欧美性猛交xxxx乱大交3,,欧美ⅴdeσsex性欧美

client = OpenAI()

def create_assistants(instructions, tools=[], file_ids=[]):
assistant = client.beta.assistants.create(
name="Help assistant",
instructions=instructions,
tools=tools,
model="gpt-3.5-turbo-1106",
file_ids=file_ids,
)
return assistant

因?yàn)槭?beta 版本，model 參數(shù)需要用最新的模型，比如 gpt-3.5-turbo-1106 或者 gpt-4-1106-preview。
name 是 Assistant 的名字。
instructions 參數(shù)相當(dāng)是 Chat API 中的 system message，即系統(tǒng)指令，一般用來(lái)讓 LLM（大語(yǔ)言模型）扮演某種角色。
tools 是指使用的工具，有代碼解釋器、知識(shí)檢索和自定義工具等。
file_ids 是指上傳的文件，在每個(gè) Assistant 中最多添加 20 個(gè)文件，每個(gè)文件最大 512M，整個(gè)組織的文件量不能超過(guò) 100G，文件的支持類型可以參考這里^[1]。

上傳文件的方法如下：

def create_file(file_path):

    file = client.files.create(file=open(file_path, "rb"), purpose="assistants")

    return file

目前上傳文件有 2 種用途，一種是用于微調(diào)（fine turning），一種是用于 Assistant，因此在 Assistant 中上傳的文件，purpose 要寫 assistants。

Assistant^[2] 和 File^[3] 更多的 API 可以看官方的 API 文檔。

Thread

接下來(lái)是創(chuàng)建一個(gè) Thread，可以單獨(dú)創(chuàng)建，也可以和 Message 一起創(chuàng)建，這里我們連同 Message 一起創(chuàng)建，示例代碼如下：

def create_thread(prompt):

    thread = client.beta.threads.create(

        messages=[

            {

                "role": "user",

                "content": prompt,

                "file_ids": [file.id],

            }

        ]

    )

    return thread

在 Thread 中沒(méi)有限制 Message 的數(shù)量，但一旦超過(guò) token 限制，就會(huì)進(jìn)行智能截?cái)唷?/li>
prompt 是指用戶輸入的問(wèn)題。
file_ids 是指上傳的文件，可以包含圖片和文件，但目前 user 角色的消息還不支持圖片。

Thread 更多的 API 可以看官方的 API 文檔^[4]。

Run

然后是創(chuàng)建 Run，創(chuàng)建 Run 時(shí)需要指定 Assistant 和 Thread，示例代碼如下：

def run_assistant(thread, assistant):

    run = client.beta.threads.runs.create(

        thread_id=thread.id,

        assistant_id=assistant.id,

    )

    return run

在創(chuàng)建 Run 時(shí)，可以通過(guò) model、instructions、tools 等參數(shù)來(lái)覆蓋 Assistant 中的設(shè)置，但 file_ids 不能被覆蓋。

下面是 Run 的狀態(tài)流轉(zhuǎn)圖：

當(dāng)創(chuàng)建 Run 后，Run 會(huì)自動(dòng)進(jìn)入 queued 狀態(tài)
queued 狀態(tài)后進(jìn)入到 in_process 狀態(tài)，表示 Run 正在執(zhí)行
根據(jù)執(zhí)行結(jié)果，如果執(zhí)行成功則進(jìn)入 completed 狀態(tài)，如果執(zhí)行失敗則進(jìn)入 failed 狀態(tài)
在 in_process 狀態(tài)下，可以通過(guò) Run 的 cancel API 來(lái)取消執(zhí)行，Run 會(huì)進(jìn)入 cancelling 狀態(tài)，然后進(jìn)入 cancelled 狀態(tài)
在執(zhí)行過(guò)程中如果用到了自定義工具，in_process 狀態(tài)會(huì)進(jìn)入 requireds_action 狀態(tài)，表示需要提交工具的執(zhí)行結(jié)果
提交工具的執(zhí)行結(jié)果后，Run 會(huì)再次進(jìn)入 queued 狀態(tài)
如果遲遲沒(méi)有提交工具的執(zhí)行結(jié)果，超過(guò)了過(guò)期時(shí)間（一般是從創(chuàng)建 Run 時(shí)算起 10 分鐘），Run 會(huì)進(jìn)入 expired 狀態(tài)
當(dāng)狀態(tài)為 in_process 時(shí)，表示 Thread 被鎖定，這意味著 Thread 不能添加新消息和創(chuàng)建新的 Run

