ChatGPT 人工智能助理 Assistant

简介: Assistants API 让你构建定制化的AI助手,通过指令引导助手运用模型、工具和知识回应查询。核心模块包括名称、指令、模型选择(如GPT-4)、工具(如Code Interpreter)及知识检索。需注意,免费账户限制较多,建议使用付费账户以获得完整体验。可通过界面操作或Python SDK实现助手创建、线程管理及信息交互等功能。相关资源包括官方文档和体验平台。

简介

Assistants API 允许您在自己的应用程序中构建 AI 助手。助手通过指令,利用模型、工具和知识来响应用户查询。Assistants 主要分为几大模块:

类型 支持的功能
Name 助理的名称。
Instructions 指示,预制的一些提示词,比如角色设定。
Model 可以指定任何 GPT-3.5 或 GPT-4 型号。检索工具至少需要 gpt-3.5-turbo-1106(支持较新版本)或 gpt-4-turbo-preview 型号。
Tools 包含 Code Interpreter、
Retrieval 检索工具至少需要 gpt-3.5-turbo-1106(支持较新版本)或 gpt-4-turbo-preview 型号。
Functions API 允许您定义自定义函数签名,其行为与我们的函数调用功能类似。

前提条件

注意:

  1. 体验官方的 assistant 工具尽量使用付费账号,如果是非付费账号,能使用的 token 和 gpt 模型均有限制。体验会比较差。
  2. 付费账号必须要绑定国外的信用卡。

操作步骤

首先是界面操作步骤:

  1. 创建一个智能助理,或者复用已经创建好的助理。
  2. 创建一个线程。
  3. 给线程添加对应的信息。
  4. 执行该信息。
  5. 查看执行状态。
  6. 查看助理的返回信息。

代码调用

注意:使用代码调用前需要了解ChatGPT的API使用。

而代码调用步骤与界面操作步骤基本一致,代码如下:


import time
from openai import OpenAI
import os
# code interpreter的使用
client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))
# 1. 创建一个助理,或者复用已经创建好的助理。
assistant = "助理id"
# 2. 创建一个线程
thread = client.beta.threads.create()
# 3. 创建一条消息
message = client.beta.threads.messages.create(
    thread_id=thread.id,
    role="user",
    content="I need to solve the equation `3x + 11 = 14`. Can you help me?"
)
# 4. 提问
run = client.beta.threads.runs.create(
    thread_id=thread.id,
    assistant_id=assistant,
    instructions="You are a personal math tutor. When asked a math question, write and run code to answer the question.")
# 5. 循环查询问题是否已经解决完成
def wait_on_run(run, thread):
    while run.status == "queued" or run.status == "in_progress":
        run = client.beta.threads.runs.retrieve(
            thread_id=thread.id,
            run_id=run.id,
        )
        time.sleep(0.5)
    return run
wait_on_run(run, thread)
# 6. 获取历史消息
messages = client.beta.threads.messages.list(thread_id=thread.id).model_dump_json(indent=2)
print(messages)

工具介绍

  • Code Interpreter:ChatGPT 会自动使用一些内置的函数,比如数学运算等。
  • Knowledge Retrieval:上传文件,进行一次知识检索。
  • Function calling:调用外部的函数。

相关资料

  • 官方文档说明
  • 官方体验地址
相关文章
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
ChatGPT的应用与发展趋势:解析人工智能的新风口
ChatGPT的应用与发展趋势:解析人工智能的新风口
230 0
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
2023年度AI盘点 AIGC|AGI|ChatGPT|人工智能大模型
2023年度AI盘点 AIGC|AGI|ChatGPT|人工智能大模型
|
1月前
|
人工智能
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 27 章:如何避开和绕过所有人工智能内容检测器
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 27 章:如何避开和绕过所有人工智能内容检测器
|
15天前
|
人工智能 自然语言处理 自动驾驶
深入理解ChatGPT:下一代人工智能助手的开发与应用
【10月更文挑战第27天】本文深入探讨了ChatGPT的技术原理、开发技巧和应用场景,展示了其在语言理解和生成方面的强大能力。文章介绍了基于Transformer的架构、预训练与微调技术,以及如何定制化开发、确保安全性和支持多语言。通过实用工具如GPT-3 API和Fine-tuning as a Service,开发者可以轻松集成ChatGPT。未来,ChatGPT有望在智能家居、自动驾驶等领域发挥更大作用,推动人工智能技术的发展。
|
2月前
|
人工智能 自然语言处理 前端开发
基于ChatGPT开发人工智能服务平台
### 简介 ChatGPT 初期作为问答机器人,现已拓展出多种功能,如模拟面试及智能客服等。模拟面试功能涵盖个性化问题生成、实时反馈等;智能客服则提供全天候支持、多渠道服务等功能。借助人工智能技术,这些应用能显著提升面试准备效果及客户服务效率。 ### 智能平台的使用价值 通过自动化流程,帮助用户提升面试准备效果及提高客户服务效率。 ### 实现思路 1. **需求功能设计**:提问与接收回复。 2. **技术架构设计**:搭建整体框架。 3. **技术选型**:示例采用 `Flask + Template + HTML/CSS`。 4. **技术实现**:前端界面与后端服务实现。
|
3月前
|
机器学习/深度学习 人工智能 算法
ChatGPT 等相关大模型问题之人工智能的过拟合 / 欠拟合的定义如何解决
ChatGPT 等相关大模型问题之人工智能的过拟合 / 欠拟合的定义如何解决
|
5月前
|
人工智能 算法 数据挖掘
【人工智能】第七部分:ChatGPT的未来展望
【人工智能】第七部分:ChatGPT的未来展望
59 3
【人工智能】第七部分:ChatGPT的未来展望
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
【人工智能】第一部分:ChatGPT的基本概念和技术背景
【人工智能】第一部分:ChatGPT的基本概念和技术背景
178 6
|
5月前
|
机器学习/深度学习 人工智能 算法
【人工智能】第二部分:ChatGPT的架构设计和训练过程
【人工智能】第二部分:ChatGPT的架构设计和训练过程
152 4
|
5月前
|
人工智能 自然语言处理 搜索推荐
【人工智能】第六部分:ChatGPT的进一步发展和研究方向
【人工智能】第六部分:ChatGPT的进一步发展和研究方向
66 3