Python ChatGPT API 新增的函数调用功能演示_chatgpt 函数调用(1)

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

二、主要内容

新增的函数调用功能的解释：我理解的是，ChatGPT 的 API 现在可以根据你给出的函数描述，理解你的函数输入输出格式要求，把用户的自然语言转化成本地

/

{/}

/第三方函数的输入参数。然后开发者需要拿着这个参数自己执行一下，得到一个结果再还给 ChatGPT，ChatGPT 最后会根据这个结果回答用户的问题，输出最终内容。

函数调用的官方示例：

自从 ChatGPT 插件的 alpha 版本发布以来，我们已经学到了很多关于如何安全地使工具和语言模型协同工作的知识。然而，仍有一些未解决的研究问题。例如，一个概念验证漏洞说明了不受信任的数据可以指示模型执行意外操作。我们正在努力减轻这些和其他风险。开发人员可以通过只消费来自可信工具的信息并在执行具有现实影响（例如发送电子邮件、在线发布或购买）的操作之前包含用户确认步骤来保护其应用程序。

下面我们自己写个实例来实践和感受一下，以查询国内城市今天的天气情况为例：

API 使用的是国家气象局的接口，完全免费的：http://t.weather.sojson.com/api/weather/city/101010100

城市到代码的转化是参考这篇博客：https://blog.csdn.net/qq_42855293/article/details/103864266。把他分享的内容粘贴到 Excel 并保存，方便后续使用。

完整代码如下：

import ast
import json
import requests
import pandas as pd
import openai
from pprint import pprint


def get\_current\_weather(city):
    code = city2code[city]
    resp = requests.get(f"http://t.weather.sojson.com/api/weather/city/{code}")
    data = resp.json()["data"]
    
    date_info = data["forecast"][0]["ymd"] + " - " + data["forecast"][0]["week"]
    wendu = data["wendu"]
    shidu = data["shidu"]
    pm25 = data["pm25"]
    pm10 = data["pm10"]
    tianqi_type = data["forecast"][0]["type"]
    air_quality = data["quality"]
    zhuyi = data["forecast"][0]["notice"]
    low = data["forecast"][0]["low"]
    high = data["forecast"][0]["high"]
    aqi = data["forecast"][0]["aqi"]
    
    return {"时间": date_info, "温度": wendu, "最高温度": high, "最低温度": low,
            "湿度": shidu, "天气类型": tianqi_type, "空气质量": air_quality,
            "注意": zhuyi, "PM2.5": pm25, "PM10": pm10, "AQI": aqi}


openai.api_key = "请注意：替换为你的 API KEY"      # 配置自己的 API Key
openai.api_base = 'https://你的反向代理域名-如果有的话/v1'   # 请注意后面 /v1 不可省略

# 如果没有自己的反向代理 你还需要设置你挂的魔法
# proxies = {'http': "http://127.0.0.1:7890", 'https': "https://127.0.0.1:7890"}
# openai.proxy = proxies

df = pd.read_excel("./citycode/city.xlsx")
city2code = {k: v for k, v in zip(df["区域"], df["区域编号"])}
             
prompt = "今天北京的天气怎么样？"
print("Prompt：")
print(prompt)

my_function = [{"name": "get\_current\_weather",
                "description": "获取给定位置的当前天气",
                "parameters": {"type": "object",
                               "properties": {"location": {"type": "string", "description": "城市，例如北京"},
                                              "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}
                                            },
                               "required": ["location"]
                               }
                }
               ]
# LLMs as Controller
# 据你给出的函数描述，理解你的函数输入输出格式要求，把用户的自然语言转化成本地${/}$第三方函数的输入参数和确定调用那个函数。然后开发者需要拿着这个参数自己执行一下，得到一个结果再还给 ChatGPT，ChatGPT 最后会根据这个结果回答用户的问题，输出最终内容。
resp1 = openai.ChatCompletion.create(model="gpt-3.5-turbo-0613",
                                     messages=[{"role": "user", "content": prompt}],
                                     temperature=0.0,
                                     max_tokens=3072,
                                     functions=my_function,
                                     )
params = ast.literal_eval(resp1.choices[0].message.function_call["arguments"])
call_fuction = resp1.choices[0].message.function_call["name"]
if call_fuction == "get\_current\_weather":
    weather_data = get_current_weather(params["location"])

resp2 = openai.ChatCompletion.create(model="gpt-3.5-turbo-0613",
                                     messages=[{"role": "user", "content": prompt},
                                               {"role": "assistant", "content": "null", "function\_call": resp1.choices[0].message.function_call},
                                               {"role": "function", "name": "call\_fuction", "content": str(weather_data)}
                                               ],
                                        temperature=0.0,
                                        max_tokens=3072,
                                        functions=my_function,
                                     )
print("-" \* 99)
print(resp2.choices[0].message.content)

这段代码主要实现了以下功能：

• 引入了需要用到的库，包括 ast、json、requests、pandas、openai，以及 pprint 模块的 pprint 函数。
• 定义了 get_current_weather 函数，该函数接受一个参数 city，并返回一个字典对象，包含当地的天气信息。
• 配置了 OpenAI 的 API Key 和 API Base。
• 从 Excel 文件中读取了城市数据，并将城市和编号映射为一个字典 city2code。
• 定义了一个字符串变量 prompt，表示用户的对话询问。
• 定义了一个名为 my_function 的列表，其中包含一个名为 get_current_weather 的字典对象，描述了返回值的数据结构和输入参数的类型等信息。
• 调用 OpenAI 的 ChatCompletion.create 函数，传入一些参数，返回一个 OpenAI 对话的响应结果 resp1，其中包含对话的输出及调用的函数名称和参数。
• 解析 resp1 响应结果中的参数信息，判断调用的函数名称是否为 get_current_weather，如果是则调用该函数获取当地天气信息。
• 再次调用 OpenAI 的 ChatCompletion.create 函数，不同的是带入了调用的函数名称和返回的天气信息，返回 OpenAI 对话的响应结果 resp2。
• 打印出 resp2 响应结果中的内容，即机器人回复的信息。

结果如下示意：

---

三、总结

所谓的「函数调用」功能，并不是说 GPT API 会帮你执行某些第三方的功能或接口，而是说，通过提交给 GPT 函数的名称、描述和输入参数，它能够在语义中理解应该调用哪一个函数去满足用户功能，如果此时的语境中缺少函数必需的参数，GPT 会进一步与用户对话要求补全信息；当满足函数调用条件时，GPT 会返回一个结果，告诉开发者此时需要调用的函数名和相应的参数；然后开发者自行执行本地/第三方函数，并将结果再次输入给 GPT API，GPT API 则会根据返回值告诉用户结果。

我们必须先理解了这个过程，至于具体的代码很容易实现。从上面这段话抽取一下工作流程：

• GPT 根据开发者给出的函数描述，理解函数功能和输入参数要求；
• GPT 理解用户的自然语言，决定此时是否需要调用某函数，并从对话中抽取信息转化成本地/第三方函数的输入参数；
• 如果此时缺少必要信息，GPT 会继续与用户对话询问补全；
• 开发者拿到函数名和参数后，自己本地执行，得到一个结果再还给GPT；
• GPT 最后会根据这个结果回答用户的问题。

示意图如下所示（图片来自知乎@段小草）：

GPT API 是介于开发者和用户直接的「翻译官」，干两件事：

• 把「用户」的自然语言 → 合适的函数功能和参数 → 返回给「开发者」
• 把「开发者」接口返回的数据（一般是 JSON）→ 自然语言 → 返回给「用户」

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！