當(dāng)創(chuàng)建完了 Run 后，我們需要根據(jù) Run 的 ID 來(lái)獲取 Run，查詢其狀態(tài)，這是一個(gè)重復(fù)的過(guò)程，下面是查詢 Run 的方法：

def retrieve_run(thread, run):

    run = client.beta.threads.runs.retrieve(thread_id=thread.id, run_id=run.id)

    return run

Run 更多的 API 可以看官方的 API 文檔^[5]。

Run Steps

當(dāng) Run 運(yùn)行完成后，我們可以通過(guò)獲取 Run 的步驟來(lái)查看執(zhí)行的過(guò)程，示例代碼如下：

def list_run_steps(thread, run):

    run_steps = client.beta.threads.runs.steps.list(

        thread_id=thread.id,

        run_id=run.id,

    )

    return run_steps

獲取的 Run Steps 是按時(shí)間從早到晚進(jìn)行排序的，即最早的 Run Step 在最前面，最晚的 Run Step 在最后面。
Run Step 有兩種類型，一種是 message_creation，表示創(chuàng)建消息，另一種是 tool_calls，表示執(zhí)行工具，包括代碼解釋器、知識(shí)檢索和自定義工具等。
獲取的結(jié)果包含分頁(yè)的參數(shù)，可以通過(guò) has_more 來(lái)判斷是否有下一頁(yè)的數(shù)據(jù)。

Run Step 也有對(duì)應(yīng)的狀態(tài)，狀態(tài)流轉(zhuǎn)圖如下所示：

Run Step 狀態(tài)比 Run 的狀態(tài)要簡(jiǎn)單一些，狀態(tài)的流轉(zhuǎn)條件跟 Run 的一樣，這里就不再贅述了。

Message

當(dāng) Run 運(yùn)行完成后，我們還需要獲取 message 的結(jié)果，示例代碼如下：

def list_messages(thread):

    thread_messages = client.beta.threads.messages.list(thread_id=thread.id)

    return thread_messages

獲取的 message 是按時(shí)間倒序排序的，即最新的 message 在最前面，最早的 message 在最后面。因此我們要獲取 Run 的最終答案，只需要獲取第一條 message 的結(jié)果即可。
獲取的結(jié)果包含分頁(yè)的參數(shù)，可以通過(guò) has_more 來(lái)判斷是否有下一頁(yè)的數(shù)據(jù)。

Message 更多的 API 可以看官方的 API 文檔^[6]。

代碼演示

下面我們來(lái)通過(guò)幾個(gè)示例來(lái)演示下 Assistant API 的具體功能。

代碼解釋器

我們使用代碼解釋器來(lái)解一道方程式，示例代碼如下：

from time import sleep



def code_interpreter():

    assistant = create_assistants(

        instructions="你是一個(gè)數(shù)學(xué)導(dǎo)師。寫代碼來(lái)回答數(shù)學(xué)問(wèn)題。",

        tools=[{"type": "code_interpreter"}]

    )

    thread = create_thread(prompt="我需要計(jì)算這個(gè)方程式的解：3x + 11 = 14。你能幫我嗎？")
    run = run_assistant(thread, assistant)
    while True:
        run = retrieve_run(thread=thread, run=run)
        if run.status == "completed":
            break
        sleep(1)
    messages = list_messages(thread)
    print(messages.data[0].content[0].text.value)
    print(f"messages: {messages.json()}")
    run_steps = list_run_steps(thread=thread, run=run)
    print(f"run_steps: {run_steps.json()}")

我們首先創(chuàng)建一個(gè) Assistant，指定 instructions 為你是一個(gè)數(shù)學(xué)導(dǎo)師。寫代碼來(lái)回答數(shù)學(xué)問(wèn)題。
Assistant 中使用了代碼解釋器工具{"type": "code_interpreter"}。
然后創(chuàng)建一個(gè) Thread，輸入我們的問(wèn)題，求解一道方程式。
創(chuàng)建 Run，然后通過(guò)一個(gè)循環(huán)來(lái)查詢 Run 的狀態(tài)，直到狀態(tài)為 completed 時(shí)退出循環(huán)。
獲取最終的結(jié)果，即第一條 message 的內(nèi)容。

運(yùn)行結(jié)果如下：

方程式3x + 11 = 14的解為 x = 1。

我們?cè)賮?lái)看這個(gè) Run 中產(chǎn)生的所有 Messages 信息：

{

  "data": [

    {

      "id": "msg_7cyjjNTgjXOtWlnLOFIeMKW4",

      "object": "thread.message",

      "role": "assistant",

      "content": [

        {

          "text": {

            "annotations": [],

            "value": "方程式3x + 11 = 14的解為x = 1。"
          },
          "type": "text"
        }
      ]
    },
    {
      "id": "msg_xVpdPAd4VOO6Ve5bJ5XoOoiw",
      "object": "thread.message",
      "role": "user",
      "content": [
        {
          "text": {
            "annotations": [],
            "value": "我需要計(jì)算這個(gè)方程式的解：3x + 11 = 14。你能幫我嗎？"
          },
          "type": "text"
        }
      ]
    }
  ],
  "object": "list",
  "has_more": false
}

