OpenAI API: AI チャット、販売アシスタント、テキスト冒険をプログラム

このOpenAI-APIコースであなたを待っています。

このビデオでは、使用されているツールと必要な知識に焦点を当てています。

これはOpenAIプラットフォームについて、およびその使用方法についての内容です。

OpenAIのアップデートに関するものです。どのような変更があるかを知ってください。プロジェクトファイルには重要なすべてが再度まとめられています。

最初のプロジェクトを npm create astro で作成し、生成物の構造を確認します。

当社のUIにReactを使用しているため、Astro JSにはまずReactコンポーネントを使用できるようにする必要があります。

チャットサービスのエンドポイントは、URL「/api/chat」に対するGETリクエストになります。このエンドポイントをこのビデオで設定します。

OpenAI-APIの呼び出しには、OpenAIプラットフォームのアカウントで生成できるAPIキーと、openai-npmパッケージが必要です。

テストのために、サーバーに固定のテキストを使用しました。ここでは、ブラウザからURLにクエリパラメータとして送信されるテキストを初めて使用したいと思います。

ブラウザのアドレスバーでチャットするだけでは、持続的な解決策ではありません。そのため、このビデオでは、チャットテキストの入力を可能にする基本的なReact-UIを作成します。

まだ本当のチャットはありませんが、質問とその答えだけを受けます。LLMとの有意義な会話を行うには、チャットの履歴を覚えておかなければなりません。

時々、単に最初からやり直して言ったことを忘れたいと思うことがあります。サーバーを再起動しないために、チャットの履歴をリセットするためにチャットIDを使用します。

これまでチャットは非常に原始的でした。ここでは、ChatGPTに少し近づけるいくつかの改良が導入されます。

チャットの履歴はこれまで読みにくかったので、このビデオで少し「美しく」作られます。

今、私たちの最初のチャットアプリが完成しましたが、ChatGPTに競争したい場合は、まだたくさんのことをしなければなりません。;-) そうしたくない人は、新しいプロジェクトに進むことができます。

新しいプロジェクトを立ち上げ、初めてのチャットアプリを利用しています。

ゲームにはストーリーが必要です。このビデオでは、私のアイデアを紹介し、ゲーム内のナビゲーションの最初の準備を行います。

プレイヤーは、ゲームの（仮の）終わりに到達するために3つのクエスト（チャット）に合格する必要があります。これらをこのビデオで準備しています。

バーテンダーは、このゲームで最初のチャットパートナーであり、このビデオで「活気づけられます」。

これまでバーテンダーはゲーム内での役割をあまり理解していませんでした。最初のシステムプロンプトを組み込むことで改善します。

私たちのチャットパートナーはバーテンダーとしての役割に没頭していますが、プログラムではプレイヤーがクエストを達成したかどうかはまだわかりません。必要に応じて、LLM自体が行う機能呼び出しが適しています。それが適切であると判断された場合、LLMがそれを行うようにしなければなりません。

機能呼び出しは戻り値を持つ可能性があり、これらをAIにも伝える必要があります。これはこのビデオで行うことです。

クライアント（ブラウザ）には、クエストが完了したことを通知する必要があります。その後、プレイヤーはDr. Owenと話すことができ、目標に少し近づくことができます。

いかなる素晴らしい会話も終わりを迎えなければなりませんが、プログラム内でこれをどのように処理しますか？ もちろん、関数の呼び出しによって。

ついにプレイヤーはAIエキスパートと話すことができ、最後の謎の解答を彼から教えてもらえます。

BarkeeperとDr.Owenは異なるキャラクターであるため、チャット履歴を共有してはいけません。Dr.Owenのために新しいチャット履歴を作成する必要があります。

Dr. Owenには、プレイヤーが彼の小さなセキュリティロボットの問題を解いた後に質問し、回答を受け取ったことがわかる機能が必要です。この回答はこのビデオで得られます。

このゲームの最後のボスは、私たちに通さなかったセキュリティロボットです。しかし、プレーヤーは彼を最終的に出し抜く力、言い換えれば知識を持っています。

私たちの新しいプロジェクトは、もちろんOpenAI-APIの友好的なサポートを受けて、ギターショップの世界に導入され、仮想販売アシスタントを実現します。

これまで販売アシスタントはアドバイスが特に上手ではありませんでした。これをマップを使用した模擬「データベース」で改善することになりました。

これまで、このビデオで4つに増やす2つの製品だけを持っていました。重要なのは、今後は1つのタイプに複数の製品があるため、セールスアシスタントに例えばどのエレキベースが取り揃えられているか尋ねることができる点です。

ギターを購入する際に価格はすべてではありませんが、自宅の住宅ローンを組むことを避けたい顧客は、下位または中位の価格帯のEギターについて販売員に尋ねられる能力を持つべきです。これは、LLMが呼び出す関数でpriceRangeという2番目のパラメーターで達成されます。

前のビデオで何かを壊してしまいました。しかし心配しないでください、問題はすぐに解決します。どこを探せばいいかがわかっていれば。

オンラインショップにとってカートがないとは何でしょうか？（このコースではそのようなことはしていませんが）、このビデオでは、仮想セールスアシスタントにカートを接続できるようにするための基本を学びます。再びここでも… 関数の呼び出しから！

ほとんどの場合、顧客は製品の名前をおおよそしか知りません。 LLMは、顧客のリクエストに含まれる名前だけを用いて機能コールを行うことができます。 ただし、いくつかの小技を駆使すれば、これらの場合に製品名の「ぼやけた」検索に簡単に人工知能を利用することができます。

このコースで達成したこと、それをどのように活用できるか、そしてOpenAIにはどのような面白いAPIがまだあるかの小さなまとめ。