GPT-4.5 Fungsi Panggilan Tutorial: Ekstrak Harga Saham & Berita dengan AI

Model bahasa besar (LLM) sering berjuang untuk menghasilkan output berstruktur seperti JSON, walaupun dengan lanjutan. Walaupun kejuruteraan segera membantu, ia tidak sempurna, yang membawa kepada kesilapan sekali -sekala. Tutorial ini menunjukkan bagaimana fungsi memanggil LLMS memastikan data berstruktur yang tepat dan konsisten.

Fungsi Panggilan membolehkan LLMs menjana data berstruktur (biasanya JSON) dan berinteraksi dengan sistem luaran, API, dan alat, membolehkan tugas-tugas yang kompleks, konteks yang menyedari sambil mengekalkan ketepatan. Kami akan menggunakan GPT-4.5, yang terkenal dengan ketepatannya, untuk membina skrip memanggil fungsi. Pertama, kami akan membuat fungsi untuk mengambil harga saham; Kemudian, kami akan menambah satu lagi untuk membiarkan LLM memilih antara pelbagai alat berdasarkan prompt. Permohonan akhir akan menyediakan harga saham dan suapan berita.

Imej dari pengarang

Fungsi GPT-4.5 Memanggil Kelebihan:

GPT-4.5 meningkatkan fungsi panggilan, meningkatkan interaksi dengan sistem luaran dan pengendalian tugas yang kompleks. Ciri -ciri utama termasuk:

1. Integrasi API: Bekerja dengan penyelesaian sembang, pembantu, dan API batch untuk integrasi aplikasi lancar.
2. Output berstruktur: Mengembalikan data berstruktur (JSON), sesuai untuk berinteraksi dengan sistem yang memerlukan format data tertentu.
3. Keupayaan Visi: Menerima input imej (walaupun bukan output multimodal seperti video atau audio).
4. Fungsi Lanjutan: Memudahkan aliran kerja yang kompleks dengan mencadangkan atau menggunakan fungsi dalam kod anda, mengautomasikan tugas dan mengintegrasikan keputusan AI.

(Lihat blog "GPT 4.5: Ciri, Akses, Perbandingan GPT-4O & Lagi" untuk butiran mengenai model OpenAI.)

Panggilan fungsi tunggal (harga saham):

Kami akan membina sistem mudah menggunakan GPT-4.5 dan Perpustakaan yahooquery (untuk data kewangan Yahoo). Pengguna bertanya mengenai harga saham, mencetuskan fungsi untuk mengambil dan bertindak balas dengan harga.

1. Pasang perpustakaan:

    ! Pip memasang terbuka yahooquery -q

2. Fungsi harga saham: Fungsi python ini mengambil simbol ticker (misalnya, AAPL) dan mengembalikan harganya.

    dari OpenAI Oped Openai
   Import JSON
   dari ticker import yahooquery
   
   def get_stock_price (ticker):
       Cuba:
           t = ticker (ticker)
           price_data = t.price
           Jika ticker di price_data dan price_data [ticker] .get ("RegularmarketPrice") tidak ada:
               harga = price_data [ticker] ["RegularmarketPrice"]
           lain:
               Kembali f "Maklumat Harga untuk {ticker} tidak tersedia."
       Kecuali pengecualian sebagai e:
           kembali f "gagal mengambil data untuk {ticker}: {str (e)}"
   
       kembali f "{ticker} kini berdagang pada $ {price: .2f}"

3. Tentukan alat: Kami membuat definisi alat (senarai kamus) untuk OpenAI, menentukan nama, keterangan, dan jenis output fungsi.

    alat = [{
       "jenis": "fungsi",
       "fungsi": {
           "Nama": "get_stock_price",
           "Penerangan": "Dapatkan harga saham semasa dari Yahoo Finance.",
           "Parameter": {
               "jenis": "objek",
               "Properties": {
                   "ticker": {"type": "string"}
               },
               "diperlukan": ["ticker"],
               "tambahanProperties": palsu
           },
           "Ketat": Benar
       }
   }]

4. Memohon fungsi: Kami menghantar mesej pengguna ke GPT-4.5, menyatakan model dan alat.

    pelanggan = openai ()
   Mesej = [{"Peranan": "Pengguna", "Kandungan": "Berapakah harga semasa stok meta?"}]
   penyelesaian = client.chat.completions.create (model = "gpt-4.5-preview", mesej = mesej, alat = alat)
   cetak (completion.choices [0] .message.tool_calls) # menunjukkan fungsi

5. Jalankan dan Kembali: Kami mengekstrak ticker, jalankan get_stock_price , dan cetak hasilnya. Kemudian, kami memperbaiki respons dengan menghantarnya kembali ke model untuk pemformatan bahasa semulajadi.

Pelbagai fungsi panggilan (harga saham dan berita):

Kami menambah fungsi untuk mendapatkan berita saham menggunakan perpustakaan feedparser .

1. Pasang feedparser :

    ! Pip Pasang FeedParser -q

2. Fungsi Berita Saham: Fungsi ini mengambil tiga tajuk utama berita utama untuk ticker yang diberikan.

    Import FeedParser
   
   def get_stock_news (ticker):
       rss_url = f "https://feeds.finance.yahoo.com/rss/2.0/headline?s= =Ticker }&region=us&lang=en-us"
       Cuba:
           suapan = feedParser.parse (rss_url)
           jika tidak feed.entries:
               kembali f "Tiada berita yang dijumpai untuk {ticker}."
           news_items = [f "{entry.title} ({entry.link})" untuk kemasukan dalam feed.entries [: 3]]
           kembali f "Berita terkini untuk {ticker}: \ n {chr (10) .join (news_items)}"
       Kecuali pengecualian sebagai e:
           kembali f "gagal mendapatkan berita untuk {ticker}: {str (e)}"

3. Tentukan pelbagai alat: Kami mengemas kini senarai tools untuk memasukkan kedua -dua fungsi.

4. Pemilihan Model: Kami meminta GPT-4.5 soalan yang memerlukan kedua-dua fungsi (misalnya, "harga saham Google dan berita"). GPT-4.5 secara automatik akan memilih dan menggunakan fungsi yang sesuai.

5. Pengendalian hasil: Kami mengendalikan hasil dari kedua -dua fungsi, yang berpotensi menggunakan logik bersyarat berdasarkan nama fungsi yang dikembalikan oleh LLM. Hasilnya kemudiannya kembali ke LLM untuk tindak balas akhir yang boleh dibaca manusia.

Kesimpulan:

Tutorial ini menunjukkan bagaimana fungsi memanggil memberi kuasa LLM untuk menjana output berstruktur dan berinteraksi dengan sumber luaran. Pendekatan ini meningkatkan kebolehpercayaan dan ketepatan aplikasi yang didorong oleh LLM, membuka jalan bagi sistem AI yang lebih canggih. Kemajuan masa depan, seperti GPT-5, menjanjikan keupayaan yang lebih besar di kawasan ini. Coretan kod yang disediakan boleh digabungkan dan diperluaskan untuk membuat aplikasi yang lebih kompleks dan berkuasa.

Atas ialah kandungan terperinci GPT-4.5 Fungsi Panggilan Tutorial: Ekstrak Harga Saham & Berita dengan AI. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!