OpenAI API: Programmazione di chat basate su intelligenza artificiale, assistenti alla vendita e avventure testuali.

Ciò che ti aspetta in questo corso sull'API di OpenAI.

In questo video verranno presentati gli strumenti utilizzati e le competenze richieste.

Questa riguarda la piattaforma OpenAI e come utilizzarla.

Qui si parla dell'aggiornamento di OpenAI. Scopri quali modifiche ci sono. Nel file del progetto è riassunto di nuovo tutto ciò che è importante.

Creiamo il nostro primo progetto con npm create astro e esaminiamo la struttura del prodotto.

Dato che utilizziamo React per la nostra UI, Astro JS deve prima essere abilitato a utilizzare i componenti React.

Il nostro punto finale per il servizio di chat sarà una richiesta get- verso l'URL /api/chat. Creeremo questo punto finale in questo video.

Per le chiamate all'API di OpenAI abbiamo bisogno, oltre a una chiave API che possiamo generare tramite il nostro account sulla piattaforma OpenAI, anche del pacchetto openai-npm.

Per testare, abbiamo usato un testo fisso sul server. Qui vogliamo utilizzare per la prima volta il testo inviato dal browser nell'URL come parametro di query.

Chattare solo tramite l'URL nella barra degli indirizzi del browser non è una soluzione permanente. Ecco perché in questo video creiamo un'interfaccia utente React rudimentale che consente l'inserimento del testo della chat.

Al momento non abbiamo una vera chat, ma solo una domanda e la relativa risposta. Per poter avere una conversazione produttiva con il LLM, dobbiamo memorizzare la cronologia della chat.

A volte si vorrebbe semplicemente ricominciare da capo e dimenticare ciò che è stato detto. Per evitare di dover riavviare il server, utilizziamo un ID chat per ripristinare la cronologia della chat sul server.

Fino ad ora la chat era ancora molto rudimentale. Qui saranno implementate alcune migliorie che spingeranno un po' di più la nostra app di chat verso ChatGPT.

La cronologia della chat finora non è stata di facile lettura e verrà resa un po' più "bella" in questo video.

Ora la nostra prima app di chat è pronta eppure c'è ancora molto da fare se si vuole fare concorrenza a ChatGPT. ;-) Chi non lo desidera può proseguire con un nuovo progetto nella prossima sezione.

Stiamo avviando il nuovo progetto e utilizzando la nostra prima Chat-App.

Un gioco ha bisogno di una storia. In questo video presento la mia idea e faccio i primi preparativi per la navigazione nel gioco.

Il giocatore deve completare tre missioni (chat) per raggiungere la fine (provvisoria) del gioco. In questo video le preparo.

Il barista è il primo compagno di chat in questo gioco e viene "portato in vita" in questo video.

Fino ad ora il barista era un po' all'oscuro del suo ruolo nel gioco. Rimediamo, inserendo il primo sistema di prompt.

Il nostro partner di chat si è immerso nel ruolo di barista, ma nel programma non sappiamo ancora se la quest è stata completata dal giocatore. A tal fine, si possono utilizzare chiamate di funzione che LLM può effettuare autonomamente se lo ritiene opportuno. Dobbiamo assicurarci che lo faccia.

Le chiamate di funzione possono avere valori di ritorno e dobbiamo comunicarli anche all'IA, come facciamo in questo video.

Il client (Browser) deve essere notificato che la missione è stata completata, in questo modo il giocatore può parlare anche con il Dott. Owen e avvicinarsi all'obiettivo.

Anche la conversazione più bella deve finire, ma come gestiamo questa situazione nel programma? Con una chiamata di funzione naturalmente.

Finalmente il giocatore può parlare con l'esperto di intelligenza artificiale per scoprire da lui la soluzione dell'ultimo enigma.

Il barista e il Dr. Owen sono due personaggi diversi e quindi non devono condividere la cronologia della chat. Dovremmo quindi creare una nuova cronologia della chat per il Dr. Owen.

Dott. Owen ha bisogno di una funzione per farci sapere che il giocatore ha chiesto e ricevuto una risposta dopo aver risolto il suo piccolo problema con il security robot. Lo otterrai in questo video.

Il nostro nemico finale in questo gioco è il robot di sicurezza che non ci ha lasciato passare tutto il tempo. Ma ora il giocatore ha il potere o piuttosto la conoscenza per ingannarlo alla fine.

Il nostro nuovo progetto ci porta nel mondo dei negozi di chitarre, naturalmente con il gentile supporto dell'API di OpenAI, che ci consente di realizzare un assistente virtuale per le vendite.

Fino ad ora, l'assistente alle vendite non era particolarmente bravo nella consulenza. Questo dovrebbe essere migliorato ora con un simulato "database" utilizzando le mappe.

Fino ad ora avevamo solo 2 prodotti, che aumenteremo a 4 in questo video. È importante che ora abbiamo diversi prodotti per tipo e possiamo quindi chiedere all'assistente di vendita, ad esempio, quali bassi elettrici sono disponibili.

Il prezzo non è tutto quando si acquista una chitarra, ma un cliente che non vuole prendere un nuovo mutuo sulla propria casa dovrebbe essere in grado di chiedere al venditore chitarre elettriche a un prezzo basso o medio. Questo lo otteniamo con un secondo parametro priceRange nella funzione corrispondente che dovrebbe chiamare il LLM.

Ahiammo rovinato tutto con l'ultimo video. Ma non ti preoccupare, l'errore è facilmente risolvibile se sai dove cercare.

Cosa sarebbe un negozio online senza carrello della spesa? Anche se non implementeremo un vero e proprio carrello della spesa (non è questo lo scopo di questo corso), in questo video creeremo le basi affinché possiate collegare un carrello della spesa all'assistente virtuale di vendita. Anche qui, di nuovo, ci aiuterà... la chiamata di funzione!

I clienti nella maggior parte dei casi conosceranno solo approssimativamente i nomi dei prodotti. L'LLM può effettuare la chiamata della funzione solo con i nomi presenti nella richiesta del cliente. Ma con un piccolo trucco, è possibile utilizzare l'IA in modo abbastanza semplice per una ricerca "non esatta" nei nomi dei prodotti.

Una piccola conclusione su cosa abbiamo raggiunto in questo corso, cosa potete trarne e quali interessanti API ci sono ancora disponibili su OpenAI.