大模型语言模型gpt消息类型：系统消息system message、用户消息user message、助手消息assistant message、函数调用消息function message的区别

最新推荐文章于 2025-04-06 13:57:07 发布

Dontla

最新推荐文章于 2025-04-06 13:57:07 发布

阅读量1.7k

点赞数 33

分类专栏：大模型LLM 文章标签：语言模型 gpt 人工智能

本文链接：https://blog.csdn.net/Dontla/article/details/144876209

版权

大模型LLM 专栏收录该内容

45 篇文章

订阅专栏

文章目录

- 大模型语言模型消息类型

大模型语言模型消息类型

在大型语言模型（如GPT-4）的交互过程中，不同类型的消息用于区分不同的角色和功能。以下是用户消息（User Message）、助手消息（Assistant Message）、**系统消息（System Message）和函数调用消息（Function Message）**的详细区别：

1. 系统消息（System Message）

定义：系统消息用于设定模型的整体行为、角色和上下文。它通常在对话的开始阶段提供，用于指导模型如何响应后续的用户输入。

功能：

- 设定角色：例如，“你是一个知识渊博的中文助手。”

- 定义行为规范：如，“请以简洁明了的方式回答问题。”

- 限制内容：例如，“避免讨论敏感话题。”

示例：

{
  "role": "system",
  "content": "你是一个友好的中文助手，擅长回答各种问题并提供有用的建议。"
}

2. 用户消息（User Message）

定义：用户消息代表用户输入的内容，即用户提出的问题、指令或请求。

功能：

- 提问：例如，“今天天气怎么样？”

- 指令：如，“帮我写一封求职信。”

- 提供信息：例如，“以下是我的日程安排，请帮我优化。”

示例：

{
  "role": "user",
  "content": "请帮我解释一下量子计算的基本原理。"
}

3. 助手消息（Assistant Message）

定义：助手消息是模型根据用户消息生成的响应。这些消息旨在直接回答用户的问题或完成用户的请求。

功能：

- 回答问题：如，“量子计算利用量子比特进行运算，能够在某些任务上比经典计算机更高效。”

- 执行任务：例如，编写代码、撰写文档等。

- 提供建议：如，推荐书籍、优化计划等。

示例：

{
  "role": "assistant",
  "content": "量子计算利用量子比特（qubits）进行运算，这些比特可以同时处于0和1的叠加状态，使得量子计算机在处理某些复杂问题时具有并行计算的优势。"
}

4. 函数调用消息（Function Message）

定义：函数调用消息用于模型调用预定义的函数或API，以完成特定任务或获取外部数据。这通常在需要模型与外部系统交互时使用。

功能：

- 调用API：如获取实时天气数据、查询数据库等。

- 执行计算：例如，复杂的数学计算或数据处理。

- 触发操作：如发送电子邮件、设置提醒等。

示例：

{
  "role": "function",
  "name": "get_weather",
  "content": {
    "location": "北京",
    "date": "2025-01-02"
  }
}

代码示例1

# -*- coding: utf-8 -*-

"""
Author: Dontla
Date: 2024-12-27
Description: test3.py
"""

import os
import openai
import json
import time
from redlines import Redlines
import re


def get_openai_key():
    """
    自动查找 .env 文件并加载 OpenAI API 密钥。
    """
    from dotenv import load_dotenv, find_dotenv
    load_dotenv(find_dotenv())
    return os.getenv('OPENAI_API_KEY')


def get_custom_openai_client():
    return openai.OpenAI(
        # 如果使用自定义 API 端点（如 https://xiaoai.plus/v1），取消下面一行的注释并设置你的 API 基础 URL
        base_url='https://xiaoai.plus/v1',

        # 在代码中直接指定 api_key（不推荐，可能导致api key泄漏）
        # api_key="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

        # 通过环境变量读取 api_key（推荐）
        api_key=get_openai_key()
    )


def get_completion_from_messages(messages, temperature=0.7):
    """
    调用 OpenAI API 获取基于消息列表的完成内容。

    参数:
        messages (list of dict): 要发送给模型的消息列表，通常包含多个角色的对话。
        temperature (float, optional): 控制生成文本的随机性。范围为0到1。默认值为0.7。

    返回:
        str: 模型生成的回复内容。如果请求失败，则返回 `None`。
    """
    try:
        client = get_custom_openai_client()
        response = client.chat.completions.create(
            # model="gpt-4",
            model="gpt-4o-mini",
            messages=messages,
            temperature=temperature  # 设置 temperature 参数
        )
        return response.choices[0].message.content.strip()
    except Exception as e:
        print("获取完成内容失败，错误信息：", e)
        return None


def normalize_spaces(s):
    return re.sub(r'\s+', ' ', s).strip()


if __name__ == "__main__":

    # 中文
    messages = [
        {'role': 'system', 'content': '你是一个像莎士比亚一样说话的助手。'},
        {'role': 'user', 'content': '给我讲个笑话'},
        {'role': 'assistant', 'content': '鸡为什么过马路'},
        {'role': 'user', 'content': '我不知道'}]

    response = get_completion_from_messages(messages, temperature=1)

    if response:
        print(f"\nresponse:\n{response}")
    else:
        print("未能获取到有效的回复。")