Membuat obrolan berbasis KI, asisten penjualan, dan petualangan teks berbasis AI.

Ini yang akan kamu temukan dalam kursus OpenAI-API ini.

Dalam video ini akan dibahas tentang alat-alat yang digunakan dan pengetahuan yang dibutuhkan.

Ini tentang platform OpenAI dan cara menggunakannya.

Di sini membahas tentang pembaruan dari OpenAI. Temukan, perubahan apa yang terjadi. Di dalam file proyek, semua yang penting disusun kembali.

Kami membuat proyek pertama kita dengan npm create astro dan melihat struktur hasilnya.

Karena kami menggunakan React untuk antarmuka pengguna kami, Astro JS harus diberi kemampuan untuk menggunakan komponen React terlebih dahulu.

Titik akhir layanan obrolan kami akan menjadi permintaan get- ke URL /api/chat. Kami akan menyiapkan titik akhir ini dalam video ini.

Untuk menggunakan API OpenAI, kita memerlukan tidak hanya kunci API, yang dapat kita buat melalui akun kita di platform OpenAI, tetapi juga paket openai-npm.

Untuk pengujian, kami menggunakan teks tetap di server. Di sini kami ingin menggunakan teks yang dikirim oleh browser melalui parameter query URL untuk pertama kalinya.

Hanya chatting melalui URL di bilah alamat browser bukanlah solusi jangka panjang. Itulah sebabnya kita akan membuat antarmuka React sederhana dalam video ini yang memungkinkan pengguna memasukkan teks chat.

Saat ini kita belum memiliki obrolan yang sebenarnya, hanya pertanyaan dan jawabannya. Untuk menjalani percakapan yang produktif dengan si LLM, kita harus mengingat riwayat obrolan.

Terkadang kita ingin memulai dari awal dan melupakan yang sudah dikatakan. Agar tidak perlu me-restart server, kita menggunakan ID obrolan untuk mengatur ulang riwayat obrolan di server.

Sejauh ini, chatting masih sangat sederhana. Di sini, beberapa peningkatan akan diterapkan untuk mengarahkan aplikasi chatting kita lebih ke arah ChatGPT.

Riwayat chat ini sejauh ini sulit dibaca dan akan dibuat sedikit lebih "cantik" dalam video ini.

Sekarang aplikasi obrolan pertama kami sudah selesai dan masih ada banyak hal yang perlu dilakukan jika ingin menyaingi ChatGPT. ;-) Bagi yang tidak ingin melakukannya, bisa melanjutkan ke bagian berikutnya dengan proyek baru.

Kami akan memulai proyek baru dan menggunakan aplikasi obrolan pertama kami.

Sebuah permainan membutuhkan sebuah cerita. Dalam video ini saya memperkenalkan ide saya dan membuat persiapan pertama untuk navigasi melalui permainan.

Tiga misi (percakapan) harus diselesaikan oleh pemain untuk mencapai akhir (sementara) permainan. Saya akan menyiapkan ini dalam video ini.

Barman adalah mitra obrolan pertama dalam permainan ini dan "dihidupkan" dalam video ini.

Sejauh ini, barman sedikit tidak tahu akan perannya dalam permainan. Kita akan memperbaikinya, dengan memasukkan prompt sistem pertama.

Mitra obrolan kita telah menikmati perannya sebagai barman, tetapi kami belum yakin dalam program apakah misi telah diselesaikan oleh pemain. Untuk itu, panggilan fungsi dapat digunakan yang LLM dapat lakukan sendiri jika dianggap perlu. Kita harus memastikan bahwa ini terjadi.

Panggilan fungsi dapat memiliki nilai kembalian dan nilai-nilai ini harus kami informasikan ke kecerdasan buatan, yang kita lakukan dalam video ini.

Klien (Browser) harus diberitahu bahwa misi telah selesai, karena itu pemain dapat berbicara dengan Dr. Owen dan mendekati tujuannya.

Termasuk percakapan terbaik pun harus berakhir, tetapi bagaimana cara kita menangani hal ini dalam program? Tentu saja dengan pemanggilan fungsi.

Akhirnya pemain dapat berbicara dengan pakar KI untuk mengetahui solusi teka-teki terakhir dari beliau.

Barkeeper dan Dr. Owen adalah dua karakter yang berbeda sehingga tidak boleh berbagi riwayat obrolan. Karena itu, kita sebaiknya membuat riwayat obrolan baru untuk Dr. Owen.

Dr. Owen membutuhkan sebuah fungsi agar kita tahu bahwa pemain telah ditanyai tentang masalah keamanan robot kecilnya dan mendapat jawaban. Ini dia dalam video ini.

Musuh terakhir kita dalam permainan ini adalah robot keamanan yang tidak pernah membiarkan kita melewati. Namun sekarang pemain memiliki kekuatan atau lebih tepatnya pengetahuan untuk akhirnya dapat mengelabuinya.

Proyek baru kami membawa kami ke dunia toko-toko gitar, tentu saja dengan dukungan ramah dari API OpenAI, yang memungkinkan kami untuk mewujudkan asisten penjualan virtual.

Sejauh ini, asisten penjualan belum terlalu baik dalam memberikan saran. Hal ini akan diperbaiki sekarang dengan bantuan simulasi "basis data" menggunakan Maps.

Sampai sekarang kita hanya memiliki 2 produk, yang akan kami tambah menjadi 4 dalam video ini. Penting untuk dicatat di sini bahwa sekarang kita memiliki beberapa produk per jenis dan dengan demikian dapat bertanya kepada asisten penjualan, misalnya, produk bass listrik apa yang ada dalam koleksi.

Harga bukanlah segalanya ketika membeli gitar, tetapi seorang pelanggan yang tidak ingin mengambil hipotek baru untuk rumahnya seharusnya mampu bertanya kepada penjual mengenai gitar listrik dengan harga di kisaran rendah atau menengah. Ini dapat dicapai melalui parameter kedua priceRange dalam fungsi yang sesuai yang harus dipanggil oleh LLM.

Kami telah merusaknya dengan video terakhir. Tapi jangan khawatir, kesalahan tersebut dapat segera diperbaiki jika kita tahu di mana harus mencari.

Apa artinya toko online tanpa keranjang belanja? Meskipun kita tidak akan mengimplementasikan keranjang belanja yang sebenarnya (karena itu bukan fokus dari kursus ini), dalam video ini kita akan membahas dasar-dasar untuk menghubungkan keranjang belanja ke asisten penjualan virtual. Di sini, lagi ... panggilan fungsi!

Pelanggan dalam kebanyakan kasus hanya akan mengenal nama produk secara kasar. LLM hanya dapat melakukan pemanggilan fungsi dengan nama yang tertulis dalam permintaan pelanggan. Namun, dengan sedikit trik, kecerdasan buatan dapat dengan mudah digunakan untuk pencarian "unsur" dalam nama produk untuk kasus seperti ini.

Suatu kesimpulan singkat tentang apa yang telah kita capai dalam kursus ini, apa yang bisa kalian lakukan dari situ, dan API menarik apa yang masih tersedia di OpenAI.