像我之前也提到过，AI 的发展愈发迅猛这是无可置疑的，但很多人知道 AI 好，却不会引进实际的业务中去。无论是市面上常见的文本生成工具，还是智能 Copilot，这些应用都展示了 AI 的强大能力。面对这些新技术，许多设计师可能会好奇：如何才能将这些能力运用到自己的项目中？其实你能用且会用 AI 工具做端外提效已经超过 80%的人了，但如何将能力接入端内？实实在在的给项目提效，而非个人。有些底层逻辑你还是要懂的。
OpenAI 的 GPT 模型是当前自然语言处理领域的核心技术之一。它不仅功能强大，而且极具灵活性，能够应对多种复杂的任务。然而，对于许多设计师来说，如何实际操作这些模型，尤其是如何利用 OpenAI 提供的 API，仍然是一个挑战。本文将详细介绍 OpenAI API 的工作原理，带你一步步了解 GPT 模型的核心概念，并让你感知到如何将这些技术应用到实际项目的底层逻辑。
这篇文章主要是技术分享，由于我是设计师出身，有些地方可能总结得不够全面，还请专业人士多多指教！
一、GPT 模型与关键概念
1. GPT 模型概述
在进入实际应用讲解之前，我们首先需要理解 GPT 模型的核心原理。GPT 是生成式预训练 Transformer（Generative Pre-trained Transformer）的缩写。这种模型经过大量的文本数据训练，能够理解和生成自然语言文本。与这些模型的交互方式通常是通过提供一个“提示”，即一段输入文本，模型会根据提示生成一个连贯的响应。正是这种能力使得 GPT 模型能够用于从内容生成到创意写作等各种任务。
GPT 模型的设计理念源自 Transformer 架构，这是一种神经网络模型，特别擅长处理序列数据。与传统的循环神经网络（RNN）不同，Transformer 依赖于自注意力机制，能够并行处理整个文本序列。这使得它在处理长文本时效率更高，并且能够捕捉更复杂的语言结构和语义关系。
这些特性使得 GPT 模型在自然语言处理 (NLP) 领域中大放异彩。无论是编写代码、撰写文章、生成对话，还是执行其他复杂的语言任务，GPT 都展示出了卓越的性能。
2. 嵌入与代币
在 NLP 领域，嵌入 (Embeddings) 和代币 (Tokens) 是两个非常重要的概念。理解这两个概念有助于我们更好地掌握 GPT 模型的工作原理。
嵌入是指将文本数据转化为向量表示的过程。这些向量保留了文本的语义信息，使得机器能够理解文本的含义。OpenAI 提供的文本嵌入模型能够将文本字符串转换为嵌入向量，这些向量可用于各种任务，如搜索、聚类和推荐。在实际应用中，嵌入的质量直接影响到模型的表现，因为它决定了模型对文本语义的理解程度。
代币是文本的基本构建块。代币化是将文本分割成一个个最小语义单元的过程。例如，“Hello, world!” 这个短语，有点代码基础的应该都不陌生吧，哈哈哈！ 那这个短语可能就会被分割成四个代币：“Hello”、“,”、“world“、”!”。在 GPT 模型中，代币化的结果会影响到模型的输入和输出。特别需要注意的是，每次 API 调用时，输入和输出的总代币数不能超过模型的最大上下文长度。因此，理解代币的工作原理对于有效利用 GPT 模型至关重要。
可以在 这里 测试一下：
官网上的 tokenizer 测试
GPT 模型使用的代币化过程基于字节对编码 (Byte Pair Encoding, BPE)。这种方法通过不断合并频繁出现的字符对，最终生成固定大小的词汇表，从而实现代币化。由于 BPE 的特性，一个词可能被分割成多个代币，尤其是对于较长或复杂的单词。例如，“tokenization” 可能会被分割成 “token”、“ization” 两个代币。这种分割方式在实际使用中对模型性能有重要影响，特别是在处理多语言文本或专有名词时。
不同的模型 API 调用的价格不一样，这个可以去官网上了解不同模型的定价，我这里就先放一张截图：
GPT-4O 不同版本的 API 调用价格
2. OpenAI API 的工作原理
① API 基础
API（应用程序编程接口）是一组允许程序相互通信的规则。简单来说，API 是开发者与服务之间的桥梁。通过 API，开发者可以访问特定的功能或数据，而不需要了解背后的复杂实现细节。
OpenAI 的 API 使开发者能够访问其强大的 GPT 模型。这意味着你可以通过简单的 HTTP 请求与模型进行交互，发送输入文本并接收模型生成的输出文本。这种方式使得复杂的自然语言处理任务变得更加容易实现。
例如，要与 OpenAI 的 GPT 模型进行交互，你只需发送一个 HTTP POST 请求，其中包含你想要提供的提示文本和 API 密钥。然后，API 会处理你的请求，并返回一个响应，其中包含模型生成的文本。这种简单而强大的机制使得 GPT 模型能够轻松集成到各种应用程序中，从聊天机器人到内容生成器，无所不包。
② 模型选择与代币管理
当使用 OpenAI API 时，你会发现可以选择不同的模型。这些模型各有优劣，适用于不同的任务。当前的最新模型包括 GPT-3.5 和 GPT-4。这些模型在处理自然语言任务时展示了卓越的性能，但它们之间仍然存在一些差异。例如，GPT-4 在理解复杂上下文和生成更连贯的长文本方面表现得更为出色，而 GPT-3.5 则更适合处理较简单的任务。
在选择模型时，还需要考虑代币管理。每个模型都有其最大上下文长度，这决定了它可以处理的最大代币数。为了确保 API 调用的有效性，必须控制提示和响应的总代币数不超过这个限制。理解并有效管理代币使用，对于优化模型性能、减少成本至关重要。
在实际操作中，代币管理可以通过以下几种方式实现：
简化提示：确保提示的简洁性和直接性，避免不必要的冗长描述。
控制输出：通过调整模型的参数（如温度、max_tokens）来限制输出的长度和随机性。
