API OpenAI: Programación de chats basados en IA, asistentes de ventas y aventuras de texto

Esto es lo que puedes esperar en este curso sobre la API de OpenAI.

Este vídeo explica las herramientas utilizadas y los conocimientos necesarios.

Se trata de la plataforma OpenAI y de cómo puedes utilizarla.

Se trata de la actualización de OpenAI. Averigua qué cambios se han introducido. El archivo del proyecto resume todo lo que necesitas saber.

Creamos nuestro primer proyecto con npm create astro y echamos un vistazo a la estructura del producto.

Dado que dependemos de React para nuestra interfaz de usuario, Astro JS primero debe estar habilitado para utilizar componentes React.

Nuestro endpoint para el servicio de chat será una petición geta la URL /api/chat. Vamos a configurar este punto final en este video.

Para llamar a la API de OpenAI, necesitamos una clave de API, que podemos generar a través de nuestra cuenta en la plataforma OpenAI, así como el paquete openai-npm.

Para las pruebas, utilizamos un texto fijo en el servidor. Aquí queremos utilizar por primera vez el texto que envía el navegador en la URL como parámetro de consulta.

Chatear sólo a través de la URL en la barra de direcciones del navegador no es una solución permanente. Por eso en este vídeo creamos una rudimentaria interfaz de usuario React que permite introducir el texto del chat.

Aún no hemos tenido una conversación real, sólo una pregunta y su respuesta. Para mantener una conversación productiva con el LLM, necesitamos memorizar el historial del chat.

A veces sólo quieres empezar desde el principio y olvidar lo que has dicho. Para evitar tener que reiniciar el servidor, utilizamos un ID de chat para restablecer el historial de chat en el servidor.

Hasta ahora, el chat seguía siendo muy rudimentario. Aquí se están implementando algunas mejoras que impulsarán nuestra aplicación de chat un poco más en la dirección de ChatGPT.

El historial del chat no era fácil de leer hasta ahora y se hace un poco más "bonito" en este vídeo.

Nuestra primera aplicación de chat ya está terminada, pero aún queda mucho por hacer si quieres competir con ChatGPT ;-) Si no quieres hacerlo, puedes continuar con un nuevo proyecto en la siguiente sección.

Estamos poniendo en marcha el nuevo proyecto utilizando nuestra primera aplicación de chat.

Un juego necesita una historia. En este vídeo presento mi idea al respecto y hago los preparativos iniciales para navegar por el juego.

El jugador debe completar tres misiones (charlas) para llegar al final (temporal) del juego. Las preparo en este vídeo.

El camarero es el primer compañero de chat en este juego y "cobra vida" en este vídeo.

Hasta ahora, el camarero no tenía ni idea de su papel en el juego. Para remediarlo, hemos añadido la primera pregunta del sistema.

Nuestro compañero de chat ha sido absorbido en su papel de camarero, pero aún no sabemos en el programa si la búsqueda ha sido cumplida por el jugador. Aquí es donde resultan útiles las llamadas a funciones, que el LLM puede hacer por su cuenta si lo considera oportuno. Tenemos que asegurarnos de que lo hace.

Las llamadas a funciones pueden tener valores de retorno y también tenemos que comunicárselos a la IA, cosa que hacemos en este vídeo.

El cliente (navegador) debe ser notificado de que la búsqueda se ha completado, porque entonces el jugador también puede hablar con el Dr. Owen y acercarse un poco más al objetivo.

Hasta la mejor conversación tiene que llegar a su fin, pero ¿cómo lo introducimos en el programa? Con una llamada a la función, por supuesto.

Por último, el jugador puede hablar con el experto de la IA para averiguar la solución del último rompecabezas.

Bartender y Dr Owen son dos personajes diferentes y por lo tanto no pueden compartir un historial de chat. Por lo tanto, debemos crear un nuevo historial de chat para el Dr. Owen.

El Dr. Owen necesita una función para que sepamos que el jugador ha pedido la solución a su pequeño problema de robot de seguridad y ha recibido una respuesta. La obtiene en este vídeo.

Nuestro oponente final en este juego es el robot de seguridad que no quiso dejarnos pasar en todo momento. Pero ahora el jugador tiene el poder, o más bien el conocimiento, para burlarlo después de todo.

Nuestro nuevo proyecto nos adentra en el mundo de las tiendas de guitarras, por supuesto con el amable apoyo de la API OpenAI, que nos permite realizar un asistente de ventas virtual.

Hasta ahora, el asistente de ventas no ha sido especialmente bueno a la hora de asesorar. Ahora se va a mejorar con una "base de datos" simulada que utiliza mapas.

Antes sólo teníamos 2 productos, que aumentamos a 4 en este vídeo. Lo importante aquí es que ahora tenemos varios productos por tipo y, por tanto, podemos preguntar al dependiente qué bajos eléctricos hay en la gama, por ejemplo.

El precio no lo es todo a la hora de comprar una guitarra, pero un cliente que no quiera hipotecar de nuevo su vivienda debería poder pedir al vendedor guitarras eléctricas en el rango de precios más bajo o medio. Esto lo conseguimos con un segundo parámetro priceRange en la función correspondiente, a la que el LLM debe llamar.

Lo rompimos con el último vídeo. Pero no te preocupes, el error se soluciona rápidamente si sabes dónde buscar.

¿Qué sería de una tienda online sin una cesta de la compra? Aunque no vamos a implementar una cesta de la compra real (no es de lo que trata este curso), en este vídeo vamos a sentar las bases para que puedas conectar una cesta de la compra al asistente de ventas virtual. De nuevo... ¡la llamada a la función ayuda!

En la mayoría de los casos, los clientes sólo conocerán los nombres aproximados de los productos. El LLM sólo puede realizar la llamada a la función con los nombres que aparecen en la consulta del cliente. Pero con un pequeño truco, la IA puede utilizarse con bastante facilidad para una búsqueda "difusa" en los nombres de los productos para estos casos.

Un breve resumen de lo que hemos conseguido en este curso, lo que puedes hacer con él y qué apasionantes APIs están aún disponibles en OpenAI.