OpenAI API : Programmer des chats basés sur l'IA, des assistants de vente et des text adventures

Ceci t'attend dans ce cours sur l'API OpenAI.

Dans cette vidéo, l'accent est mis sur les outils utilisés et les compétences requises.

Ici, il s'agit de la plateforme OpenAI et comment l'utiliser.

Ici, il s'agit de la mise à jour d'OpenAI. Découvre les changements qui ont été apportés. Dans le fichier du projet, tout l'essentiel est résumé une fois de plus.

Nous créons notre premier projet avec npm create astro et examinons la structure du produit.

Comme nous utilisons React pour notre interface utilisateur, Astro JS doit d'abord être habilité à utiliser des composants React.

Notre point final pour le service de chat sera une requête get- vers l'URL /api/chat. Nous mettrons en place ce point final dans cette vidéo.

Pour les appels à l'API OpenAI, nous avons besoin en plus d'une clé API que nous pouvons générer via notre compte sur la plateforme OpenAI, du package openai-npm.

Pour tester, nous avons utilisé un texte fixe sur le serveur. Ici, nous voulons utiliser pour la première fois le texte envoyé par le navigateur dans l'URL en tant que paramètre de requête.

Discuter uniquement via l'URL dans la barre d'adresse du navigateur n'est pas une solution durable. C'est pourquoi dans cette vidéo, nous créons une interface utilisateur React rudimentaire qui permet la saisie du texte du chat.

Nous n'avons pas encore de vraie discussion, nous recevons juste une question et sa réponse. Pour avoir une conversation fructueuse avec le LLM, il faut se souvenir de l'historique de la discussion.

Parfois, on a juste envie de recommencer à zéro et d'oublier ce qui a été dit. Afin d'éviter de devoir redémarrer le serveur pour cela, nous utilisons un ID de chat pour réinitialiser l'historique du chat sur le serveur.

Jusqu'à présent, le chat était encore très rudimentaire. Ici, quelques améliorations sont intégrées pour pousser notre application de chat un peu plus vers ChatGPT.

La conversation n'était pas facile à lire jusqu'à présent et elle sera rendue un peu plus "belle" dans cette vidéo.

Maintenant notre première application de chat est terminée et il y a encore beaucoup à faire si l'on veut rivaliser avec ChatGPT. ;-) Si vous ne souhaitez pas le faire, vous pouvez passer à un nouveau projet dans la section suivante.

Nous lançons le nouveau projet et utilisons notre première application de chat.

Un jeu a besoin d'une histoire. Dans cette vidéo, je présente mon idée et je fais les premières préparations pour la navigation à travers le jeu.

Trois quêtes (chats) que le joueur doit réussir pour atteindre la fin (provisoire) du jeu. Je prépare cela dans cette vidéo.

Le barman est le premier interlocuteur dans ce jeu et est "réveillé à la vie" dans cette vidéo.

Jusqu'à présent, le barman était un peu perdu quant à son rôle dans le jeu. Nous remédions à cela en intégrant le premier système de prompt.

Notre partenaire de chat s'est investi dans son rôle de barman, mais dans le programme, nous ne savons pas encore si la quête a été accomplie par le joueur. Pour cela, des appels de fonction peuvent être utiles, que le LLM peut effectuer de lui-même s'il le juge approprié. Nous devons nous assurer qu'il le fasse.

Les appels de fonction peuvent avoir des valeurs de retour et nous devons également les transmettre à l'IA, ce que nous faisons dans cette vidéo.

Le client (navigateur) doit être informé que la quête a été accomplie, car ensuite le joueur pourra également parler au Dr Owen et se rapprocher de son objectif.

Aussi belle que soit la conversation, elle doit prendre fin, mais comment gérons-nous cela dans le programme? Par un simple appel de fonction, bien sûr.

Enfin, le joueur peut parler à l'expert en IA pour connaître de lui la solution de la dernière énigme.

Le barman et le Dr. Owen sont deux personnages différents et ne doivent donc pas partager d'historique de chat. Nous devrions donc créer un nouvel historique de chat pour le Dr. Owen.

Dr. Owen a besoin d'une fonction pour savoir si le joueur a posé une question sur la solution de son petit problème de robot de sécurité et a reçu une réponse. Il obtient cela dans cette vidéo.

Notre adversaire final dans ce jeu est le robot de sécurité qui ne voulait jamais nous laisser passer. Maintenant, le joueur a le pouvoir ou plutôt la connaissance de le tromper finalement.

Notre nouveau projet nous emmène dans le monde des magasins de guitares, bien sûr avec le soutien amical de l'API OpenAI, qui nous permet de réaliser un assistant de vente virtuel.

Jusqu'à présent, l'assistant de vente n'était pas particulièrement bon en matière de conseils. Cela devrait maintenant être amélioré avec une "base de données" simulée à l'aide de cartes.

Jusqu'à présent, nous n'avions que 2 produits, que nous augmentons à 4 dans cette vidéo. Il est important de souligner que nous avons désormais plusieurs produits par type et pouvons ainsi demander au vendeur, par exemple, quels sont les basses électriques disponibles dans la gamme.

Le prix n'est pas tout lors de l'achat d'une guitare, mais un client qui ne veut pas contracter un nouvel emprunt hypothécaire sur sa maison devrait être capable de demander au vendeur des guitares électriques dans la gamme de prix inférieure ou moyenne. Nous y parvenons avec un deuxième paramètre priceRange dans la fonction appropriée que le LLM devrait ensuite appeler.

Nous l'avons cassé avec la dernière vidéo. Mais ne vous inquiétez pas, l'erreur est rapidement corrigée quand on sait où chercher.

Que serait un magasin en ligne sans panier d'achat? Même si nous n'allons pas implémenter un panier d'achat complet (ce n'est pas le sujet de ce cours), dans cette vidéo nous allons mettre en place les bases pour que vous puissiez connecter un panier d'achat à l'assistant de vente virtuel. Une fois de plus, l'appel de fonction est là pour vous aider!

La plupart du temps, les clients ne connaîtront que vaguement les noms des produits. Le LLM ne peut effectuer l'appel de fonction qu'avec les noms figurant dans la demande du client. Mais avec une petite astuce, l'IA peut être assez facilement utilisée pour une recherche "floue" dans les noms des produits.

Un bref résumé de ce que nous avons accompli dans ce cours, ce que vous pouvez en faire et quels sont les passionnants APIs encore disponibles chez OpenAI.