开启AI通话功能：如何使用ChatGPT向您的Slack和Google Sheet发送消息

本文链接：https://blog.csdn.net/shupan/article/details/131623445

GPT-4 和 GBT-3.5 中的函数调用就像与您的 AI 模型讨论 Python 函数一样。您向模型解释函数，提出问题，如果模型将问题识别为需要您描述的函数之一，它将为您提供使用该函数所需的参数。这个功能就像在Langchain中使用一样，但可以直接在OpenAi API中使用。这是一个强大的功能，可以使你的代码更简单、更高效。

在本文中，我将指导您如何使用ChatGPT将消息发送到Slack和Google工作表，我们将使用Slack Webhook和Google电子表格，这些方法很容易实施，似乎您可以对提供API的任何服务使用类似的方法

特别是，它从自然语言中提取必要的信息（例如，在Product_Codes，价格，客户，Client_Code，订单，总计的情况下），真是太好了。

1. 设置环境

您想从在本地计算机上创建 venv 开始。

首先，打开终端并创建一个虚拟环境。

 Python -m venv venv

然后激活它：

 venv\Scripts\activate

您现在应该在终端中看到（ Venv ）。

现在，让我们安装所需的依赖项：

 开放 AI == 0.27.7 ， gspread == 5.10.0 ， oauth2client == 4.1.3

最后，我们需要为 OpenAI API 密钥设置一个环境变量：

集合 OPENAI_API_KEY= set Spreadsheet_id =

设置 WEBHOOK_URL =

首先，函数调用是响应用户输入而发出特定的函数。

所以你必须创建一个函数。这一次，为了写入Google电子表格并写入Slack，请创建一个函数来执行这些过程。

写入电子表格的函数如下。要访问电子表格，您需要从 Google Cloud 控制台获取包含身份验证信息的 JSON 文件。如果您向 ChatGPT 询问有关该问题的程序，它将得到解决，因此请询问。

def write_expense_to_spreadsheet（Product_Codes， Price， Client， Client_Code， Orders， Total）： scope = ['https://spreadsheets.google.com/feeds'， 'https://www.googleapis.com/auth/drive'] creds = ServiceAccountCredentials.from_json_keyfile_name（'C：\Users\mrtar\Documents\GitHub\ChatGPMe\test.json'， scope） gspread_client = GSpreadClient（creds） spreadsheet_id = “1AUhV89IlTFXr6nkrD3gFFFz_6JBOSDHeICxxwpe-O9E” sheet = gspread_client.open_by_key（spreadsheet_id）.sheet1

sheet.append_row（[Product_Codes、价格、客户、Client_Code、订单、总计]）

接下来，我们将创建一个函数来发布到 Slack。这一次，我选择使用 Webhook，因为它简化了流程。但是其他发布方法没有问题。如果您向 ChatGPT 询问如何使用它的详细信息，它将被解决，因此请询问（省略）

WEBHOOK_URL = “https://hooks.slack.com/services/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”def post_message_to_slack_via_webhook（message）： payload = {'text'： message} response = requests.post（ WEBHOOK_URL， data=json.dumps（payload）， headers={'Content-Type'： 'application/json'} ） if response.ok： print（'Message sent success '） else：