總共只有 2 條消息，一條是 user 輸入的問(wèn)題，另一條是 assistant 返回的結(jié)果，中間并沒(méi)有工具的消息。我們?cè)賮?lái)看這個(gè) Run 中的所有 Run Step 信息：

{

  "data": [

    {

      "object": "thread.run.step",

      "status": "completed",

      "step_details": {

        "message_creation": { "message_id": "msg_7cyjjNTgjXOtWlnLOFIeMKW4" },

        "type": "message_creation"

      },

      "type": "message_creation"

    },

    {

      "object": "thread.run.step",

      "status": "completed",

      "step_details": {

        "tool_calls": [

          {

            "id": "call_mTRfGO52jA6oPLLMACKr5HD5",

            "code_interpreter": {

              "input": "from sympy import symbols, Eq, solve\r\n\r\n# Define the variable\r\nx = symbols('x')\r\n\r\n# Define the equation\r\nequation = Eq(3*x + 11, 14)\r\n\r\n# Solve the equation\r\nsolution = solve(equation, x)\r\nsolution",

              "outputs": [{ "logs": "[1]", "type": "logs" }]

            },

            "type": "code_interpreter"

          }

        ],

        "type": "tool_calls"

      },

      "type": "tool_calls"

    }

  ],

  "object": "list",

  "has_more": false

}

這個(gè) Run 有 2 個(gè)步驟，一個(gè)是創(chuàng)建消息，另外一個(gè)是代碼解釋器的執(zhí)行，其中代碼解釋器中執(zhí)行過(guò)程中產(chǎn)生的 input 信息并不會(huì)顯示到最終的結(jié)果中，只是 LLM 的一個(gè)思考過(guò)程，類似 LangChain 的 Agent 里面的 debug 信息。

知識(shí)檢索

下面我們?cè)偈褂弥R(shí)檢索工具來(lái)演示一下功能，知識(shí)檢索工具需要上傳一個(gè)文件，文件通過(guò) API 上傳后，OpenAI 后端會(huì)自動(dòng)分割文檔、embedding、存儲(chǔ)向量，并提供根據(jù)用戶問(wèn)題檢索文檔相關(guān)內(nèi)容的功能，這些都是自動(dòng)完成的，用戶只需要上傳文檔即可。我們就隨便找一個(gè) pdf 文件來(lái)做演示，下面是騰訊云搜的產(chǎn)品文檔：

下面是知識(shí)檢索的示例代碼：

def knownledge_retrieve():

    file = create_file("tengxunyun.pdf")

    assistant = create_assistants(

        instructions="你是一個(gè)客戶支持機(jī)器人，請(qǐng)用你的專業(yè)知識(shí)回答客戶的問(wèn)題。",

        tools=[{"type": "retrieval"}],

        file_ids=[file.id],

    )

    thread = create_thread(prompt="騰訊云云搜是什么")

    run = run_assistant(thread, assistant)

    while True:

        run = retrieve_run(thread=thread, run=run)

        if run.status == "completed":

            break

        sleep(1)

    messages = list_messages(thread)

    print(messages.data[0].content[0].text.value)

    print(f"messages: {messages.json()}")

    run_steps = list_run_steps(thread=thread, run=run)

    print(f"run_steps: {run_steps.json()}")

這里我們更換了 Assistant 的 instructions，讓它扮演一個(gè)客戶支持機(jī)器人的角色。
Assistant 中使用了檢索工具{"type": "retrieval"}。
Assistant 中上傳了上面的 pdf 文件。
然后創(chuàng)建一個(gè) Thread，輸入我們的問(wèn)題，問(wèn)一個(gè)文檔相關(guān)內(nèi)容的問(wèn)題。
其他步驟與代碼解釋器一致。

運(yùn)行結(jié)果如下：

騰訊云云搜是騰訊云的一站式搜索托管服務(wù)平臺(tái)，提供數(shù)據(jù)處理、檢索串識(shí)別、搜索結(jié)果獲取與排序，搜索數(shù)據(jù)運(yùn)營(yíng)等一整套搜索相關(guān)服務(wù)。

