function call学习之2

当然可以。我们将新增一个名为 is_legal_question 的函数来判断用户的问题是否与法律相关。如果问题是关于法律的,我们将调用 get_legal_answer 函数来获取答案。下面是完整的代码示例:

示例代码

import openai

import json

设置OpenAI API密钥

openai.api_key = "your-api-key"

def is_legal_question(question: str) -> bool:

这里只是一个简单的示例,实际应用中应该使用更复杂的方法来判断

keywords = ["law", "legal", "regulation", "rights", "court", "litigation"]

return any(keyword in question.lower() for keyword in keywords)

def get_weather(city: str) -> dict:

假设这是一个真实的天气API调用

return {"city": city, "temperature": "20°C", "forecast": "sunny"}

def get_legal_answer(question: str) -> dict:

这里只是一个示例,实际应用中应该调用真实的法律咨询API

return {"question": question, "answer": "This is a sample legal answer."}

发送请求并处理响应

def process_request():

用户输入

user_input = input("Enter your query: ")

判断是否询问天气

if "weather" in user_input.lower():

调用 get_weather 函数

city = user_input.split(" ")[-1] # 假设城市名是查询的最后一部分

weather_info = get_weather(city)

print(f"Weather Info: {weather_info['forecast']} in {weather_info['city']}, temperature is {weather_info['temperature']}.")

判断是否为法律问题

elif is_legal_question(user_input):

调用 get_legal_answer 函数

legal_answer = get_legal_answer(user_input)

print(f"Legal Answer: {legal_answer['answer']}")

else:

构建请求数据

request_data = {

"model": "gpt-4",

"messages": [

{"role": "system", "content": "You are a helpful assistant that can call external functions. If the user asks about the weather, you should use the 'get_weather' function to retrieve the information. If the user asks a legal question, you should use the 'get_legal_answer' function to retrieve the information."},

{"role": "user", "content": user_input}

],

"functions": [

{

"name": "get_weather",

"description": "Get the weather in a specific city.",

"parameters": {

"type": "object",

"properties": {

"city": {

"type": "string",

"description": "The city name"

}

},

"required": ["city"]

}

},

{

"name": "get_legal_answer",

"description": "Get an answer to a legal question.",

"parameters": {

"type": "object",

"properties": {

"question": {

"type": "string",

"description": "The legal question"

}

},

"required": ["question"]

}

}

],

"function_call": "auto"

}

发送请求

response = openai.ChatCompletion.create(**request_data)

获取函数调用的结果

function_call = response.choices[0].message.function_call

function_name = function_call.name

function_args = json.loads(function_call.arguments)

根据函数名称调用相应的函数

if function_name == "get_weather":

result = get_weather(function_args.get("city"))

elif function_name == "get_legal_answer":

result = get_legal_answer(function_args.get("question"))

再次发送请求,这次是将函数调用的结果发送回去

second_response = openai.ChatCompletion.create(

model="gpt-4",

messages=[

*request_data["messages"],

{"role": "assistant", "content": None, "function_call": {"name": function_name, "arguments": json.dumps(function_args)}},

{"role": "function", "name": function_name, "content": json.dumps(result)}

]

)

输出最终的回复

print(second_response.choices[0].message.content)

主函数

def main():

while True:

process_request()

if input("Do you want to continue? (y/n): ").lower() != "y":

break

if name == "main":

main()

说明:

  1. 新增的函数:

• is_legal_question: 用于判断用户的问题是否与法律相关。

• get_legal_answer: 用于获取法律问题的答案。这里只是一个示例,实际应用中应该调用真实的法律咨询API。

  1. 主流程:

• 用户输入问题。

• 程序先检查问题是否关于天气,如果是,则直接调用 get_weather 函数。

• 如果问题可能是关于法律的,程序调用 is_legal_question 函数进行判断。如果是法律问题,则调用 get_legal_answer 函数。

• 如果以上都不是,则构建请求数据并发送给GPT-4 API。

  1. 请求数据:

• 包含了系统消息、用户消息、可调用的函数定义以及函数调用设置。

  1. 处理响应:

• 根据API响应中的函数调用结果,调用相应的函数并获取结果。

• 再次发送请求,这次是将函数调用的结果发送回去。

• 输出最终的回复。

注意事项:

• 这个示例假设用户总是按照特定格式输入查询。实际应用中,你可能需要更复杂的逻辑来解析用户输入。

• is_legal_question 函数使用了一个简单的关键词匹配方法来判断是否为法律问题。在实际应用中,你可能需要使用更复杂的自然语言处理技术来提高判断的准确性。

希望这个示例对你有所帮助!如果有任何疑问或需要进一步的帮助,请随时提问。

相关推荐
不去幼儿园14 分钟前
【MARL】深入理解多智能体近端策略优化(MAPPO)算法与调参
人工智能·python·算法·机器学习·强化学习
Ajiang28247353041 小时前
对于C++中stack和queue的认识以及priority_queue的模拟实现
开发语言·c++
幽兰的天空1 小时前
Python 中的模式匹配:深入了解 match 语句
开发语言·python
Theodore_10224 小时前
4 设计模式原则之接口隔离原则
java·开发语言·设计模式·java-ee·接口隔离原则·javaee
网易独家音乐人Mike Zhou5 小时前
【卡尔曼滤波】数据预测Prediction观测器的理论推导及应用 C语言、Python实现(Kalman Filter)
c语言·python·单片机·物联网·算法·嵌入式·iot
安静读书5 小时前
Python解析视频FPS(帧率)、分辨率信息
python·opencv·音视频
----云烟----6 小时前
QT中QString类的各种使用
开发语言·qt
lsx2024066 小时前
SQL SELECT 语句:基础与进阶应用
开发语言
小二·6 小时前
java基础面试题笔记(基础篇)
java·笔记·python
开心工作室_kaic7 小时前
ssm161基于web的资源共享平台的共享与开发+jsp(论文+源码)_kaic
java·开发语言·前端