OpenAI API: Программирование чатов на основе ИИ, помощников по продажам и текстовых приключений.

Это тебя ждет в этом курсе по API OpenAI.

В этом видео будет рассмотрено использованные инструменты и необходимые знания.

Здесь речь идет о платформе OpenAI и о том, как ее можно использовать.

Здесь речь идет об обновлении OpenAI. Узнайте, какие изменения произошли. В проектном файле снова все важное собрано вместе.

Мы создаем наш первый проект с помощью npm create astro и изучаем структуру продукта.

Поскольку мы используем React для нашего пользовательского интерфейса, Astro JS должен быть сначала настроен для использования React-компонентов.

Нашей конечной точкой для службы чата будет get-запрос по URL /api/chat. Мы настраиваем эту конечную точку в этом видео.

Для вызовов OpenAI API нам нужен API-ключ, который мы можем создать через наш аккаунт на платформе OpenAI, а также пакет openai-npm.

Для тестирования мы использовали фиксированный текст на сервере. Здесь мы впервые хотим использовать текст, который отправляется браузером в URL в качестве параметра запроса.

Просто чатиться через URL в адресной строке браузера не является постоянным решением. Поэтому в этом видео мы создадим элементарный пользовательский интерфейс React, который позволит вводить текст чата.

Пока у нас нет настоящего чата, есть только вопрос и полученный на него ответ. Чтобы провести продуктивный разговор с LLM, нам нужно запомнить историю чата.

Иногда просто хочется начать все с чистого листа и забыть сказанное. Для этого не нужно перезапускать сервер, мы используем идентификатор чата, чтобы сбросить историю чата на сервере.

До сих пор чат был очень примитивным. Здесь добавляются некоторые улучшения, направленные на то, чтобы наше приложение для чата стало более похожим на ChatGPT.

История чата до сих пор была плохо читаема и в этом видео она будет немного "красивее".

Теперь наше первое приложение для чата готово, и все же есть еще много работы, если вы хотите конкурировать с ChatGPT. ;-) Если вы этого не хотите, вы можете перейти к следующему разделу и начать новый проект.

Мы запускаем новый проект и для этого используем наше первое приложение для чата.

Игре нужна история. В этом видео я представляю свою идею и делаю первые подготовительные шаги для навигации по игре.

Игрок должен пройти три квеста (чата), чтобы достигнуть (предварительного) конца игры. Я подготовлю их в этом видео.

Бармен - первый партнер по чату в этой игре и будет "оживлен" в этом видео.

До сих пор бармен был немного неуверен в своей роли в игре. Мы исправим это, вставив первое системное предложение.

Наш собеседник в чате полностью вошел в роль бармена, но мы пока не знаем, была ли цель выполнена игроком в программе. Для этого можно использовать вызовы функций, которые LLM может сделать самостоятельно, если он посчитает это необходимым. Мы должны позаботиться о том, чтобы он сделал это.

Вызовы функций могут иметь возвращаемые значения, и мы должны также сообщить об этом искусственному интеллекту, что мы и делаем в этом видео.

Клиент (браузер) должен быть уведомлен о том, что квест выполнен, так как тогда игрок сможет поговорить с доктором Оуэном и приблизиться к цели.

Даже самый прекрасный разговор должен завершиться, но как мы можем это сделать в программе? Конечно, с помощью вызова функции.

Наконец, игрок может поговорить с экспертом по искусственному интеллекту, чтобы узнать у него решение последней головоломки.

Бармен и доктор Оуэн - два разных персонажа, поэтому им не следует делиться чат-историей. Поэтому мы должны создать новую историю чата для доктора Оуэна.

Dr. Owen нуждается в функции, чтобы мы узнали, что игрока спросили о решении его маленькой проблемы с Security-Robot и получили ответ. Он получает его в этом видео.

Нашим конечным врагом в этой игре является робот-охранник, который все время не хотел пускать нас мимо. Теперь у игрока есть сила, или точнее сказать, знание, чтобы в конечном итоге обхитрить его.

Наш новый проект ведет нас в мир гитарных магазинов, конечно, с дружественной поддержкой OpenAI-API, которая позволяет нам реализовать виртуального продавца-ассистента.

До сих пор помощник по продажам не был особо хорош в консультировании. Теперь это должно быть улучшено с помощью симулированной "базы данных" с использованием карт.

До этого у нас было всего 2 продукта, которые мы увеличили до 4 в этом видео. Важно, что у нас теперь есть несколько продуктов каждого типа, и мы можем, например, спросить помощника по продажам, какие бас-гитары есть в ассортименте.

Цена не является единственным критерием при покупке гитары, но клиент, который не хочет брать новую ипотеку на свой дом, должен быть способен спросить у продавца о электрогитарах в низком или среднем ценовом диапазоне. Для этого мы используем второй параметр priceRange в соответствующей функции, которую затем должен вызывать LLM.

Мы сломали его в последнем видео. Но не волнуйтесь, ошибка быстро исправляется, если вы знаете, где искать.

Что было бы онлайн-магазином без корзины? Хотя мы не собираемся реализовывать настоящую корзину (ведь это не предмет этого курса), в этом видео мы создадим основы, чтобы вы могли привязать корзину к виртуальному помощнику по продажам. И здесь опять придет на помощь… вызов функции!

В большинстве случаев клиенты будут знать названия продуктов только примерно. LLM может делать вызов функции только с указанными в запросе клиента именами. Но с небольшим трюком можно довольно легко использовать искусственный интеллект для «нечеткого» поиска по названиям продуктов.

Небольшой итог того, что мы достигли на этом курсе, что вы можете из этого извлечь, и какие увлекательные API доступны в OpenAI.