AIGC: 5 IT从业者如何使用AI赋能业务?

李福春

于 2024-03-30 18:07:04 发布

阅读量1k

点赞数 10

文章标签： java 技术管理

本文链接：https://blog.csdn.net/tian583391571/article/details/137179047

版权

file

上图是一个使用AI生成的图片，描述一下这篇文章的背景。

程序员系统学习了OpenAI提供的api接口，并熟练利用提示词结合业务解决业务问题。

现状

讲一个故事来开始今天的内容。

架构师老李在技术圈里以其卓越的技术洞察力而著称。另一边，Carter，一个年轻有为的30岁创业公司老板，正面临一个急需解决的难题。

他的公司主打全球客服平台，专为小颗粒用户提供高度个性化的服务体验，同时也为中大型客户提供了AI赋能的人工客服解决方案。

随着业务的蓬勃发展，小颗粒用户群体对AI的期待日益增长，他们希望得到即刻而准确的反馈。中大型企业的客服团队也迫切需要AI的支持，

以提高服务效率和顾客满意度。Carter清楚地意识到，如果不能迅速提升技术实力，他的公司可能会失去在这场全球化竞争中的优势。

正当Carter焦虑不已时，老李出现了。两人的一次偶然会面，让老李了解到了Carter的燃眉之急。老李建议Carter采用OpenAI 提供的API，

这是一个他个人深入研究并且对其潜力深信不疑的解决方案。他向Carter解释了如何利用这些API和提示词来提升客服平台的智能水平，不仅能够理解客户的复杂需求，还能提供实时、高质量的解答。

Carter被老李的见解所说服，并决定投资于OpenAI的技术。他组织了一支专业团队，在老李的指导下，成员们开始系统地学习OpenAI的API，

并根据公司的业务需求和客户的特定场景来定制化提示词。经过数月的努力，团队开发出了一个先进的AI客服系统，能够针对不同规模的客户提供优化服务。

新系统的上线立即产生了影响。小颗粒用户享受到了前所未有的快速而精确的服务体验，中大型企业的客服效率也得到了显著提升。

Carter的公司迅速在全球客服领域赢得了声誉，其市场份额稳步增长。

通过Carter和老李的合作，公司不仅保持了在行业中的竞争力，还树立了利用AI技术持续创新的典范。

问题

你知道基于AI有哪些典型的应用吗？如何把AI跟业务结合。

大部分的企业其实只用到了提示词，即可把自己的业务跟AI结合起来。

 那么，AI有哪些典型的应用提示词呢？

实现路径

作为程序员，你必须首先知道AI能干什么？再结合业务想想自己可以干什么？

即你首先需要了解AI提供了哪些API的能力，有哪些典型应用场景。

最后结合所在公司的业务场景，灵活的使用AI的能力跟业务结合。

接口协议

在使用提示词之前，我们先熟悉一下AI提供的接口的http协议是怎样的。

大纲如下：

file

您可以通过任何语言的HTTP请求与API进行交互，也可以通过我们的官方Python绑定库、官方Node.js库或社区维护的库来实现。

要安装官方Python绑定库，请运行以下命令：

pip install openai

要安装官方Node.js库，请在您的Node.js项目目录中运行以下命令：

npm install openai@^4.0.0

这些命令将分别在Python和Node.js环境中安装OpenAI提供的官方库，使得开发者可以在他们选择的编程环境中方便地调用API。

我比较熟悉java语言，那么java语言的库是什么呢？

openai-java 或者使用azure的openapi库java版本来进行编程，它也支持访问openAI的接口。

认证

OpenAI API 使用 API 密钥进行认证。请访问您的 API 密钥页面以获取您将在请求中使用的 API 密钥。

请记住，您的 API 密钥是一个秘密！不要与他人分享，也不要在任何客户端代码中（浏览器、应用程序）暴露它。生产环境中的请求必须通过您自己的后端服务器路由，在此服务器中您的 API 密钥可以安全地从环境变量或密钥管理服务中加载。

