OpenAI API: Programuoti dirbtinį intelektą pagrįstus pokalbių agentus, pardavimo asistentus ir tekstinius nuotykius.

Tai tave laukia šiame OpenAI API kurselyje.

Šiame vaizdo įraše bus kalbama apie naudojamus įrankius ir reikalingus žinias.

Čia kalbama apie OpenAI platformą ir kaip ją galima naudoti.

Čia kalbama apie OpenAI atnaujinimą. Sužinok, kokie pakeitimai buvo padaryti. Projekto faile vėl viskas svarbu suvesta kartu.

Mes kuriame mūsų pirmąjį projektą naudodami npm create astro ir apžvelgiame sukurtos produkto struktūrą.

Kadangi naudojame „React“ technologiją savo vartotojo sąsajai, „Astro JS“ turi būti tiekiamas sugebėjimu naudoti „React“ komponentus.

Mūsų pokalbių paslaugų galutinė taškas bus gauti- užklausa į URL /api/chat. Šį tašką sukur­sime šiame vaizdo įraše.

Tam, kad naudotumeis OpenAI API kvietimais, mums reikės API rakto, kurį galime generuoti per savo paskyrą OpenAI platformoje, taip pat openai-npm-Package.

Norint išbandyti, mes naudojome fiksuotą tekstą serveryje. Čia norime pirmą kartą naudoti tekstą, kuris yra siunčiamas iš naršyklės kaip užklausos parametras URL.

Tik internetuose bendraujant tik per naršyklės adresų juostą nėra ilgalaikis sprendimas. Todėl šiame vaizdo įraše sukursime pradinę React-UI, kuri leis įvesti pokalbio tekstą.

Mes kol kas neturime tikrojo pokalbio, o gausime tik vieną klausimą ir atsakymą į jį. Norėdami turėti efektyvią pokalbį su LLM, turime įsiminti pokalbio eigos istoriją.

Kartais tiesiog norite pradėti iš naujo ir pamiršti, ką buvote pasakęs. Kad nereikėtų iš naujo paleisti serverio, mes naudojame pokalbio ID, kad atstatytume pokalbio istoriją serveryje.

Kol kas pokalbiai buvo labai rudimentariški. Čia bus įdiegta keletas patobulinimų, kurie šį mūsų pokalbių programėlę šiek tiek link ChatGPT.

Pokalbių istorija iki šiol buvo sunkiai skaitytina ir šiame vaizdo įraše bus šiek tiek "gražesnė".

Dabar mūsų pirmoji pokalbių programėlė yra baigta, tačiau dar daug ką reikėtų nuveikti, jei norite konkuruoti su ChatGPT. ;-) Jei to nenorite, galite tęsti su nauju projektu šiame skyriuje.

Mes pradedame naują projektą ir pasinaudojame mūsų pirmąja pokalbių programėle.

Žaidimui reikia istorijos. Šiame vaizdo įraše pristatau savo idėją ir ruošiuosi pirmiesiems žingsniams naviguojant per žaidimą.

Žaidėjui reikia įveikti tris užduotis (pokalbius), kad pasiektų žaidimo pabaigą (laikinąją). Šias aš paruošiu šiame vaizdo įraše.

Bartenderis yra pirmasis pokalbio partneris šiame žaidime ir šiame vaizdo įraše yra „pargyvendintas“.

Barmanas iki šiol buvo šiek tiek nežinantis dėl savo vaidmens žaidime. Mes tai pataisysime, įdiegdami pirmąjį sistemą.

Mūsų pokalbio partneris tapo padavėju vaidmenyje, tačiau programoje dar nežinome, ar užduotis yra įvykdyta žaidėjo. Tam galima naudoti funkcijų kvietimus, kuriuos LLM gali atlikti savo nuožiūra, jei laikys tai tinkama. Turime užtikrinti, kad tai įvyktų.

Funkcijų iškvietimai gali turėti grąžinimo reikšmes ir mes taip pat privalome tai pranešti dirbtinei intelektai, ką pasiekėme šiame vaizdo įraše.

Klientui (naršyklė) turi būti pranešta, kad užduotis buvo įvykdyta, nes tuomet žaidėjas galės pasikalbėti su Dr. Owen ir artėti link tikslo.

Netgi gražiausiam pokalbiui turi būti pabaiga, bet kaip mes tai įtrauksime į programą? Žinoma, naudodami funkcijos iškvietimą.

Galiausiai žaidėjas gali pasikalbėti su dirbtinio intelekto ekspertu, kad sužinotų iš jo paskutinio galvosūkio sprendimą.

Barkeeper ir Dr. Owen yra du skirtingi personažai ir todėl neturėtų dalintis pokalbio istorija. Todėl turėtume sukurti naują pokalbio istoriją Dr. Owenui.

Dr. Owen reikia funkcijos, kad paskui sužinotume, ar žaidėjas paklausė ir gavo atsakymą į jo mažo saugumo robotų problemą. Šią informaciją jis gauna šiame vaizdo įraše.

Mūsų priešas šiame žaidime yra saugos robotas, kuris visą laiką mums neleido praeiti. Tačiau dabar žaidėjas turi galios arba, tiksliau, žinių, kaip galų gale jį apeiti.

Mūsų naująjį projektą įveda į gitarų parduotuvių pasaulį, žinoma, su draugišku OpenAI-API palaikymu, kuris leidžia mums įgyvendinti virtualų pardavimų asistentą.

Anksčiau pardavimų asistentas nebuvo ypač geras konsultacijose. Tai dabar turėtų būti pagerinta naudojant simuliuotą „duomenų bazę“ naudojant žemėlapius.

Iki šiol turėjome tik 2 produktus, kuriuos šiame vaizdo įraše papildysime iki 4. Svarbu tai, kad dabar turime daugiau produktų kiekvieno tipo ir galime paklausti pardavimų asistento, kokie E-bosai yra prekių asortimente.

Kainos ne viskas, kai perkant gitarą, tačiau klientas, kuris nenori imti naujos hipotekos namui, turėtų būti pajėgus paklausti pardavėjo apie elektros gitaras pigesnėje ar vidutinėje kainų srityje. Tai pasiekiame pridedant antrą parametrą kainosSritis atitinkamai funkcijai, kurią tada turėtų iškviesti LLM.

Mes sugadinome tai su paskutiniu vaizdo įrašu. Bet nesijaudinkite, klaida greitai ištaisoma, jei žinote, kur ieškoti.

Kas būtų internetinė parduotuvė be prekių krepšelio? Nors mes neįdiegsime tikro prekių krepšelio (apie tai šiame kurselyje nekalbame), šiame vaizdo įraše sukursime pagrindus, kad galėtumėte prijungti prekių krepšelį prie virtualaus pardavimo asistento. Taip pat čia vėl padės... funkcijos iškvietimas!

Dauguma atvejų klientai tiksliai nežinos produktų pavadinimų. LLM gali vykdyti funkcijos kvietimą tik su kliento užklausos pavadinimais. Bet nedidelio triuko pagalba šiais atvejais gana lengva panaudoti dirbtinį intelektą „neryškiems“ paieškos būdams produkto pavadinimuose.

Trumpas suvestinė, ką mes pasiekėme šiame kursė ir ką iš to galite padaryti bei kokių įdomių API teikia OpenAI.