}")
    data = resp.json()["data"]
    
    date_info = data["forecast"][0]["ymd"] + " - " + data["forecast"][0]["week"]
    wendu = data["wendu"]
    shidu = data["shidu"]
    pm25 = data["pm25"]
    pm10 = data["pm10"]
    tianqi_type = data["forecast"][0]["type"]
    air_quality = data["quality"]
    zhuyi = data["forecast"][0]["notice"]
    low = data["forecast"][0]["low"]
    high = data["forecast"][0]["high"]
    aqi = data["forecast"][0]["aqi"]
    
    return {"時(shí)間": date_info, "溫度": wendu, "最高溫度": high, "最低溫度": low,
            "濕度": shidu, "天氣類型": tianqi_type, "空氣質(zhì)量": air_quality,
            "注意": zhuyi, "PM2.5": pm25, "PM10": pm10, "AQI": aqi}


openai.api_key = "請(qǐng)注意：替換為你的 API KEY"      # 配置自己的 API Key
openai.api_base = 'https://你的反向代理域名-如果有的話/v1'   # 請(qǐng)注意后面 /v1 不可省略

# 如果沒(méi)有自己的反向代理   你還需要設(shè)置你掛的魔法
# proxies = {'http': "http://127.0.0.1:7890", 'https': "https://127.0.0.1:7890"}
# openai.proxy = proxies

df = pd.read_excel("./citycode/city.xlsx")
city2code = {k: v for k, v in zip(df["區(qū)域"], df["區(qū)域編號(hào)"])}
             
prompt = "今天北京的天氣怎么樣？"
print("Prompt：")
print(prompt)

my_function = [{"name": "get_current_weather",
                "description": "獲取給定位置的當(dāng)前天氣",
                "parameters": {"type": "object",
                               "properties": {"location": {"type": "string", "description": "城市，例如北京"},
                                              "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}
                                            },
                               "required": ["location"]
                               }
                }
               ]
# LLMs as Controller
# 據(jù)你給出的函數(shù)描述，理解你的函數(shù)輸入輸出格式要求，把用戶的自然語(yǔ)言轉(zhuǎn)化成本地${/}$第三方函數(shù)的輸入?yún)?shù)和確定調(diào)用那個(gè)函數(shù)。然后開(kāi)發(fā)者需要拿著這個(gè)參數(shù)自己執(zhí)行一下，得到一個(gè)結(jié)果再還給 ChatGPT，ChatGPT 最后會(huì)根據(jù)這個(gè)結(jié)果回答用戶的問(wèn)題，輸出最終內(nèi)容。
resp1 = openai.ChatCompletion.create(model="gpt-3.5-turbo-0613",
                                     messages=[{"role": "user", "content": prompt}],
                                     temperature=0.0,
                                     max_tokens=3072,
                                     functions=my_function,
                                     )
params = ast.literal_eval(resp1.choices[0].message.function_call["arguments"])
call_fuction = resp1.choices[0].message.function_call["name"]
if call_fuction == "get_current_weather":
    weather_data = get_current_weather(params["location"])

resp2 = openai.ChatCompletion.create(model="gpt-3.5-turbo-0613",
                                     messages=[{"role": "user", "content": prompt},
                                               {"role": "assistant", "content": "null", "function_call": resp1.choices[0].message.function_call},
                                               {"role": "function", "name": "call_fuction", "content": str(weather_data)}
                                               ],
                                        temperature=0.0,
                                        max_tokens=3072,
                                        functions=my_function,
                                     )
print("-" * 99)
print(resp2.choices[0].message.content)

這段代碼主要實(shí)現(xiàn)了以下功能：

• 引入了需要用到的庫(kù)，包括 ast、json、requests、pandas、openai，以及 pprint 模塊的 pprint 函數(shù)。
• 定義了 get_current_weather 函數(shù)，該函數(shù)接受一個(gè)參數(shù) city，并返回一個(gè)字典對(duì)象，包含當(dāng)?shù)氐奶鞖庑畔ⅰ?/li>
• 配置了 OpenAI 的 API Key 和 API Base。
• 從 Excel 文件中讀取了城市數(shù)據(jù)，并將城市和編號(hào)映射為一個(gè)字典 city2code。
• 定義了一個(gè)字符串變量 prompt，表示用戶的對(duì)話詢問(wèn)。
• 定義了一個(gè)名為 my_function 的列表，其中包含一個(gè)名為 get_current_weather 的字典對(duì)象，描述了返回值的數(shù)據(jù)結(jié)構(gòu)和輸入?yún)?shù)的類型等信息。
• 調(diào)用 OpenAI 的 ChatCompletion.create 函數(shù)，傳入一些參數(shù)，返回一個(gè) OpenAI 對(duì)話的響應(yīng)結(jié)果 resp1，其中包含對(duì)話的輸出及調(diào)用的函數(shù)名稱和參數(shù)。
• 解析 resp1 響應(yīng)結(jié)果中的參數(shù)信息，判斷調(diào)用的函數(shù)名稱是否為 get_current_weather，如果是則調(diào)用該函數(shù)獲取當(dāng)?shù)靥鞖庑畔ⅰ?/li>
• 再次調(diào)用 OpenAI 的 ChatCompletion.create 函數(shù)，不同的是帶入了調(diào)用的函數(shù)名稱和返回的天氣信息，返回 OpenAI 對(duì)話的響應(yīng)結(jié)果 resp2。
• 打印出 resp2 響應(yīng)結(jié)果中的內(nèi)容，即機(jī)器人回復(fù)的信息。

