GPT-4.5功能致電教程：提取AI的股票價格和新聞

大型語言模型（LLMS）通常也很難可靠地產生諸如JSON之類的結構化輸出，即使有高級提示。雖然迅速的工程有幫助，但它並不完美，偶爾會出現錯誤。本教程演示了LLM中的函數調用如何確保准確，一致的結構化數據。

函數調用允許LLMS生成結構化數據（通常是JSON）並與外部系統，API和工具進行交互，從而在保持準確性的同時啟用複雜的，上下文感知的任務。我們將使用以其準確性而聞名的GPT-4.5來構建功能稱呼腳本。首先，我們將創建一個以獲取股票價格的功能；然後，我們將添加另一個，讓LLM根據提示在多個工具之間進行選擇。最終申請將提供股票價格和新聞提要。

來自作者的圖像

GPT-4.5的函數調用優勢：

GPT-4.5增強了功能調用，改善了與外部系統的交互和復雜的任務處理。關鍵功能包括：

1. API集成：與聊天完成，助手和批處理API一起使用，以進行無縫應用程序集成。
2. 結構化輸出：返回結構化數據（JSON），非常適合與需要特定數據格式的系統進行交互。
3. 視覺功能：接受圖像輸入（儘管不是視頻或音頻等多模式輸出）。
4. 高級功能：通過建議或調用代碼中的功能，使任務自動化並集成AI決策來簡化複雜的工作流程。

（有關OpenAI模型的詳細信息，請參見博客“ GPT 4.5：功能，訪問，GPT-4O比較以及更多”。）

單功能通話（股票價格）：

我們將使用GPT-4.5和yahooquery庫（用於Yahoo Finance Data）構建一個簡單的系統。用戶詢問股票價格，觸發功能以檢索並以價格做出回應。

1. 安裝庫：

    ！PIP安裝OpenAi Yahooquery -Q

2. 股票價格功能：此Python功能採用股票符號（例如AAPL）並返回其價格。

   來自Openai Import Openai
   進口JSON
   來自yahooquery進口股票
   
   def get_stock_price（ticker）：
       嘗試：
           t =股票（股票）
           Price_data = T.Price
           如果Price_data和Price_data [tricker] .get（“常規MarketPrice”）中的tricker不是：
               價格= Price_data [tricker] [“常規MarkartPrice”]
           別的：
               返回f“ {tricker}的價格信息不可用。”
       除例外為E：
           返回f“無法檢索{tricker}的數據：{str（e）}”
   
       返回f“ {tricker}當前以$ {PRISE：.2F}的交易

3. 定義工具：我們為OpenAI創建一個工具定義（字典列表），指定函數的名稱，描述和輸出類型。

   工具= [{{
       “ type”：“函數”，
       “功能”： {
           “名稱”：“ get_stock_price”，
           “描述”：“從雅虎財務中獲取當前股價。”
           “參數”： {
               “類型”：“對象”，
               “特性”： {
                   “股票”：{“ type”：“ string”}
               }，，
               “必需”：[“股票”]，
               “額外的properties”：false
           }，，
           “嚴格”：是的
       }
   ]]

4. 調用該功能：我們將用戶消息發送到GPT-4.5，指定模型和工具。

   客戶端= OpenAi（）
   消息= [{{“角色”：“用戶”，“ content”：“元股票的當前價格是多少？”}]
   completion = client.chat.completions.create（model =“ gpt-4.5-preview”，messages =消息，工具=工具）
   打印（完成。

5. 執行並返回：我們提取股票，運行get_stock_price ，然後打印結果。然後，我們通過將其發送回自然語言格式的模型來完善響應。

多功能調用（股價和新聞）：

我們添加了一個功能，可以使用feedparser庫檢索庫存新聞。

1. 安裝feedparser ：

    ！pip安裝feedparser -q

2. 股票新聞功能：此功能為給定的股票提供了前三名新聞頭條。

   進食飼料劑
   
   def get_stock_news（tricker）：
       rss_url = f“ https://feeds.finance.yahoo.com/rss/2.0/headline？s = {ticker}＆region = us＆lang = en-us”
       嘗試：
           feed = feedParser.parse（rss_url）
           如果不是飼料。進入：
               返回f“沒有發現{tricker}的消息”。
           news_items = [f“ {entry.title}（{entry.link}）用於feed.entries [：3]]
           返回f“ {tricker}的最新新聞：\ n {chr（10）.join（news_items）}”
       除例外為E：
           返回f“無法檢索{tricker}的新聞：{str（e）}”

3. 定義多個工具：我們更新tools列表以包括兩個功能。

4. 模型選擇：我們向GPT-4.5提出一個需要兩個功能的問題（例如，“ Google股票價格和新聞”）。 GPT-4.5將自動選擇並調用適當的功能。

5. 結果處理：我們根據LLM返回的函數名稱使用條件邏輯來處理這兩個函數的結果。然後將結果傳遞回LLM，以獲得最終的人類可讀響應。

結論：

本教程演示了函數如何呼叫授權LLM的能力生成結構化的輸出並與外部資源進行交互。這種方法提高了LLM驅動的應用程序的可靠性和準確性，為更複雜的AI系統鋪平了道路。像GPT-5這樣的未來進步有望在這一領域更大。提供的代碼片段可以合併和擴展，以創建更複雜和強大的應用程序。

以上是GPT-4.5功能致電教程：提取AI的股票價格和新聞的詳細內容。更多資訊請關注PHP中文網其他相關文章！