GPT实战系列-ChatGLM3管理工具的API接口

GPT实战系列-ChatGLM3管理外部借力工具

用ChatGLM的工具可以实现很多查询接口和执行命令,外部工具该如何配置使用?如何联合它们实现大模型查询助手功能?例如调用工具实现股票信息查询,网络天气查询等助手功能。

LLM大模型相关文章:

GPT实战系列-ChatGLM3本地部署CUDA11+1080Ti+显卡24G实战方案

GPT实战系列-LangChain + ChatGLM3构建天气查询助手

大模型查询工具助手之股票免费查询接口

GPT实战系列-简单聊聊LangChain

GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手

GPT实战系列-Baichuan2本地化部署实战方案

GPT实战系列-大话LLM大模型训练


配置tools信息

tools = [
	{'name': 'querystock', 
     'description': '查询指定股票的实时价格', 
     'parameters': 
     	{'type': 'object', 
         'properties': 
         	{
               'symbol': {'description': '需要查询的股票代码'}
            }, 
         'required': []
        }
    }, 
]

参数解释:

"name":为配置tool工具名;

"description":对工具的描述;

"parameters":

        "type":数据类型默认为"object";
    
        "properties":在此定义工具的属性以及对属性值的描述;
    
        "required": 需要返回的属性;

系统描述接口调用

system_item = {"role": "system",
               "content": "Answer the following questions as best as you can. You have access to the following tools:",
               "tools": tools}

程序中调用语句以便实现工具调用

tokenizer = AutoTokenizer.from_pretrained(TOKENIZER_PATH, trust_remote_code=True)
model = AutoModel.from_pretrained(MODEL_PATH, trust_remote_code=True, device_map="auto").eval()

past_key_values, history = None, [system_item]

调用模型时,当对话query和tool相关时,模型会自动调用tool并反馈

query = "帮我查询股票sz000001的价格"
response, history = model.chat(tokenizer, query, history=history)
print(response)

期望调用工具得到输出为:

{"name": "querystock", "parameters": {"symbol": "sz000001"}}

这表示模型需要调用工具 querystock,并且需要传入参数 symbol

调用工具,生成回复

此时需要自行实现调用工具的逻辑。假设已经得到返回结果,将结果以 json 格式返回给模型并得到回复。

result = json.dumps({"price": 9.270}, ensure_ascii=False)
response, history = model.chat(tokenizer, result, history=history, role="observation")
print(response)

这里 role="observation" 表示输入的是工具调用的返回值而不是用户输入,不能省略。

经LLM整理信息后,期望得到的输出为

根据您的查询,经过API的调用,股票 sz000001 的价格是 9.270。

表示本次工具调用已经结束,模型根据返回结果生成回复。

可以根据返回的 responsestr 还是 dict 来判断返回的是生成的回复还是工具调用请求。

觉得有用 收藏 收藏 收藏

点个赞 点个赞 点个赞

End


GPT专栏文章:

GPT实战系列-ChatGLM3本地部署CUDA11+1080Ti+显卡24G实战方案

GPT实战系列-LangChain + ChatGLM3构建天气查询助手

大模型查询工具助手之股票免费查询接口

GPT实战系列-简单聊聊LangChain

GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手

GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型,到底做了什么?(二)

GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型,到底做了什么?(一)

GPT实战系列-ChatGLM2模型的微调训练参数解读

GPT实战系列-如何用自己数据微调ChatGLM2模型训练

GPT实战系列-ChatGLM2部署Ubuntu+Cuda11+显存24G实战方案

GPT实战系列-Baichuan2本地化部署实战方案

GPT实战系列-Baichuan2等大模型的计算精度与量化

GPT实战系列-GPT训练的Pretraining,SFT,Reward Modeling,RLHF

GPT实战系列-探究GPT等大模型的文本生成-CSDN博客

  • 13
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: GPT-3.5 Turbo API是一种自然语言处理API,它是由OpenAI公司开发的。它是基于GPT-3算法,并加入了一些新的技术和算法,使得它能够更准确地处理人类的语言和情感,从而更好地满足用户的需求。此API已被广泛应用于聊天机器人、智能语音助手、自然语言生成等多个领域,并得到了越来越多的关注和使用。此API不仅可以减轻开发者的工作负担,还能够提升用户体验,更好地满足人们对于自然语言与智能交互的需求,以及提高智能化交互的水平。同时,此API还开放了开发者平台,可以让更多的开发者加入到自然语言处理的研发中来,共同推动这个领域的发展,为我们的生活提供更好的服务。 ### 回答2: GPT-3.5 Turbo API是OpenAI开发的语言生成API,它是GPT-3的改进版本。与GPT-3相比,GPT-3.5 Turbo在语言处理的速度、准确度等方面都有了较大的提升。 GPT-3.5 Turbo的主要特点是使用了更多的数据和更强大的深度学习技术。该API可以生成高质量的文本,并且可以根据用户输入的上下文和意图进行精准的输出。它可以应用于多种领域,例如自然语言处理、机器翻译、聊天机器人等等。 在使用GPT-3.5 Turbo API时,用户可以直接输入需要处理的文本,再根据需要指定其它参数,例如生成的文本长度、GENERATE_NUM等。API会根据这些参数快速生成要求的文本。 此外,GPT-3.5 Turbo也支持自定义模型,可以根据用户需要对模型进行训练和优化,达到更高的准确率和更好的性能。 总体来说,GPT-3.5 Turbo API是一款十分强大的自然语言处理工具,可在多个领域中发挥重要作用。 ### 回答3: GPT-3.5 Turbo API是一种自然语言处理工具,它使用了基于GPT-3的机器学习算法,并使用了Turbo机器学习框架进行加速,使得处理速度更快更高效。该API能够自动生成大量的高质量文本内容,包括文章、问题和答案、摘要、概述等等。使用该API能够大幅度提高文本内容的生成效率,同时保证内容的准确性和高质量。 GPT-3.5 Turbo API的主要特点是其高效性和准确性。由于它使用了Turbo机器学习框架,它的处理速度比起传统的GPT-3 API更快,可以处理更大的数据量。同时,它使用了人工智能技术进行自动学习,所以能够生成非常精准的文本内容。使用该API能够满足各种不同的文本内容生成需求,如生成文章、帖子、评论、广告文案等。 GPT-3.5 Turbo API有许多应用场景,比如自动推荐词、搜索引擎、智能客服、自动答题、机器翻译等等。它可以在各种自然语言处理需求中发挥作用,如在商业、医疗、金融、法律、教育等领域中使用。 总之, GPT-3.5 Turbo API是一款非常智能、高效的自然语言处理工具,它能够快速、高效地生成高质量的文本内容。同时,它拥有很广泛的应用场景,能够满足各种不同的自然语言处理需求。因此,它具有很高的应用价值,可以带来极大的效益。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Alex_StarSky

你的鼓励是创作的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值