AI 大模型企业应用实战
蔡超
Mobvista 集团副总裁兼首席架构师
3948 人已学习
新⼈⾸单¥59
课程目录
已完结/共 23 讲
课程综述 (2讲)
时长 05:06
时长 03:11
直播回放 (1讲)
结束语&结课测试 (2讲)
AI 大模型企业应用实战
登录|注册
留言
5
收藏
沉浸
阅读
分享
手机端
回顶部
当前播放: 06 | Function Calling:让GPT学会使用工具
00:00 / 00:00
高清
  • 高清
1.0x
  • 2.0x
  • 1.5x
  • 1.25x
  • 1.0x
  • 0.75x
  • 0.5x
网页全屏
全屏
00:00
付费课程,可试看
课程介绍
内容综述
01 | 第一个大模型程序:Hello GPT
02|提示词技巧:获得代码友好的回复
03 | 初识LangChain:你的瑞士军刀
04|保持会话状态:让Chatbot获得记忆
05 | 对话启发式UI:交互方式的新思考
06 | Function Calling:让GPT学会使用工具
07|LangChain Agent:让GPT学会使用工具
08|In-context learning:学习解决特定任务
09|ReAct模式:构建自己的AutoGPT
10|文本分片及向量化:让大模型应用企业内部数据
11|LangChain Retrieval:连接大模型和内部文本
12|整合所学:构建多模态Chatbot
13|研发全过程中的应用:硅基工程师诞生
14|代码生成:解决代码生成的依赖性并增强确定性
15|有效利用LLM开发:编写大模型友好的代码
16|云原生部署任务实践:让你成为更好的DevOps工程师
17|HuggingFace与Pre-trained Model:借助AI社区的力量
18|架构展望:集成大模型的应用参考架构
直播回放|Semantic-Kernel大模型开发实战
结束语|道阻且长,行则将至
结课测试|来赴一场满分之约吧!
本节摘要

由于 openai 11 月 6 日发布的新的 API v1.0.0, 不兼容以前的版本,所以课程代码会做一定的更新。老师已经更新了部分章节的典型代码,
链接如下(两个链接都可以,国内用户推荐第二个):

https://github.com/chaocai2001/gpt_in_practice_v1

https://gitee.com/chao-superman/llm_in_practice_v1

其他部分学员可以参考修改。老师也会在近期陆续更新代码。

登录 后留言

全部留言(5)

  • 最新
  • 精选
Revive
老师,请问在输入问题发起请求后,”判断是否需要调用方法“这一步骤是由gpt来判断吗,它是基于什么信息来判断的,又是根据什么消息来判断使用哪一个方法?

作者回复: 对的,由GPT来判断,是根据要解决的问题及方法的描述来决定的。

2023-10-20
2
2
我的康康
感谢老师蔡老师 受到的启发很大

作者回复: 谢谢你的认可🙏

2023-10-19
1
Geek_2a62e6
设置了func call ,大模型一直都不调用,是模型的问题吗? 我用的是百度的大模型erniebot

作者回复: 我暂时还没有用过百度的模型,不知道是不是模型或者api上支持的差异,可以询问一下百度的支持

2023-12-25
阿毅
感谢老师,更深入了解GPT!

作者回复: 谢谢你的认可!

2023-12-01
刘稹
1. 把之前一节课学习的搜索方法copy过来 2. funcs里增加search_by_google的函数定义 3.在run_conversation中的response里的functions增加一下内容 { "name":"search_by_google", "description":"Search keyword, worlds, or sentence on the Google search engine to get resrult", "parameters":{ "type":"object", "properties":{ "question":{ "type":"string", "description":"the name of the cluster", }, }, "required":["question"], } } 这样基于老师课堂的例子就可以扩展支持从google搜索内容。 print(run("帮我查一下可口可乐是什么时候成立的")) //执行该句子 下面得到结果 ======== -----message------ ChatCompletionMessage(content=None, role='assistant', function_call=FunctionCall(arguments='{\n "question": "可口可乐成立时间"\n}', name='search_by_google'), tool_calls=None) -----message------ {'question': '可口可乐成立时间'} -----message------ ChatCompletionMessage(content='可口可乐是在1892年成立的。', role='assistant', function_call=None, tool_calls=None) -----message------ 可口可乐是在1892年成立的。 这个例子真的是震惊了。对于公司内部的管理系统,可以利用这种模式开发一套自然语言的交互软件。 感谢老师
2024-01-20
收起评论