OpenAI Function Calling特性示例详解

这篇文章主要为大家介绍了OpenAI Function Calling特性作用详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪

Function Calling使用

OpenAI 在gpt-3.5-turbo-0613 和 gpt-4-0613两个模型的chat completion api中增加了一个叫Function Calling的新功能，本篇文章对其功能进行探究，并分析其作用。

我认为这是一种比Plugin更优雅的方式，给开发者提供了更多的自由度，一方面识别出何时需要调用函数来对输出格式化，一方面设定具体的格式化数据有助于接入后续业务逻辑。达到尽可能保证（注意这里，是根据你的函数描述最大可能保证，不能100%）LLM输出可控的基础上，来增强自己业务的目的。

show me code

下面以记账应用为例，告诉AI：“今天喝奶茶花了6元”，正常思路来说，交互流程应该是这样的：

用户输入promptAI进行语义分析返回结构化的数据（每个子项是什么，花费是多少）拿到数据进行下一步操作

借助Function Calling，微调后的模型可以检测何时应该调用函数并使用符合函数签名的 JSON 进行响应，下面看代码例子?

import openaiimport jsonfrom enum import Enumclass BaseTool(Enum):    Bookkeeping = "record_price"    RecordingTask = "record_task"def record_price(category, price):    print(category, price)    # 记账应用 API    print("记账成功!")def funtion_call_conversation():    response = openai.ChatCompletion.create(    model="gpt-3.5-turbo-0613",    messages=[      {"role": "user", "content": "今天喝奶茶花了6元"},    ],    temperature=0,    functions=[      {        "name": BaseTool.Bookkeeping.value,        "description": "bookkeeping assistant",        "parameters": {          "type": "object",          "properties": {            "category": {              "type": "string",              "description": "类目",            },            "price": {"type": "string", "description": "金额"},          },          "required": ["category", "price"],        },      }    ],    function_call="auto",    )    message = response["choices"][0]["message"]    if(message.get("function_call")):        function_name = message["function_call"]["name"]        if function_name == BaseTool.Bookkeeping.value:            arguments = json.loads(message["function_call"]["arguments"])            record_price(arguments.get('category'), arguments.get('price'))

接口调用说明

name字段表示要调用的函数名，description表示函数描述，paramters是一个符合JSON Schema格式的对象，用来描述这个函数的入参信息（让 LLM 读得懂的工具函数说明）

record_price是用来给Function Calling调用的函数，这个函数接收两个必填的参数，category类目（string类型），price金额（string类型）

functions=[{  "name": BaseTool.Bookkeeping.value,  "description": "bookkeeping assistant",  "parameters": {    "type": "object",    "properties": {      "category": {"type": "string","description": "类目"},      "price": {"type": "string", "description": "金额"},    },    "required": ["category", "price"],  },}],

LLM分析结果

LLM 分析后命中了函数签名描述，就会返回给我们 function_call 这个字段以及函数签名中我们预定义的相关信息：

{  "role": "assistant",  "content": null,  "function_call": {    "name": "record_price",    "arguments": "{n  "category": "u5976u8336",n  "price": "6u5143"n}"  }}

category返回给我们了类目是奶茶price识别出了金额是6元

接下来拿到参数，调用 record_price 进行记账的操作即可；如果没有命中函数签名描述，就不会返回function_call字段，也就不需要进行任何操作：

if(message.get("function_call")):        function_name = message["function_call"]["name"]        if function_name == BaseTool.Bookkeeping.value:            arguments = json.loads(message["function_call"]["arguments"])            record_price(arguments.get('category'), arguments.get('price'))

按照这种思路，可以扩展自己的外部工具，比如发邮件，记录待办清单，让LLM变成私人管家。

AI记账应用设想

LLM 加持的记账应用设想，不需要打开记账软件写类目记金额?：

直接对照Siri说“今天喝奶茶花了6元”然后利用STT，转换为文本利用上述程序提取类目和金额，调用记账API，记录成功

存在问题

函数描述是会被计入token的（果然魔法都是有成本的?潜在的风险：分析不准确，出现无法命中函数签名描述的情况

参考

Function Calling 文档openai-cookbook