برنامه نویسی

چگونه فقط با OpenAI API یک کپی از اقدامات GPT ایجاد کنیم؟

در سال‌های اخیر، مدل‌های زبان بزرگ (LLM) مانند GPT-3 در تولید متن‌های انسان‌مانند، پاسخ‌گویی به سؤالات و برگزاری مکالمه، نوید باورنکردنی از خود نشان داده‌اند. با این حال، برای تبدیل یک LLM به یک دستیار هوش مصنوعی کاملاً کاربردی، به چیزی بیش از قابلیت‌های تولید متن نیاز داریم. اینجاست که LLMKit وارد می‌شود. LLMKit یک کتابخانه قدرتمند است که به توسعه‌دهندگان کمک می‌کند تا LLM‌های متن به متن خود را به دستیارهای هوش مصنوعی کاملاً کاربردی تبدیل کنند، و آنها را قادر می‌سازد وظایف خاصی را انجام دهند و سناریوهای دنیای واقعی را مدیریت کنند.

LLMKit با ارائه یک سیستم پلاگین مدولار، مکانیزم های داخلی برای تکرار مجدد و تنظیمات مکالمه قابل تنظیم، ادغام LLM ها را در برنامه های شما ساده می کند. در این مقاله، شما را از طریق فرآیند ایجاد مکالمه با یک فراخوانی تابع خارجی با استفاده از LLMKit راهنمایی خواهیم کرد. در پایان این راهنما، شما درک کاملی از نحوه گسترش قابلیت‌های LLM خود و ساختن یک دستیار هوش مصنوعی پاسخگو خواهید داشت.

شروع کار با LLMKit

برای شروع استفاده از LLMKit، باید آن را از GitHub با استفاده از npm نصب کنید. ترمینال خود را باز کنید و دستور زیر را اجرا کنید:

npm i obaydmerz/llmkit
وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

راهنمای گام به گام برای ایجاد مکالمه

مرحله 1: وارد کردن ماژول ها و ایجاد نمونه

import { Conversation, retry } from "llmkit";
import { External, ExternalFunction } from "llmkit/plugins/external";
// Import the OpenAI module here
وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

همچنین، کلاینت OpenAI را نمونه سازی کنید:

const gpt = new OpenAI_Instance_Or_Any_LLM();
وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

مرحله 2: مکالمه را ایجاد کنید

نگران نباشید، کد زیر را بعدا توضیح خواهیم داد:

let conv = Conversation.create(
    (m) => retry({}, (num) => gpt.chatCompletion(/*or any function*/(m, {
      debug: true
    }))),
    {
      plugins: [
        External.create([
          ExternalFunction.create("purchase", {
            description: "Orders something",
            parameters: {
              name: "string, The name of the product"
            },
            hook: async ({ name }) => {
              if (name.toLowerCase() == "pizza") {
                return "Ordered! Tell the user that the pizza is yummy";
              }
              return "Product Not Found";
            },
          }),
        ]),
      ],
    }
  );
وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

Conversation کلاس اصلی در است LLMKit که مکالمه را بین سه بخش برگزار می کند: system، user، agent

این Conversation.create() تابع static دو آرگومان را می پذیرد:

  • اولین آرگومان، که تابعی است که برای ارسال پیام رشته به GPT فراخوانی می شود. (به تابع تلاش مجدد توجه کنید که در صورت عدم موفقیت عملکرد را تکرار می کند)
  • آرگومان دوم شی گزینه است.

در اینجا ما اضافه کردیم External به plugins، External راهی برای GPT/LLM برای اجرای توابع کد شما فراهم می کند.

مرحله 3: یک پیام به مکالمه ارسال کنید

(async () => {
     await conv.start();
     let res = await conv.send("I wanna purchase a burger");

     // You can access messages through conv.messages
     console.log(res); // I'm sorry, I couldn't find the burger you were looking for. How can I assist you further?
})();
وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

بعد از این همه

اگر باز هم سوالی دارید، آن را در نظرات مطرح کنید.
برای کمک بیشتر به سرور discord ما بپیوندید!

🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا