这篇教程OpenAI写得很实用，希望能帮到您。
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 openaiimport jsonfrom enum import Enumclass 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wanshiok.com其它相关文章！
python使用yaml格式文件的方法
python绘制带有误差棒条形图的实现 |