分割长文本：对于超长文本，可以将其分割成多个段落，并分别处理这些段落，从而避免超过模型的上下文长度限制。
3. 实际操作：与 OpenAI API 交互
① 安装与验证
要开始使用 OpenAI API，你首先需要安装必要的工具和进行验证。以下是使用 Python 与 OpenAI API 交互的基本步骤。
安装 OpenAI Python 库：
pip install openai
安装完成后，你需要获取一个 OpenAI API 密钥。这个密钥用于验证你的请求并确保安全性。在发送 API 请求时，需要在 HTTP 标头中包含此密钥。
示例代码：
import openai # 设置 API 密钥 openai.api_key = 'your-api-key' # 定义请求 response = openai.Completion.create( model="gpt-4", prompt="告诉我一些关于机器学习的有趣事实。", max_tokens=150 ) # 打印响应 print(response['choices'][0]['text'].strip())
在上面的代码中，我们使用了 openai.Completion.create 方法来发送一个请求。我们提供了模型名称、提示文本以及生成文本的最大长度（max_tokens）。最终的响应会返回一个包含生成文本的字典对象，你可以从中提取并显示文本内容。
② 发出请求与解析响应
使用 OpenAI API 发出请求后，API 会返回一个响应，这个响应通常是 JSON 格式的。了解如何解析这个响应，对于进一步处理生成的文本至关重要。
响应结构：
一个典型的 API 响应可能包含以下几个关键部分：
id: 响应的唯一标识符。
object: 表示响应类型，例如 “text_completion”。
created: 响应生成的时间戳。
model: 使用的模型名称。
choices: 生成的文本选择列表，通常我们只会使用第一个选择。
usage: 显示生成该响应所使用的代币数量。
示例响应：
{
"id": "cmpl-5uXf8u9GZFmVgtHKg3JpJ7nE5X",
"object": "text_completion",
"created": 1690446648,
"model": "gpt-4",
"choices": [
{
"text": "\n\n 机器学习是人工智能的一个分支，致力于开发可以从数据中学习的算法。",
"index": 0,
"logprobs": null,
"finish_reason": "length"
}
],
"usage": {
"prompt_tokens": 15,
"completion_tokens": 35,
"total_tokens": 50
}
}
在这个响应中，最重要的部分是 choices，它包含了模型生成的文本。你可以通过 choices[0][‘text’] 来获取这个文本并进行进一步处理。
③ 提示工程：制作有效提示
提示工程是使用 GPT 模型生成高质量响应的关键技术。有效的提示不仅能够引导模型生成理想的结果，还能提高模型的响应效率。
提示的设计可以分为以下几种策略：
明确指令：清晰简洁的提示可以有效减少模型生成错误信息的可能性。例如，与其简单地问“谁是世界上最好的足球运动员？”，不如直接说明背景：“在 2022 年的世界杯上，谁表现最为突出？”
分步提示：对于复杂任务，可以将提示分解为多个步骤。例如，如果你想生成一篇关于机器学习的简短文章，你可以先要求模型提供一个概述，然后分别生成每个章节的内容。
使用上下文：在对话生成中，提供上下文信息可以帮助模型生成更连贯的响应。例如，通过添加一条系统消息“你是一名体育记者”，可以让模型更好地理解接下来的问题。
控制输出格式：在某些情况下，你可能需要模型生成特定格式的输出。例如，你可以要求模型以 JSON 格式返回信息，或者以列表形式展示数据。
示例代码：
response = openai.Completion.create( model="gpt-4", prompt="请用三点总结人工智能的未来发展趋势：", max_tokens=50, temperature=0.5 ) print(response['choices'][0]['text'].strip())
在这个例子中，我们通过设置 temperature 参数控制模型输出的随机性，同时通过 max_tokens 限制输出长度，确保响应集中在我们需要的内容上。
4. 实战示例：创建定制化 AI 代理
① 从简单到复杂的 AI 代理
创建一个 AI 代理的过程可以从一个简单的聊天机器人开始，然后逐步扩展其功能。以下是一个使用 OpenAI API 构建简单 AI 代理的示例：
第一步：初始化代理
首先，我们定义一个函数来初始化代理并设置基本的对话上下文。
import openai
openai.api_key = 'your-api-key'
def initialize_agent():
return [{"role": "system", "content": "你是一位友好的 AI 助手，随时准备帮助用户。"}]
conversation_history = initialize_agent()
第二步：发送用户消息并获取响应
我们定义一个函数，用于发送用户消息并将其添加到对话历史中。
def send_message(conversation_history, user_message):
conversation_history.append({"role": "user", "content": user_message})
response = openai.ChatCompletion.create(
model="gpt-4",
