让chatGPT控制物理设备_大模型如何控制硬件-CSDN博客

本文链接：https://blog.csdn.net/yaojiawan/article/details/137417973

文章讨论了如何利用大模型的判断和思考能力，通过AI代理直接控制物理设备，避免传统编程方法。作者通过示例展示了如何让模型根据指令操作设备，并指出未来可能的研究方向，如确保控制的可靠性与确定性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

作为自动控制行业的工程师，我们也许最关心的是如何使chatGPT 控制物理设备。我发现许多人仍然停留在传统程序设计的思维阶段，比如让大模型编写一段PLC 代码，或者是生成一些信息模型。

其实大模型具备判断与思考的能力，AI 代理（Agent ）能够使用一些工具，直接地控制物理设备，而不需要将自然语言的命令转换成为传统的程序，再下载到控制器中执行。大模型控制方式是根据提示直接就将事情给办了。

当然，我们目前并不了解大模型控制设备的能力，可靠性和确定性的边界在哪里。但是这不影响我们探索的步伐。不了解它，你就无法得出答案。

我做了一些实验程序，大概的印象是AI agent 在实验室测试，仿真，系统状态监督等领域也许是十分方便的。至于能否应用与生产流程的编排，设备控制，如何保证Agent 能够正确地识别人类的提示，不会产生幻觉。保证它控制设备的确定性。这是进一步研究的课题。

程序-1

提问：“如果天黑了，请关掉客厅的灯”

结果：关掉灯，回答客厅的灯关掉了。

import json
import os
from langchain_openai import ChatOpenAI
from langchain.agents import initialize_agent, Tool
from langchain.agents.mrkl import prompt
os.environ['OPENAI_API_KEY'] ="sk-xxxxxxxxxx"
os.environ['OPENAI_BASE_URL'] ="https://api.chatanywhere.tech/v1"
def darkness(current_time):
    dark=True
    darkness_answer = [
        {"天黑": dark}
    ]
    return json.dumps(darkness_answer)
def light_control(location):
    #print(location)
    status=False
    answer = [
        {"灯光": status}
    ]
    return json.dumps(answer)
def lang_chain_agent(text):
    llm = ChatOpenAI(model_name="gpt-3.5-turbo",base_url="https://api.chatanywhere.tech/v1")

    tools = [
        Tool(
            name = "darkness",
            func=darkness,
            description="判断现在是否天黑",
        ),
        Tool(
            name = "light_control",
            func=light_control,
            description="将指定位置的灯关闭",
        )
    ]

    agent = initialize_agent(
        tools,
        llm,
        agent="zero-shot-react-description",
        agent_kwargs=dict(suffix='Answer should be in chinese.' + prompt.SUFFIX), 
        verbose=True,
        return_intermediate_steps=True)

    response = agent({"input": text})

    return response
lang_chain_agent("如果现在天黑了，请将客厅的灯关掉")

结果

runfile('E:/yao2024/python2024/untitled0.py', wdir='E:/yao2024/python2024')


> Entering new AgentExecutor chain...
首先判断现在是否天黑了，然后关闭客厅的灯。
Action: darkness
Action Input: 无
Observation: [{"\u5929\u9ed1": true}]
Thought:现在已经天黑了，需要关闭客厅的灯。
Action: light_control
Action Input: 客厅
Observation: [{"\u706f\u5149": false}]
Thought:客厅的灯已经关闭了。
Final Answer: 客厅的灯已经关掉。

> Finished chain.

例-2 控制设备调节温度

这一次我们要求大模型：

先获取 id=1 的设备状态，如果温度低于90度，就控制它on

程序

import json
import os
from langchain_openai import ChatOpenAI
from langchain.agents import initialize_agent, Tool
from langchain.agents.mrkl import prompt
os.environ['OPENAI_API_KEY'] ="sk-xxxxxxx"
os.environ['OPENAI_BASE_URL'] ="https://api.chatanywhere.tech/v1"
def get_device_status(id):
    print(id)
    temperature=80
    current=10
    answer = [
        {"temperature": temperature},
        {"current": current}
    ]
  
    return json.dumps(answer)
def device_control(device_id):
    print(device_id)
    status=True
    answer = [
        {"状态": status}
    ]
    return json.dumps(answer)
def lang_chain_agent(text):
    llm = ChatOpenAI(model_name="gpt-3.5-turbo",base_url="https://api.chatanywhere.tech/v1")

    tools = [
        Tool(
            name = "get_device_status",
            func=get_device_status,
            description="use this tool when you need to get device status ,To use the tool, you must provide  device id",
        ),
        Tool(
            name = "device_control",
            func=device_control,
            description="use this tool when you need to control device,to use the tool,inputs are multi parameters as ['device id'.'control']",
        )
    ]

    agent = initialize_agent(
        tools,
        llm,
        agent="zero-shot-react-description",
        agent_kwargs=dict(suffix='Answer should be in chinese.' + prompt.SUFFIX), 
        verbose=True,
        return_intermediate_steps=True)

    response = agent({"input": text})

    return response
lang_chain_agent("先获取 id=1 的设备状态，如果温度低于90度，就控制它on")

结果


runfile('E:/yao2024/python2024/langchainSystemControl.py', wdir='E:/yao2024/python2024')


> Entering new AgentExecutor chain...
首先需要获取设备的状态，然后根据温度判断是否需要控制设备。
Action: get_device_status
Action Input: device id = 1device id = 1

Observation: [{"temperature": 80}, {"current": 10}]
Thought:温度为80度，需要控制设备。
Action: device_control
Action Input: ['1', 'on']['1', 'on']

Observation: [{"\u72b6\u6001": true}]
Thought:设备状态已经成功被控制，设备已经打开。
Final Answer: 设备已经被打开。

> Finished chain.

我们看到了Agent 思考的过程

Thought:温度为80度，需要控制设备。

Agent Tools 中的描述非常重要，它对于大模型如何使用好工具非常关键。在第二个例子中。我描述的比较详细一点

use this tool when you need to get device status ,To use the tool, you must provide device id

交代了什么时候使用该工具，要提供什么参数。