弥合人类与机器之间的差距

实施OpenAI的新API功能-函数

OpenAI的API更新

自然语言处理模型例如ChatGPT在人类语言的复杂性方面表现出色。但是，当涉及到计算机语言的结构化特征时，它们也会遇到挑战。

我们在先前的文章中强调过，使用ChatGPT生成持续有效的JSON输出是繁琐的。

幸运的是，OpenAI最近的更新引入了许多令人兴奋的功能，包括函数-一种内置解决方案，可以确保可靠的JSON输出，可以被我们的软件消耗。

功能被作为参数传递到我们的OpenAI聊天完成调用中，并以对象作为参数。该功能配合最近发布的模型版本gpt-4-0613和gpt-3.5-turbo-0613使用。这些模型已经经过精细调节，以便接收功能并以JSON输出做出回应。

{
    "name": "my_function",
    "description": "Description of my openai function call.",
    "parameters": {
      "type": "object",
      "properties": {
        "my_first_required_property": {
          "type": "string",
          "description": "A require property of my request"
        },
        "my_second_optional_property": {
          "type": "string",
          "description": "An optional property of my request"
        },
      },
      "required": ['my_first_required_property'],
    }
  }

实际应用

在这个例子中，我们向我们热情的冲浪用户提供每日潮汐详情！我们的流程非常简单，用户将为特定位置的潮汐信息提示我们的应用程序，而不是给用户拖动菜单和工业形式的负担，我们将利用ChatGPT来理解类人的提示。

当我们的用户请求特定位置的潮汐信息时，我们让ChatGPT从他们的句子中提取位置信息。从那里，我们使用ChatGPT的帮助从人类句子中提取位置。现在，我们可以获取该位置的潮汐数据，并将其反馈给ChatGPT以便它给我们提供类似于人的回复，并将其返回给用户。

这个代码

首先，我们构建了我们的OpenAI调用，以从类似人类的句子中提取数据。

openai.ChatCompletion.create(
  model="gpt-3.5-turbo-0613",
  messages=[
    {"role": "user", "content": "What time is the high tide in Nelson today?"},
  ],
  functions=[{
    "name": "get_tide_info",
    "description": "Get today's tide information.",
    "parameters": {
      "type": "object",
      "properties": {
        "location": {
          "type": "string",
          "description": "Location for tide information (i.e: Wellington)"
        },
        "high_tide_time": {
          "type": "string",
          "description": "High tide time"
        },
        "low_tide_time": {
          "type": "string",
          "description": "Low tide time"          
        },
      },
      "required": ['location'],
    }
  }]
)

这里我们声明了一个函数，它有三个参数，其中一个必需的参数是 location。现在我们应该接收到一个包含 JSON 输出的响应。

{
  ...
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "content": null,
      "function_call": {
        "name": "get_tide_info",
        "arguments": "{ \"location\": \"Nelson\"}"
      }
    },
    "finish_reason": "function_call"
  }]
}

通过我们的位置，我们现在可以从潮汐API获取潮汐信息。

const getTideData = () => {
  const response = await fetch(`http://someapi/tide?location=${location}`);
  return await response.json();
}

console.log(`log: ${getTideData()}`);

// log: "{\"high_tide_time\": \"08:32+12:00\", \"low_tide_time\": \"14:54+12:00\"}"

从这里我们将响应连接到我们的OpenAI呼叫并获得可读的人类响应：

openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  "messages": [
    {"role": "user", "content": "What time is high tide in Nelson today?"},
    {"role": "assistant", "content": null, "function_call": {"name": "get_tide_info", "arguments": "{ \"location\": \"Nelson\"}"}},
    {"role": "function", "name": "get_tide_info", "content": "{\"high_tide_time\": \"08:32+12:00\", \"low_tide_time\": \"14:54+12:00\"}"}
  ],
  functions: [
    {
      "name": "get_tide_info",
      "description": "Get the day's tide information.",
      "parameters": {
        "type": "object",
        "properties": {
          "location": {
            "type": "string",
            "description": "City for the tide information (i.e: Wellington)"
          },
          "high_tide_time": {
            "type": "string",
            "description": "Time of the day's high tide"
          },
          "low_tide_time": {
            "type": "string",
            "description": "Time of the day's low tide"          
          },
        },
        "required": ['location']
      }
    }
  ]
)

并且，完成了！

{
  ...
  "choices": [{
    "index": 0,
    "message": {
      "role": "assistant",
      "content": "The high tide in Nelson today is at 08:32pm",
    },
    "finish_reason": "stop"
  }]
}

我们现在可以通过接收和提供多个 API 调用驱动的人类响应来弥合人类和计算机语言之间的差距。

了解更多关于OpenAI的更新和其他发布的功能，请查看他们的文章。

喜欢这篇文章吗？在Twitter或LinkedIn上关注我们吧。