AI菜鸟向前飞 — OpenAI Assistant API 原理以及核心结构（一）

简介

Assistants API 允许用户构建自己所需的 AI 助手。这个Assistant有instruction（指令），可以利用model、tools以及Retrieval相关技术等来响应用户查询。

PS：这里提到的instruction与之前介绍的System Messages比较类似

初瞥

代码调用方式

基于之前的内容，大家应该比较容易理解上述代码。

官方也提供了一种叫“playground”的东东，无需代码的方式实现自己的AI助手，截图如下：

核心结构组成

    有了之前三十多篇的LangChain的系列内容，大家理解这些内容肯定不难，接下来就把Assistant API的组成部分给大家讲述一下。

我们从上面的代码上可以看到，有三个新概念：Assistant、Thread、Message

Assistant

核心由model、temperature、instructions、tools、tool-resource组成，这里面大家可能对“tool-resource”比较陌生

（Instruction大家姑且可以将其理解成"System Message"）

AI菜鸟向前飞 — LangChain系列之十三 - 关于Tool的必知必会

但要注意：这里的tool与LangChain介绍的tool还是有所区别的

Thread

当心，不要把它翻译成“线程”了，就像之前ReACT一样（它也不是前端框架），千万不要搞混。

它是由user message和 assistant message组成（可以把它当作AI message），可以把它理解成会话集，通过Thread就可以LLM知道，这是一次Conversation（Create a Thread when a user starts a conversation.）

同时，通过它也赋予具有“记忆”

AI菜鸟向前飞 — LangChain系列之四（有脑子无记性...）

Message

要特别注意，Assistant API只有这两种message（即：role只能为user和assistant）
大家还会发现，它多了一个新的字段叫“attachment“，对在邮箱里经常看到这个词儿，它就是附件哈（它也很重要）

PS：聪明的你可以想到，它是可有可无，可带可不带的，所以上面的代码没带它～

Attachment

顺便看看它的组成吧：）
这里你第一次见到了Assistant API 的Tool，这里先讲AttachmentTool，它内置了两种（code_interpreter和file_search）

Tool

LangChain实战技巧之三：关于Tool的一点拓展

还有另外一种Tool，就是你可以自定义的Function Call（这个熟悉吧，之前介绍LangChain着重介绍过它）

Tool Resource

当心，这里面有个小坑，vector_stores这个列表只能有且只有一个值（可能是历史遗留问题，也可能为后续的扩展留着）

File

所需导入到Vector Store的文件，支持的格式，请见
https://platform.openai.com/docs/assistants/tools/file-search/supported-files

上传之后，会交由Vector Store并做好Embedding，通常有两种用法：

• 直接使用Vector Store的add方法直接添加进，
  这样的好处是

• 在Message的Attachment指定所属的附件（file_id）
  这样你就无须关注使用哪个Vector Store，基本上每次会自动创建一个Vector Store

Vector Store

这个概念并不陌生，不在此多赘述。

不过，可以回顾下：

AI菜鸟向前飞 — LangChain系列之十 - RAG（上篇）

AI菜鸟向前飞 — LangChain系列之十一 - RAG（中篇）

AI菜鸟向前飞 — LangChain系列之十二 - RAG（下篇）

总结

到这里为止，Assistant API的核心组成就先介绍到这里，期待下一篇～