简介
而在前面介绍React 推理提示的时候讲到了，目前的大语言模型本身不具备任何的执行能力，只具备理解自然语言的能力。
而如果要打造企业专属的人工智能助理，这个助理除了要具备“听懂人话的能力”，还需要具备执行动作的能力。要不然和问答机器人就没有任何区别了。所以本章节要完成的一个实践示例，就是让大模型具备“听懂人话”+“执行动作”的能力。
应用场景
智能助理由于具备“听懂人话”+“执行动作”的能力，所以其可拓展性是非常强的。理论上来说，所有的操作都能通过智能助理实现。比如如下几个场景。
- 智能查天气助理。
- 智能提 bug 助理。
- 其他操作场景。
只是越复杂的应用场景，中间牵涉到的工具和执行步骤也就越多越复杂。
实践演练
那么如果要实现打造企业专属人工智能助理，其实也是有多种方式的：
- openai 官方提供的 assistant。
- 人工智能应用框架，比如 LangChain。
assistant 目前相比于 LangChain。因为和 ChatGPT 强绑定，所以自然有一定的局限性。但是优点就是非常的简单且容易上手，如果可以接受 token 比较昂贵的消费。那么使用 assistant 也是一个非常好的选择。
而 LangChain 其灵活性则更强，会在后面的章节进行进一步的介绍。
使用官方的 assistant
点击查看官方 assistant 使用教程
假设我们现在的需求，是要让人工智能助理编造一条笑话，并且使用邮箱进行发送，那么整体流程应该如下：
对应代码：
import json
import os
import time
import requests
from openai import OpenAI
client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))
# 一个发送邮件的函数工具
def send_email(quote, recipient="霍格沃兹测试开发学社@email.com"):
# Print the quote and recipient for debugging purposes
print(f"生成消息:\n {quote}\n\n发送邮件给: {recipient}")
# Return a success message
return "发送邮件给" + recipient
# 工具的提示词。为了让大模型更好理解工作的作用。
tools = [{
"type": "function",
"function": {
"name": "send_email",
"description": "Sends a quote via email",
"parameters": {
"type": "object",
"properties": {
"quote": {
"type": "string",
"description": "A generated funny quote"
}
},
"required": [
"quote"
]
}
}
}]
# 1. 创建助手
assistant = client.beta.assistants.create(
name="Wise Guy",
instructions="你是一位聪明的哲学家，会产生有趣的引言。",
model="gpt-3.5-turbo-1106",
tools=tools
)
# 2. 创建线程
thread = client.beta.threads.create()
# 3. 传入 prompt 并执行线程
message = client.beta.threads.messages.create(
thread_id=thread.id,
role="user",
content="创建一个笑话并且使用邮件发送",
)
# 4. 执行消息
run_res = client.beta.threads.runs.create(
thread_id=thread.id,
assistant_id=assistant.id, )
# 5. 等待回复
def wait_on_run(run):
while run.status == "queued" or run.status == "in_progress":
run = client.beta.threads.runs.retrieve(
thread_id=thread.id,
run_id=run.id,
)
print(f"执行的状态为:{run.status}")
time.sleep(0.5)
return run
# 6. 获取回复的结果
run_res = wait_on_run(run_res)
# 7. 如果回复的结果需要调用工具
if run_res.status == "requires_action":
# 提交工具的返回信息
tool_call = run_res.required_action.submit_tool_outputs.tool_calls[0]
name = tool_call.function.name
arguments = json.loads(tool_call.function.arguments)
print("等待返回的参数:", name)
print(f"函数参数为:{arguments}")
# 调用发送邮件工具
task = send_email(**arguments)
# 提交工具执行后的结果信息。
run = client.beta.threads.runs.submit_tool_outputs(
thread_id=thread.id,
run_id=run_res.id,
tool_outputs=[
{
"tool_call_id": tool_call.id,
"output": "done",
}
],
)
print("==========调用 chatgpt 执行内容")
run = wait_on_run(run)
print("==========获取返回信息")
print(client.beta.threads.messages.list(thread_id=thread.id, order="asc").model_dump_json(indent=2))
其他方式
- 结合 LangChain 等人工智能应用框架完成。
总结
- 企业专属人工智能助理的产品需求。
- 企业专属人工智能助理的实现方案。
- 使用官方 assistant 实现企业专属人工智能助理。
