GPT-4.5功能致电教程：提取AI的股票价格和新闻

大型语言模型（LLMS）通常也很难可靠地产生诸如JSON之类的结构化输出，即使有高级提示。虽然迅速的工程有帮助，但它并不完美，偶尔会出现错误。本教程演示了LLM中的函数调用如何确保准确，一致的结构化数据。

函数调用允许LLMS生成结构化数据（通常是JSON）并与外部系统，API和工具进行交互，从而在保持准确性的同时启用复杂的，上下文感知的任务。我们将使用以其准确性而闻名的GPT-4.5来构建功能称呼脚本。首先，我们将创建一个以获取股票价格的功能；然后，我们将添加另一个，让LLM根据提示在多个工具之间进行选择。最终申请将提供股票价格和新闻提要。

来自作者的图像

GPT-4.5的函数调用优势：

GPT-4.5增强了功能调用，改善了与外部系统的交互和复杂的任务处理。关键功能包括：

1. API集成：与聊天完成，助手和批处理API一起使用，以进行无缝应用程序集成。
2. 结构化输出：返回结构化数据（JSON），非常适合与需要特定数据格式的系统进行交互。
3. 视觉功能：接受图像输入（尽管不是视频或音频等多模式输出）。
4. 高级功能：通过建议或调用代码中的功能，使任务自动化并集成AI决策来简化复杂的工作流程。

（有关OpenAI模型的详细信息，请参见博客“ GPT 4.5：功能，访问，GPT-4O比较以及更多”。）

单功能通话（股票价格）：

我们将使用GPT-4.5和yahooquery库（用于Yahoo Finance Data）构建一个简单的系统。用户询问股票价格，触发功能以检索并以价格做出回应。

1. 安装库：

    ！PIP安装OpenAi Yahooquery -Q

2. 股票价格功能：此Python功能采用股票符号（例如AAPL）并返回其价格。

   来自Openai Import Openai
   进口JSON
   来自yahooquery进口股票
   
   def get_stock_price（ticker）：
       尝试：
           t =股票（股票）
           Price_data = T.Price
           如果Price_data和Price_data [tricker] .get（“常规MarketPrice”）中的tricker不是：
               价格= Price_data [tricker] [“常规MarkartPrice”]
           别的：
               返回f“ {tricker}的价格信息不可用。”
       除例外为E：
           返回f“无法检索{tricker}的数据：{str（e）}”
   
       返回f“ {tricker}当前以$ {PRISE：.2F}的交易

3. 定义工具：我们为OpenAI创建一个工具定义（字典列表），指定函数的名称，描述和输出类型。

   工具= [{{
       “ type”：“函数”，
       “功能”： {
           “名称”：“ get_stock_price”，
           “描述”：“从雅虎财务中获取当前股价。”
           “参数”： {
               “类型”：“对象”，
               “特性”： {
                   “股票”：{“ type”：“ string”}
               }，，
               “必需”：[“股票”]，
               “额外的properties”：false
           }，，
           “严格”：是的
       }
   ]]

4. 调用该功能：我们将用户消息发送到GPT-4.5，指定模型和工具。

   客户端= OpenAi（）
   消息= [{{“角色”：“用户”，“ content”：“元股票的当前价格是多少？”}]
   completion = client.chat.completions.create（model =“ gpt-4.5-preview”，messages =消息，工具=工具）
   打印（完成。

5. 执行并返回：我们提取股票，运行get_stock_price ，然后打印结果。然后，我们通过将其发送回自然语言格式的模型来完善响应。

多功能调用（股价和新闻）：

我们添加了一个功能，可以使用feedparser库检索库存新闻。

1. 安装feedparser ：

    ！pip安装feedparser -q

2. 股票新闻功能：此功能为给定的股票提供了前三名新闻头条。

   进食饲料剂
   
   def get_stock_news（tricker）：
       rss_url = f“ https://feeds.finance.yahoo.com/rss/2.0/headline？s = {ticker}＆region = us＆lang = en-us”
       尝试：
           feed = feedParser.parse（rss_url）
           如果不是饲料。进入：
               返回f“没有发现{tricker}的消息”。
           news_items = [f“ {entry.title}（{entry.link}）用于feed.entries [：3]]
           返回f“ {tricker}的最新新闻：\ n {chr（10）.join（news_items）}”
       除例外为E：
           返回f“无法检索{tricker}的新闻：{str（e）}”

3. 定义多个工具：我们更新tools列表以包括两个功能。

4. 模型选择：我们向GPT-4.5提出一个需要两个功能的问题（例如，“ Google股票价格和新闻”）。 GPT-4.5将自动选择并调用适当的功能。

5. 结果处理：我们根据LLM返回的函数名称使用条件逻辑来处理这两个函数的结果。然后将结果传递回LLM，以获得最终的人类可读响应。

结论：

本教程演示了函数如何呼叫授权LLM的能力生成结构化的输出并与外部资源进行交互。这种方法提高了LLM驱动的应用程序的可靠性和准确性，为更复杂的AI系统铺平了道路。像GPT-5这样的未来进步有望在这一领域更大。提供的代码片段可以合并和扩展，以创建更复杂和强大的应用程序。

以上是GPT-4.5功能致电教程：提取AI的股票价格和新闻的详细内容。更多信息请关注PHP中文网其他相关文章！