所有 API 请求都应将您的 API 密钥包含在 Authorization HTTP 头中，如下所示：

Authorization: Bearer OPENAI_API_KEY

这是标准的Bearer令牌认证方式，其中OPENAI_API_KEY是您的实际API密钥。在发送HTTP请求时，您需要在请求头中加入这个字段，以便API服务能够验证并授权您的请求。

组织

对于属于多个组织的用户，您可以通过传递一个头部（header）来指定哪个组织用于API请求。这些API请求的使用量将计入指定组织的使用量。

示例的curl命令如下：

curl https://api.openai.com/v1/models  \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "OpenAI-Organization: org-uNvcRCbJ1LJApJrL0vMOj6Wa"

使用OpenAI Python包的示例：

from openai import OpenAI

client = OpenAI(
  organization='org-uNvcRCbJ1LJApJrL0vMOj6Wa',
)

使用OpenAI Node.js包的示例：

import OpenAI from "openai";

const openai = new OpenAI({
  organization: 'org-uNvcRCbJ1LJApJrL0vMOj6Wa',
});

组织ID可以在您的组织设置页面上找到。发起请求时，您可以按照上述示例中的代码，通过指定组织ID来确保API请求计入相应组织的使用量。这在管理多个组织的资源和使用情况时非常有用。

发送请求

您可以将以下命令粘贴到终端中，以运行您的第一个API请求。请确保将 $OPENAI_API_KEY 替换为您的秘密API密钥。

curl https://api.openai.com/v1/chat/completions  \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
     "model": "gpt-3.5-turbo",
     "messages": [{"role": "user", "content": "Say this is a test!"}],
     "temperature": 0.7
   }'

这个请求查询 gpt-3.5-turbo 模型（在内部指向 gpt-3.5-turbo 模型的变体），以完成以提示 "Say this is a test" 开始的文本。您应该得到一个类似于以下的响应：

{
    "id": "chatcmpl-abc123",
    "object": "chat.completion",
    "created": 1677858242,
    "model": "gpt-3.5-turbo-0613",
    "usage": {
        "prompt_tokens": 13,
        "completion_tokens": 7,
        "total_tokens": 20
    },
    "choices": [
        {
            "message": {
                "role": "assistant",
                "content": "\n\nThis is a test!"
            },
            "logprobs": null,
            "finish_reason": "stop",
            "index": 0
        }
    ]
}

现在您已经生成了第一个聊天补全，让我们来解析这个响应对象。我们可以看到 finish_reason 是 stop，这意味着API返回了模型生成的完整聊天补全，而没有遇到任何限制。

在 choices 列表中，我们只生成了一条消息，但您可以通过设置 n 参数来生成多条消息选项。

请求协议

下面归纳一下这个接口的协议。

file

请求参数

file

响应信息

聊天补全对象代表模型根据提供的输入返回的聊天补全响应

file

流式传输

OpenAI API提供了将响应流式传输回客户端的能力，以便对某些请求提供部分结果。为了实现这一点，我们遵循了服务器发送事件（Server-sent events）标准。我们的官方Node.js和Python库包含了辅助工具，以简化解析这些事件的过程。

流式传输功能支持Chat Completions API和Assistants API。本节重点介绍如何在Chat Completions中使用流式传输。有关在Assistants API中如何使用流式传输的更多信息，请访问此处。

在Python中，一个流式传输请求看起来像这样：

from openai import OpenAI

client = OpenAI()

stream = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "Say this is a test"}],
    stream=True,
)
for chunk in stream:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="")

在Node.js/TypeScript中，一个流式传输请求看起来像这样：

import OpenAI from "openai";

const openai = new OpenAI();

async function main() {
    const stream = await openai.chat.completions.create({
        model: "gpt-4",
        messages: [{ role: "user", content: "Say this is a test" }],
        stream: true,
    });
    for await (const chunk of stream) {
        process.stdout.write(chunk.choices[0]?.delta?.content || "");
    }
}

main();

解析服务器发送的事件

解析服务器发送的事件并不简单，应该谨慎进行。简单的策略，如按换行符分割，可能会导致解析错误。

我们建议尽可能使用现有的客户端库。

效果就是结果是一条一条返回的，避免等待太久。

file