关于agi中的Function Calling深入解析

接口(Interface)

两种常见接口：

1、人机交互接口，User Interface,简称UI

2、应用程序编程接口，Application Programming Interface,简称API

接口能【通】的关键，是两边都要遵守约定。

人要按照UI的设计来操作。UI的设计要符合人的习惯
程序要按照API的设计来调用。API的设计要符合程序惯例。

在日常工作中，调试接口会遇到很多的问题：

文档坑，由于文档写得不规范，不好，要花大把时间有研究。
大小写坑，接口参数名称大小的问题
参数顺序坑
参数类型坑，由于不同语言，参数的类型不可能不一样

接口的进化

命令行，Command Line Interface,简称CLI(DOS、Unix/Linux shell,Widows Power Shell)
图形界面，Graphical User Interfae,简称GUI(Windows、MacOS、IOS、Android)
语言界面,Conversational User Interface,简称CUI，或Natural-Language User Interface,简称LUI
脑机接口，Brain-Computer Interface,简称BCi

什么是API

从本地到远程，从同步到异步，媒介发生很多变化，但本质一直没变：程序员的绽
现在，开始进行到自然语言接口，Natural-Languagge Interface,简称NLI

为什么大模型连接外部世界？

大模型两大缺陷：

并非知晓一切
- 训练数据不可能什么都有。垂直、非公开数据笔有欠缺
- 不知道最新信息。大模型的训练周期很长，且更新一次耗资巨大，还有越训越傻的风险。所以它不可能实时训练。GPT-3.5和的知识截至2021年9月，GPT-4是2023年12月
没有【真逻辑】。它表现出的逻辑、推理，是训练文本的统计规律，而不是真正的逻辑。所以有幻觉。

所以：大模型需要连接真实世界，并对接真逻辑系统。

用AI来做加法：

把100以内的所有加法算式都训练给大模型，它就可以回答100以内的加法算式，但仍有概率出错。
如果问它更大数字的加法，出错概率就会更大
因为它并不懂【加法】，只是记住了100以内的加法算式的统计规律
它是用字面意义做数学。

ChatGPT用Actions连接外部世界

第一次尝试：Plugins

2023年3月24日发布plugins，模型可以调用外部的api
2024年4月9日正式下线，宣告失败

第二次尝试：Actions

actions，内置在GPTS中，解决了落地场景问题

流程解析

通过actios的schema,GPT能读懂各个API能做什么、怎么调用
拿到prompt,GPT分析出是否调用API才能解析问题
如果调用api,生成调用参数
ChatGPT调用API
API返回结果，GPT读懂结果，整合到回答中

最后，把AI当人看。

Actions开发示例

openapi: 3.1.0
info:
  title: 高德地图
  description: 获取 POI 的相关信息
  version: v1.0.0
servers:
  - url: https://restapi.amap.com/v5/place
paths:
  /text:
    get:
      description: 根据POI名称，获得POI的经纬度坐标
      operationId: get_location_coordinate
      parameters:
        - name: keywords
          in: query
          description: POI名称，必须是中文
          required: true
          schema:
            type: string
        - name: region
          in: query
          description: POI所在的区域名，必须是中文
          required: false
          schema:
            type: string
      deprecated: false
  /around:
    get:
      description: 搜索给定坐标附近的POI
      operationId: search_nearby_pois
      parameters:
        - name: keywords
          in: query
          description: 目标POI的关键字
          required: true
          schema:
            type: string
        - name: location
          in: query
          description: 中心点的经度和纬度，用逗号分隔
          required: false
          schema:
            type: string
      deprecated: false
components:
  schemas: {}

还需要配置API Key来满足权限要求。

这里的所有name、description都是prompt,决定了GPT会不会调用你的API，调用得是否正确。

Function Calling的机制

原理和actions一样，只是使用方式有别。