結(jié)果如下示意：

三、總結(jié)

所謂的「函數(shù)調(diào)用」功能，并不是說(shuō) GPT API 會(huì)幫你執(zhí)行某些第三方的功能或接口，而是說(shuō)，通過(guò)提交給 GPT 函數(shù)的名稱、描述和輸入?yún)?shù)，它能夠在語(yǔ)義中理解應(yīng)該調(diào)用哪一個(gè)函數(shù)去滿足用戶功能，如果此時(shí)的語(yǔ)境中缺少函數(shù)必需的參數(shù)，GPT 會(huì)進(jìn)一步與用戶對(duì)話要求補(bǔ)全信息；當(dāng)滿足函數(shù)調(diào)用條件時(shí)，GPT 會(huì)返回一個(gè)結(jié)果，告訴開(kāi)發(fā)者此時(shí)需要調(diào)用的函數(shù)名和相應(yīng)的參數(shù)；然后開(kāi)發(fā)者自行執(zhí)行本地/第三方函數(shù)，并將結(jié)果再次輸入給 GPT API，GPT API 則會(huì)根據(jù)返回值告訴用戶結(jié)果。

我們必須先理解了這個(gè)過(guò)程，至于具體的代碼很容易實(shí)現(xiàn)。從上面這段話抽取一下工作流程：

• GPT 根據(jù)開(kāi)發(fā)者給出的函數(shù)描述，理解函數(shù)功能和輸入?yún)?shù)要求；
• GPT 理解用戶的自然語(yǔ)言，決定此時(shí)是否需要調(diào)用某函數(shù)，并從對(duì)話中抽取信息轉(zhuǎn)化成本地/第三方函數(shù)的輸入?yún)?shù)；
• 如果此時(shí)缺少必要信息，GPT 會(huì)繼續(xù)與用戶對(duì)話詢問(wèn)補(bǔ)全；
• 開(kāi)發(fā)者拿到函數(shù)名和參數(shù)后，自己本地執(zhí)行，得到一個(gè)結(jié)果再還給GPT；
• GPT 最后會(huì)根據(jù)這個(gè)結(jié)果回答用戶的問(wèn)題。

示意圖如下所示（圖片來(lái)自知乎@段小草）：

GPT API 是介于開(kāi)發(fā)者和用戶直接的「翻譯官」，干兩件事：

• 把「用戶」的自然語(yǔ)言 → 合適的函數(shù)功能和參數(shù) → 返回給「開(kāi)發(fā)者」
• 把「開(kāi)發(fā)者」接口返回的數(shù)據(jù)（一般是 JSON）→ 自然語(yǔ)言 → 返回給「用戶」

??? 參考鏈接：文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-494820.html

• OpenAI 重磅更新 變得更強(qiáng)啦 | 包括更多可控的 API 模型、函數(shù)調(diào)用能力、更長(zhǎng)的上下文和更低的價(jià)格
• OpenAI API 0613 更新：GPT-3.5-turbo-16k 模型、函數(shù)調(diào)用能力、更低的調(diào)用價(jià)格
• 知乎 | OpenAI 重磅更新，API 添加新函數(shù)調(diào)用能力，能處理更長(zhǎng)上下文，價(jià)格又降了 75%，有哪些影響？
• Python 實(shí)現(xiàn)天氣查詢功能（外加 Excel 技巧）
• 免費(fèi)的天氣 API 相關(guān)編碼(中國(guó)城市代碼檢索)
• 沈向洋：致 AI 時(shí)代的我們 —— 請(qǐng)不要忽視寫(xiě)作的魅力

到了這里，關(guān)于Python ChatGPT API 新增的函數(shù)調(diào)用功能演示的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！