該平臺(tái)繼承了騰訊 SOSO 在搜索引擎領(lǐng)域多年的技術(shù)財(cái)富，在搜索架構(gòu)、海量數(shù)據(jù)存儲(chǔ)和計(jì)算、智能排序、用戶意圖識(shí)別、搜索質(zhì)量運(yùn)營(yíng)等方面有很深的技術(shù)沉淀。

騰訊云云搜負(fù)責(zé)了騰訊主要產(chǎn)品的搜索業(yè)務(wù)，包括微信朋友圈、手機(jī) QQ、騰訊視頻、QQ 音樂(lè)、應(yīng)用寶、騰訊地圖、QQ 空間等。

它提供數(shù)據(jù)處理、用戶檢索串智能識(shí)別、排序可定制、高級(jí)功能、運(yùn)營(yíng)支持等功能，以幫助開(kāi)發(fā)者優(yōu)化搜索服務(wù)，并提供豐富的運(yùn)營(yíng)數(shù)據(jù)查詢功能，

包括檢索量、文檔新增量、檢索耗時(shí)、檢索失敗率、熱榜等。開(kāi)發(fā)者可以通過(guò)騰訊云云搜讓自己的搜索更具個(gè)性化，更匹配應(yīng)用的需求?！??source】

可以看到答案確實(shí)是從文檔中查找而來(lái)，內(nèi)容基本一致，在結(jié)尾處還有一個(gè)引用【1?source】，這個(gè)是 Message 的注釋內(nèi)容，關(guān)于 Message 的注釋功能這里不過(guò)多介紹，后面有機(jī)會(huì)再寫文章說(shuō)明，關(guān)于 Message 注釋功能可以看這里^[7]。

我們?cè)賮?lái)看下知識(shí)檢索的 Run Step 信息：

{

  "data": [

    {

      "type": "message_creation"

      // ......

    },

    {

      "object": "thread.run.step",

      "status": "completed",

      "step_details": {

        "tool_calls": [

          {

            "id": "call_19YklOZJq1HDP8WfmMydcVeq",

            "retrieval": {},

            "type": "retrieval"

          }

        ],

        "type": "tool_calls"

      },

      "thread_id": "thread_ejr0YGodJ2NmG7dFf1hZMPUL",

      "type": "tool_calls"

    }

  ]

}

在檢索工具的步驟中，只是返回了工具的類型，但檢索的內(nèi)容并沒(méi)有放在步驟中，也就是說(shuō)檢索工具并沒(méi)有產(chǎn)生內(nèi)部推理過(guò)程的信息。

自定義工具

最后我們?cè)賮?lái)看下自定義工具的示例，我們沿用上一篇文章用到的查詢天氣工具get_current_weather，我們先定義工具集 tools：

tools = [

    {

        "type": "function",

        "function": {

            "name": "get_current_weather",

            "description": "獲取某個(gè)地方當(dāng)前的天氣情況",

            "parameters": {

                "type": "object",

                "properties": {

                    "location": {

                        "type": "string",

                        "description": "城市名，比如：北京, 上海",

                    },

                },

                "required": ["location"],

            },

        },

    }

]

工具集只包含一個(gè)工具，定義了工具的方法和參數(shù)信息

接著我們使用 Assistant API 來(lái)調(diào)用自定義工具，示例代碼如下：

def get_current_weather(location):

    """Get the current weather in a given location"""

    if "北京" in location.lower():

        return json.dumps({"location": location, "temperature": "10°"})

    elif "上海" in location.lower():

        return json.dumps({"location": location, "temperature": "15°"})

    else:

        return json.dumps({"location": location, "temperature": "20°"})



def function_calling():

    assistant = create_assistants(

        instructions="你是一個(gè)天氣機(jī)器人，使用提供的工具來(lái)回答問(wèn)題。",

        tools=tools,

    )

    thread = create_thread(prompt="今天北京、上海和成都的天氣怎么樣？")

    available_functions = {

        "get_current_weather": get_current_weather,

    }

    run = run_assistant(thread, assistant)

    # 下面是處理 Run 并提交工具的返回結(jié)果

    # 中間這部分代碼在下面演示

    messages = list_messages(thread)

    print(messages.data[0].content[0].text.value)

    print(f"messages: {messages}")

    run_steps = list_run_steps(thread=thread, run=run)

    print(f"run_steps: {run_steps}")

和之前 2 個(gè)示例不同的地方是，tools 參數(shù)用的是我們定義的一個(gè)工具集 tools
定義了一個(gè)字典available_functions來(lái)做函數(shù)的動(dòng)態(tài)調(diào)用
為了演示方便，get_current_weather方法使用一些簡(jiǎn)單的邏輯來(lái)模擬天氣查詢的功能：