messages=conversation_history
)
assistant_message = response['choices'][0]['message']['content']
conversation_history.append({"role": "assistant", "content": assistant_message})
return assistant_message
user_input = "告诉我今天的新闻热点是什么？"
response = send_message(conversation_history, user_input)
print(response)
第三步：扩展代理功能
随着代理的基础功能建立起来，你可以添加更多的功能，例如将代理与外部 API 集成，实现动态数据检索。下面是一个示例，展示如何将代理与天气 API 集成。
import requests
def get_weather(location):
api_key = "your-weather-api-key"
url = f"http://api.weatherapi.com/v1/current.json?key={api_key}&q={location}&aqi=no"
response = requests.get(url)
weather_data = response.json()
return f"{location} 的天气是
{weather_data['current']['condition']['text']}，温度为 {weather_data['current']['temp_c']}°C。"
def send_message_with_weather(conversation_history, user_message):
if "天气" in user_message:
location = user_message.split("天气")[1].strip()
weather_info = get_weather(location)
assistant_message = f"以下是你请求的天气信息：\n{weather_info}"
conversation_history.append({"role": "assistant", "content": assistant_message})
else:
assistant_message = send_message(conversation_history, user_message)
return assistant_message
user_input = "告诉我北京的天气"
response = send_message_with_weather(conversation_history, user_input)
print(response)
在这个示例中，我们通过识别用户输入中的关键词“天气”，调用外部 API 获取实时数据并将其整合到代理的响应中。
② 使用工具和高级功能
OpenAI API 提供了一些高级工具，可以进一步增强 AI 代理的功能。例如，代码解释器和文件检索工具。
使用代码解释器
代码解释器允许代理直接运行 Python 代码并返回结果。这对于自动化任务和数据分析非常有用。
import openai
def run_code(code):
response = openai.Completion.create(
model="gpt-4",
prompt=f"执行以下 Python 代码：\n```python\n{code}\n```",
max_tokens=150,
temperature=0
)
return response['choices'][0]['text'].strip()
code_to_run = """
import math
result = math.sqrt(25)
result
"""
output = run_code(code_to_run)
print(f"代码执行结果: {output}")
使用文件检索
文件检索工具允许代理在给定的文档中搜索信息。这在处理大量数据或长文档时非常有用。
def upload_and_search_file(file_path, query):
file = openai.File.create(
file=open(file_path),
purpose='search'
)
response = openai.Completion.create(
model="gpt-4",
prompt=f"在上传的文件中找到与 '{query}' 相关的信息。",
file_ids=[file['id']],
max_tokens=150
)
return response['choices'][0]['text'].strip()
file_path = "path_to_your_file.pdf"
query = "人工智能的发展历程"
result = upload_and_search_file(file_path, query)
print(result)
结论
通过本文的介绍，我们从基础到进阶，详细探讨了如何使用 OpenAI API 构建和定制基于 GPT 模型的应用。从理解 GPT 模型的核心概念，到实际操作中的安装、验证、提示工程，再到创建功能齐全的 AI 代理，本文为你提供了全面的指导。
随着技术的发展，GPT 模型的应用场景也在不断扩展。未来，AI 的能力将更加广泛，应用也会更加深入。作为开发者，可以利用这些工具创造出更强大、更个性化的应用，满足各种需求。作为设计师，我们要了解底层逻辑，并掌握一定的代码基础，才能更好的配合技术侧推进项目建设。