OpenAI API: AI-põhiste vestluste, müügijuhete ja teksti-seikluste programmeerimine

Seda ootab sind selles OpenAI API kursusel.

Selles videos käsitletakse kasutatavaid tööriistu ja vajalikke teadmisi.

Siin on juttu OpenAI platvormist ja selle kasutusvõimalustest.

Siin on juttu OpenAI värskendusest. Uuri, milliseid muudatusi on tehtud. Projektfailis on kõik oluline uuesti kokku võetud.

Loome oma esimese projekti käsu npm create astro abil ja vaatame loodud objekti struktuuri.

Kuna meie kasutajaliideses kasutame Reacti, tuleb Astro JS-i kõigepealt võimaldada Reacti komponentide kasutamine.

Meie jututeenuse lõpp-punkt saab olema get- päring aadressile /api/chat. Selle lõpp-punkti seadistame selles videos.

OpenAI API kõnede jaoks vajame lisaks API- võtit, mille saame genereerida OpenAI platvormil asuva konto kaudu, ka openai-npm-paketti.

Testimiseks kasutasime serveril fikseeritud teksti. Siin soovime esimest korda kasutada teksti, mis saadetakse brauserist URL-i kui päringuparameetrit.

Ainult brauseri aadressiribalt vestelda pole püsiv lahendus. Seetõttu loome selles videos algelise React-UI, mis võimaldab vestlusteksti sisestamist.

Meil pole veel õiget vestlust, vaid saame lihtsalt küsimuse ja sellele vastuse. LLM-iga viljaka vestluse pidamiseks peame vestluse ajaloo meeles pidama.

Mõnikord soovite lihtsalt nullist alustada ja öeldu unustada. Selleks, et serverit uuesti käivitama ei peaks, kasutame vestluse ajaloo nullimiseks vestlus-ID-d.

Seni oli vestlus veel väga rudimentaarne. Siia lisatakse mõned täiustused, mis muudavad meie vestlus rakenduse veidi rohkem ChatGPT suunas.

Vestlusajalugu pole seni olnud eriti hästi loetav ja selles videos tehakse see veidi "ilusamaks".

Nüüd on meie esimene vestlusrakendus valmis ja siiski oleks palju teha, kui soovite ChatGPT-ga konkureerida. ;-) Kes seda ei soovi, võib järgmises jaotises alustada uue projektiga.

Me paneme uue projekti püsti ja kasutame selleks oma esimest vestlusrakendust.

Mäng vajab lugu. Selles videos tutvustan oma ideed ja teen esimesed ettevalmistused mängu navigeerimiseks.

Mängija peab läbima kolm ülesannet (vestlust), et jõuda mängu (ajutise) lõpuni. Neid valmistan ette selles videos.

Baarimees on selle mängu esimene vestluskaaslane ning selles videos "ellu äratatud".

Seni oli baarmen veidi teadmatuses oma rolli osas mängus. Saame sellele lahenduse, paigaldades esimese süsteemikäsud.

Meie vestluskaaslane on baarmen rollis üles sulanud, aga programmis ei tea me veel, kas ülesanne on mängija poolt täidetud. Selleks pakuvad end võimalust kutsemeetodid, mida LLM saab ise sooritada, kui ta seda vajalikuks peab. Peame tagama, et ta seda ka teeb.

Funktsioonikutsumistel võivad olla tagastusväärtused ja need tuleb ka tehisintellektile edasi anda, nagu me selles videos teeme.

Kliendile (brauserile) tuleb teatada, et ülesanne on täidetud, sest siis saab mängija rääkida ka dr Oweniga ja läheneda eesmärgile.

Igal ilusal vestlusel peab olema lõpp, aga kuidas saame selle programmi sisse? Muidugi, funktsiooni kutsumise abil.

Mängija saab lõpuks rääkida AI-eksperdiga, et temalt saada viimase mõistatuse lahendus.

Baarimees ja Dr. Owen on kaks erinevat tegelast ja seetõttu ei tohi neil olla ühist vestluste ajalugu. Seetõttu peaksime Dr. Owenu jaoks looma uue vestlusloogika.

Dr. Owen vajab funktsiooni, et teavitada meid, et mängija on küsinud ja saanud vastuse oma väikese turvaboti probleemi lahendamise kohta. Selle saab ta sellest videost.

Meie lõppvaenlane selles mängus on turvarobot, kes ei lasknud meil kogu aeg mööda minna. Nüüd aga on mängijal võim või pigem teadmised, et lõpuks siiski teda üle mängida.

Meie uus projekt viib meid kitarripoodide maailma, loomulikult OpenAI API sõbraliku toetusega, mis võimaldab meil luua virtuaalse müügiassistenti.

Seni polnud müügiassistendil nõustamisel eriti hästi läinud. Nüüd kavatsetakse seda parandada simulatsiooni abil, kasutades kaarte.

Siiamaani oli meil ainult 2 toodet, mida me selles videos 4-ks laiendame. Oluline on see, et meil on nüüd mitu toodet igat tüüpi ja seega saame müügikonsultandilt küsida näiteks, milliseid elektrobasse müügil on.

Hind ei ole kitarride ostmisel küll kõik, kuid klient, kes ei soovi võtta uut hüpoteeki oma kodu peale, peaks olema võimeline küsima müüjalt E-kitarre alumises või keskmises hinnaklassis. Seda saavutame teise parameetriga priceRange vastavas funktsioonis, mida LLM peaks seejärel kutsuma.

Oleme viimase video rikkunud. Kuid ärge muretsege, viga parandatakse kiiresti, kui teate, kust otsida.

Mis oleks veebipoed ilma ostukorvita? Kuigi me ei rakenda päris ostukorvi (see pole selle kursuse teema), loome selles videos siiski baasteadmised, et saaksite siduda ostukorvi virtuaalse müügiabimehega. Ka siin aitab jälle ... funktsiooni kutse!

Enamasti ei tea kliendid toodete nimesid täpselt. LLM saab funktsioonikutseid teha ainult klientide päringus esinevate nimedega. Kuid väikese trikiga saab sel juhul tehisintellekti üsna lihtsalt kasutada tootenimede "ebamäärase" otsingu jaoks.

Väike kokkuvõte sellest, mida me selle kursuse käigus saavutasime, mida te sellest teha saate ja millised põnevad API-d veel OpenAI-l saadaval on.