对话生成 函数式调用FunctionCall
开发环境
开发环境
POST
https://yewu.bcwhkj.cn/v1/chat/completions
💡
1、第一步是提问GPT(同时规定回复的JSON格式或者说是函数对象)。
2、本地根据GPT回复的JSON格式查询结果做本地化查询后,
3、再问GPT(将本地结果再次提交)。然后GPT结合我们的查询结果用自然语言回复我们。
看似复杂,实际上很简单,OpenAI已经帮我们做好了:提前定义外部函数库,在ChatCompletions.create()函数中进行对应的参数设置。
所谓的外部函数库,可以理解为:当进行某一项应用开发时,需要用到的中间处理逻辑函数,比如你要开发一个邮件自动回复程序,你就需要定义:
获取邮件 的函数
发送邮件的函数
.......
在Chat Completion 模型执行Function calling功能时,大模型能够充分发挥自身的语义理解能力,解析用户的输入,然后在函数库中自动挑选出最合适函数进行运行,并给出问题的答案,整个过程不需要人工手动干预。
虽然Chat Completion模型具有函数调用(Function Calling)能力,但其对函数的理解方式并不与传统编程环境下的函数相同。类似于对话中有效的Prompt设计,优化函数调用的格式和结构能显著提升模型的执行准确性。因此,明确合适的数据传入格式成为关键一步,只有当数据格式设计得当,模型才能更准确地理解和执行任务。
📌
gpt-4o
gpt-4o-mini
gpt-4-0613
gpt-3.5-turbo
gpt-3.5-turbo-1106
gpt-3.5-turbo-0613
此外,以下型号还支持并行函数调用:
gpt-4-1106-preview
gpt-3.5-turbo-1106
token获取方式:
请求参数
Header 参数
Content-Type
string
固定值
默认值:
application/json
Authorization
string
可选
默认值:
Bearer token
Body 参数application/json
示例代码
返回响应
修改于 2025-02-21 11:24:10