OpenAI发布大杀器功能，无数AI创业公司的方案推倒重来
OpenAI发布大杀器功能，无数AI创业公司的方案推倒重来
OpenAI近期发布了一项重大更新，这次的更新内容不禁让人瞠目结舌，具体更新内容可以看昨天的文章：OpenAI凌晨大更新，价格最高降75%、API函数调用上线、上下文长度提高4倍！今天主要详细讲一下聊天API中新增的函数调用功能，为应用层应用的开发所带来的巨大的影响。
1
基本概念流程
首先，我们要理解函数调用功能的基本概念。简单来说，这是一种让AI调用并执行特定任务的接口，类似于插件，可以为AI增加各种各样的功能。例如，你可以让AI通过函数调用查询数据库，或者从其他在线API获取信息。
这个功能的实现流程大致是这样的：
1. 用户提供一个问题和一组函数给ChatGPT，函数的名称、作用和参数必须明确。
2. ChatGPT判断是否需要调用提供的函数来解答问题，如果需要，会把问题转换成设置好参数的函数调用。
3. 用户根据ChatGPT给出的函数，自行运行函数，然后把函数运行的结果返回给ChatGPT。
4. ChatGPT根据前面的对话信息和函数的执行结果，生成最终的回答。
流程图如下：
看到这里你就会发现整个流程其实非常像一个only-one-job的HuggingGPT，只不过HuggingGPT是调用模型，这里是调用函数。
如果你自己搞一个函数的pipeline，其实就是langchain了。只不过langchain的结构是在函数里与ChatGPT对话来完成任务，而function call是在对话里调用函数，从体感上来说，还是function call更加丝滑一些，langchain哭晕在厕所。
如果再稍微设计一下prompt，让ChatGPT来自己决策完成任务需要使用哪些函数，其实就跟AutoGPT的原理差不多，用GPT驱动GPT。对此有兴趣的可以加入我的星球看AutoGPT的具体原理。
2
代码示例
我们知道普通的聊天机器人无法直接获取真实世界的信息，比如天气和当前时间。但如果使用了函数调用功能，ChatGPT就能通过函数获取这些信息。
说了这么多，我们直接上代码看看！！我们可以定义两个函数，一个用于获取天气，一个用于获取当前时间，示例代码如下。
这两个函数需要将描述和参数定义清楚，以方便ChatGPT理解。
help_functions = [
{
"name": "get_current_weather",
"description": """获取天气情况""",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": f"""获取天气情况的城市或者国家，比如北京、东京、新加坡""",
},
},
"required": ["location"],
}
},
{
"name": "get_local_time",
"description": """获取当地的时间""",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": f"""获取当地时间的城市或者国家，比如北京、东京、新加坡""",
},
},
"required": ["location"],
}
},
]
然后设置ChatGPT的角色，还有提问问题。
messages = []
messages.append({"role": "system", "content": "如果不知道函数中的具体参数，不要假设。如果知道或者参数为空，请询问用户具体的内容."})
messages.append({"role": "user", "content": "东京天气怎么样？"})
chat_response = chat_completion_request(
messages, functions=help_functions
)
assistant_message = chat_response.json()["choices"][0]["message"]
messages.append(assistant_message)
print(assistant_message)
此时，ChatGPT输出为：
{
'role': 'assistant',
'content': None,
'function_call': {
'name': 'get_current_weather',
'arguments': '{\n "location": "东京"\n}'
}
}
这个告诉我们，需要调用get_current_weather函数，参数为 "location": "东京"
我们定义如下的函数，调用并且返回结果。真实情况其实可以调用某个天气的API，也就是说ChatGPT分析出来了我们要调那个api达到来回答我们的问题。
def get_current_weather(location):
if location == '东京':
return 'misty'
return 'sunny'
results = get_current_weather('东京')
print(results)
messages.append({"role": "function", "name": assistant_message["function_call"]["name"], "content": results})
chat_response = chat_completion_request(
messages, functions=help_functions
)
assistant_message = chat_response.json()["choices"][0]["message"]
messages.append(assistant_message)
print(assistant_message)
此时ChatGPT返回结果：
{
'role': 'assistant',
'content': '东京目前天气状况是雾霾。'
}
然后我们再追问当地时间
messages.append({"role": "user", "content": "当地时间是几点？"})
chat_response = chat_completion_request(
messages, functions=help_functions
)
assistant_message = chat_response.json()["choices"][0]["message"]
messages.append(assistant_message)
print(assistant_message)
模型输出
{
'role': 'assistant',
'content': None,
'function_call': {
'name': 'get_local_time',
'arguments': '{\n "location": "东京"\n}'
}
}
这个告诉我们，需要调用get_local_time函数，参数为 "location": "东京"
def get_local_time(location):
if location == '东京':
return '21:03 2023年6月15日（星期四） (GMT+9)'
return '20:03 2023年6月15日（星期四） (GMT+8)'
results = get_current_weather('东京')
messages.append({"role": "function", "name": assistant_message["function_call"]["name"], "content": results})
chat_response = chat_completion_request(
messages, functions=help_functions
)
assistant_message = chat_response.json()["choices"][0]["message"]
messages.append(assistant_message)
print(assistant_message)
ChatGPT输出
{
'role': 'assistant',
'content': '当前东京的时间是21:03，日期是2023年6月15日（星期四），时区为GMT+9。'
}3
应用开发工程师将被淘汰
如果大家当过技术开发，都知道。应用层程序员大多时间都在忙着接入api，根据需求写业务端代码。而ChatGPT插件的出现，意味了业务端代码甚至都不用写了~ 让ChatGPT读api文档，生成功能性函数。然后再通过上述的方法进行输入，它可以分析出在什么时候用什么函数，根本就不需要人去写业务逻辑啦。随着算力成本的降低，可调用函数的能力越来越强，我相信有一天应用开发工程师终将不复存在，这个时间会很快。AI应用层出不穷，太依赖人工智能大模型赋能，Openai每升级一轮，创业公司就要迭代升级一轮。完全被动，所以我想现在创业公司应该是越来越难了~