打印（'无法发送消息。错误：'，响应文本）

到目前为止，我们已经制作了一个函数来做我们想做的事。接下来，我们将处理在 GPT 模型中使用此函数的部分。

填妥的表格如下。

def run_conversation（）： user_input=input（“user_input：”） try： response = OpenAI.ChatCompletion.create（ model=“gpt-3.5-turbo-0613”， messages=[ {“role”： “system”， “content”： “你是有史以来最好的助手！”}， {“角色”： “用户”， “内容”： user_input}]， functions=[ { “名称”： “write_expense_to_spreadsheet”， “描述”： “将费用信息写入电子表格”， “参数”： { “类型”： “对象”， “属性”： { “产品代码”： {“类型”： “数字”}， “价格”： {“类型”： “数字”}， “客户端”： {“类型”： “数字”}， “客户端代码”： {“类型”： “字符串”}， “订单” ： {“类型”： “数字”}， “总计” ： {“类型”： “数字”}， }， “必需”： [“产品代码”， “价格”， “客户端”， “客户端代码”， “订单”， “总计”]， }， }， { “名称”： “post_message_to_slack_via_webhook”， “描述”： “向 Slack 发布消息”， “参数”： { “类型”： “对象”， “属性”： { “消息”： {“类型”： “字符串”}， }， “必需”： [“消息”]， }， } ]， function_call=“自动”，）消息 = 响应[“选择”][0][“消息”] 除了异常作为错误：打印（'此处文本：'，错误）如果 message.get（“function_call”）： function_name =message[“function_call”][“name”] arguments = json.loads（message[“function_call”][“arguments”]） # print（arguments） print（message[“function_call”][“arguments”]）如果function_name == “write_expense_to_spreadsheet”： function_response = write_expense_to_spreadsheet（ Product_Codes=arguments.get（“Product Codes”）， Price=arguments.get（“Price”）， Client=arguments.get（“Client”）， Client_Code=arguments.get（“Client Code”）， Orders=arguments.get（“Orders”）， Total=arguments.get（“Total”）） elif function_name == “post_message_to_slack_via_webhook”： function_response = post_message_to_slack_via_webhook（ message=arguments.get（“message”），） else： raise NotImplementError（） second_response = openai.ChatCompletion.create（ model=“gpt-3.5-turbo-0613”， # 获取用户输入消息=[ {“角色”： “用户”， “内容”： user_input}，消息， { “角色”： “函数”， “名称”： function_name， “内容”： str（function_response）， }， ]，）返回 second_response 否则：返回响应

print（“response：”， run_conversation（）[“choices”][0][“message”][“content”]， “\n\n”）

以下是简要说明。首先，这次我们将接收用户的输入，以便根据用户的输入对功能进行梳理。

 user_input=输入（“user_input：”）

然后，它将用户的输入传递给 GPT API。使用openai。ChatCompletion.create ，您需要指定模型和消息。

model=“gpt-3.5-turbo-0613”，messages=[ {“角色”： “系统”， “内容”： “你是有史以来最好的助手！”}，

{“角色”： “用户”， “内容”： user_input}]，

声明模型和消息就像我们使用 GPT API 一样。这一次，我将系统消息设置为“你是有史以来最好的助手！

这样做是因为它似乎会使过程更加精确。

下面是我们使用此函数调用添加的函数的新部分。

functions=[ { “名称”： “write_expense_to_spreadsheet”， “描述”： “将信息写入电子表格.”， “参数”： { “类型”： “对象”， “属性”： { “产品代码”： {“类型”： “数字”}， “价格”： {“类型”： “数字”}， “客户端”： {“类型”： “数字”}， “客户端代码”： {“类型”： “字符串”}， “订单” ： {“类型”： “数字”}， “总计” ： {“类型”： “数字”}， }， “必填”： [“产品代码”， “价格”， “客户”， “客户代码”， “订单”， “总计”]， }， }， { “名称”： “post_message_to_slack_via_webhook”， “description”： “将消息发布到 Slack”， “参数”： { “类型”： “对象”， “属性”： { “消息”： {“类型”： “字符串”}， }， “必需”： [“消息”]， }， }

“名称”是你对函数的称呼，“描述”是对函数功能的简要说明。GPT 使用此描述根据用户所说的内容决定使用哪个函数。

在参数部分中，指定要从用户输入的文本中提取的信息（例如Product_Codes，价格，客户，Client_Code，订单，总计）。

通过以这种方式指定它，它从用户输入的文本中提取必要的信息。步骤 2 之后的内容与官方文档几乎相同，但要执行的处理是根据函数名称划分的。Second_response 如果未调用该函数，则将执行内容。在上述示例中，除了输入费用和发布到 Slack 之外，还将执行它。

让我们尝试一下