下面是處理 Run 狀態(tài)并提交工具返回結(jié)果的方法，代碼如下：

 while True:

        run = retrieve_run(thread=thread, run=run)

        if run.status == "completed":

            break

        if run.status == "requires_action":

            tool_calls = run.required_action.submit_tool_outputs.tool_calls

            tool_infos = []

            for tool_call in tool_calls:

                function_name = tool_call.function.name

                function_to_call = available_functions[function_name]

                function_args = json.loads(tool_call.function.arguments)

                function_response = function_to_call(

                    location=function_args.get("location"),

                )

                tool_infos.append(

                    {"call_id": tool_call.id, "function_response": function_response}

                )

            submit_tool_outputs(thread=thread, run=run, tool_infos=tool_infos)

        sleep(1)

之前在介紹 Run 狀態(tài)時(shí)說(shuō)過(guò)，當(dāng) Assistant 中有自定義工具時(shí)，狀態(tài)從 in_process 會(huì)進(jìn)入 requires_action 狀態(tài)，表示需要提交工具的執(zhí)行結(jié)果
在循環(huán)中判斷 Run 狀態(tài)是否為 requires_action，如果是則從 Run 中獲取需要執(zhí)行的工具信息 tool_calls，包括工具名稱和參數(shù)
在示例中會(huì)調(diào)用 3 次get_current_weather方法，因此我們新建了一個(gè)數(shù)組 tool_infos 來(lái)保存工具返回的結(jié)果
執(zhí)行完工具后，將工具返回結(jié)果保存到 tool_infos 數(shù)組中，同時(shí)將 tool_calls 中工具 id 也保存到里面，下面在提交工具結(jié)果時(shí)會(huì)用到

拿到工具返回的結(jié)果后，我們通過(guò) Run API 來(lái)提交這些結(jié)果：

def submit_tool_outputs(thread, run, tool_infos):

    tool_outputs = []

    for tool_info in tool_infos:

        tool_outputs.append(

            {

                "tool_call_id": tool_info["call_id"],

                "output": tool_info["function_response"],

            }

        )

    client.beta.threads.runs.submit_tool_outputs(

        thread_id=thread.id,

        run_id=run.id,

        tool_outputs=tool_outputs,

    )

這里用到了 Run 提交工具結(jié)果的 API，其中 tool_outputs 參數(shù)是一個(gè)數(shù)組，數(shù)組中每個(gè)元素包含 tool_call_id 和 output 兩個(gè)屬性
tool_call_id 的值是 tool_calls 中的 id，output 的值是工具的返回結(jié)果
調(diào)用了多少個(gè)工具就要在 tool_outputs 添加多少個(gè)元素

運(yùn)行結(jié)果如下：

今天北京的溫度是 10℃，上海的溫度是 15℃，成都的溫度是 20℃。

改進(jìn)計(jì)劃

在 Assistant API 的使用過(guò)程中，我們發(fā)現(xiàn)現(xiàn)在獲取 Run 的狀態(tài)都是通過(guò)輪詢的方式，這可能會(huì)導(dǎo)致更多的 token 損耗和性能問(wèn)題，OpenAI 官方介紹在未來(lái)會(huì)對(duì)這一機(jī)制進(jìn)行改進(jìn)，將其替換成通知模式，另外還有其他改進(jìn)計(jì)劃如下：

支持流式輸出模式（類似 Websocket 或者 SSE）
支持通過(guò)共享對(duì)象狀態(tài)更新通知來(lái)代替輪詢
支持 DALL-E 3 作為內(nèi)置的工具
支持用戶上傳圖片文件

總結(jié)

以上就是 Assistant API 的基本原理和功能介紹，和 GPTs 相比兩者各有優(yōu)勢(shì)，GPTs 更適合沒(méi)有編程經(jīng)驗(yàn)的用戶使用，而 Assistant API 則適合有開(kāi)發(fā)經(jīng)驗(yàn)的開(kāi)發(fā)人員或團(tuán)隊(duì)使用，而且可以使用自定義工具來(lái)打造更為強(qiáng)大的功能，但也有一些缺點(diǎn)，就是無(wú)法使用 DALL-E 3 畫圖工具和上傳圖片（這也意味著無(wú)法做圖片識(shí)別），這些功能相信在未來(lái)會(huì)逐步支持。如果文中有錯(cuò)誤或者不足之處，還請(qǐng)?jiān)谠u(píng)論區(qū)留言。

關(guān)注我，一起學(xué)習(xí)各種人工智能和 AIGC 新技術(shù)，歡迎交流，如果你有什么想問(wèn)想說(shuō)的，歡迎在評(píng)論區(qū)留言。