OpenAI Function Calling特性示例详解
更新时间：2023年07月09日 10:40:11 作者：莫尔索随笔
这篇文章主要为大家介绍了OpenAI Function Calling特性作用详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
Function Calling使用
OpenAI 在gpt-3.5-turbo-0613 和 gpt-4-0613两个模型的chat completion api中增加了一个叫 Function Calling 的新功能，本篇文章对其功能进行探究，并分析其作用。
我认为这是一种比Plugin更优雅的方式，给开发者提供了更多的自由度，一方面识别出何时需要调用函数来对输出格式化，一方面设定具体的格式化数据有助于接入后续业务逻辑。达到尽可能保证（注意这里，是根据你的函数描述最大可能保证，不能100%）LLM输出可控的基础上，来增强自己业务的目的。
show me code
下面以记账应用为例，告诉AI：“今天喝奶茶花了6元”，正常思路来说，交互流程应该是这样的：
- 用户输入prompt
- AI进行语义分析
- 返回结构化的数据（每个子项是什么，花费是多少）
- 拿到数据进行下一步操作
借助Function Calling，微调后的模型可以检测何时应该调用函数并使用符合函数签名的 JSON 进行响应，下面看代码例子👇
import openai
import json
from enum import Enum
class BaseTool(Enum):
Bookkeeping = "record_price"
RecordingTask = "record_task"
def record_price(category, price):
print(category, price)
# 记账应用 API
print("记账成功!")
def funtion_call_conversation():
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo-0613",
messages=[
{"role": "user", "content": "今天喝奶茶花了6元"},
],
temperature=0,
functions=[
{
"name": BaseTool.Bookkeeping.value,
"description": "bookkeeping assistant",
"parameters": {
"type": "object",
"properties": {
"category": {
"type": "string",
"description": "类目",
},
"price": {"type": "string", "description": "金额"},
},
"required": ["category", "price"],
},
}
],
function_call="auto",
)
message = response["choices"][0]["message"]
if(message.get("function_call")):
function_name = message["function_call"]["name"]
if function_name == BaseTool.Bookkeeping.value:
arguments = json.loads(message["function_call"]["arguments"])
record_price(arguments.get('category'), arguments.get('price'))接口调用说明
- name字段表示要调用的函数名，description表示函数描述，paramters是一个符合JSON Schema格式的对象，用来描述这个函数的入参信息（让 LLM 读得懂的工具函数说明）
record_price是用来给Function Calling调用的函数，这个函数接收两个必填的参数，category类目（string类型），price金额（string类型）
functions=[
{
"name": BaseTool.Bookkeeping.value,
"description": "bookkeeping assistant",
"parameters": {
"type": "object",
"properties": {
"category": {"type": "string","description": "类目"},
"price": {"type": "string", "description": "金额"},
},
"required": ["category", "price"],
},
}
],LLM分析结果
LLM 分析后命中了函数签名描述，就会返回给我们 function_call 这个字段以及函数签名中我们预定义的相关信息：
{
"role": "assistant",
"content": null,
"function_call": {
"name": "record_price",
"arguments": "{\n \"category\": \"\u5976\u8336\",\n \"price\": \"6\u5143\"\n}"
}
}- category返回给我们了类目是奶茶
- price识别出了金额是6元
接下来拿到参数，调用 record_price 进行记账的操作即可；如果没有命中函数签名描述，就不会返回function_call字段，也就不需要进行任何操作：
if(message.get("function_call")):
function_name = message["function_call"]["name"]
if function_name == BaseTool.Bookkeeping.value:
arguments = json.loads(message["function_call"]["arguments"])
record_price(arguments.get('category'), arguments.get('price'))按照这种思路，可以扩展自己的外部工具，比如发邮件，记录待办清单，让LLM变成私人管家。
AI记账应用设想
LLM 加持的记账应用设想，不需要打开记账软件写类目记金额👇：
- 直接对照Siri说“今天喝奶茶花了6元”
- 然后利用STT，转换为文本
- 利用上述程序提取类目和金额，调用记账API，记录成功
存在问题
- 函数描述是会被计入token的（果然魔法都是有成本的🤡
- 潜在的风险：分析不准确，出现无法命中函数签名描述的情况
参考
以上就是OpenAI Function Calling特性作用详解的详细内容，更多关于OpenAI Function Calling的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要为大家详细介绍了Django配置mysql数据库的详细步骤，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-05-05
unittest是python的一个单元测试框架，它是用于对一个确定结果和预测结果的一种判断，这篇文章主要介绍了Django中的unittest及应用,需要的朋友可以参考下2021-11-11
这篇文章主要给大家分享得是 python中的3种定义类方法，分别是普通方法、类方法(@classmethod)以及类方法(@classmethod)，想了解方法具体实现的小伙伴可以参考下面文章内容哦，希望对你有所帮助2021-11-11
今天小编就为大家分享一篇PyQt5 多窗口连接实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-06-06
今天小编就为大家分享一篇Python 文本文件内容批量抽取实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-12-12
这篇文章主要介绍了Django中使用CORS实现跨域请求过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-08-08
今天小编就为大家分享一篇pandas dataframe添加表格框线输出的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-02-02
今天小编就为大家分享一篇pip安装时ReadTimeoutError的解决方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-06-06
下面小编就为大家带来一篇python魔法方法-属性转换和类的表示详解。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2016-07-07
本文主要给大家简单介绍了下在windows以及linux系统中使用Python安装LXML模块的教程，非常简单实用，有需要的小伙伴可以参考下2016-03-03
最新评论