iT邦幫忙

2023 iThome 鐵人賽

DAY 5
0
AI & Data

2023 AI大型語言模型之旅 - 從0開始學習建構AI專案系列 第 5

生成式A.I.(AIGC)從0開始 - 第一個LLMs小應用 - 履歷產生器 (1)

  • 分享至 

  • xImage
  •  

今天我們來實作第一個簡單LLMs應用
原本想再介紹一下prompt,但感覺一直講理論太boring了,
讓我們趕快開始寫code吧!

那接下來實作用的技術應該都是python跟js的next.js

首先安裝套件

$ pip install openai

這邊要先拿API KEY https://platform.openai.com/account/api-keys
進去後按create new secret key

接下來引用

import os
import openai

# 讀取你的API key
openai.api_key = os.getenv("OPENAI_API_KEY")
info = input("輸入你的個人資訊 : ")

chat_completion = openai.ChatCompletion.create(
    model=MODEL,
    messages=[
        {"role": "system", "content": "你是一個很專業HR,讀過各種各樣不同的履歷,我需要你幫我整理資料生成履歷並以繁體中文回復."},
        {"role": "user", "content": info },
    ],
    temperature=0,
)

看一下chat_completion 這裡
model 就是你要用的model -> https://platform.openai.com/docs/models/continuous-model-upgrades
裡面有各種模型,像是gpt-3.5、gpt-4,我們接下來大部分都會用gpt-3.5來做示範

下面message的部分比較複雜
大致會有3個role

  1. syetem : 定義機器人風格、像是回復的語氣、基本資訊等等

  2. assistant : 機器人的回復
    那為什麼我們需要先給他回復呢?
    如果有用過chatgpt就知道,如果我們先給他一些資訊或是要求它回復格式,那它就會根據上下文回覆。
    這邊也是一樣意思,我們給他幾個範例的答覆讓它了解我們接下來需要的東西。
    越多越好的範例它也會給我們越好的回復

  3. user : 使用者發送的訊息

temperature:溫度 可以設置0~1

0-0.3 越低跟你的條件越類似
0.3-0.7 平衡創造力跟設定條件
0.7-1 越高則有越豐富的創造力

像我們這種一個輸入一個輸出的,又稱Zero-Shot Prompting
今天介紹了最基本使用chatgpt api的串接法,接下來我們會繼續加入更多功能


上一篇
生成式A.I.(AIGC)從0開始 - Tokens 介紹
下一篇
生成式A.I.(AIGC)從0開始 - 第一個LLMs小應用 - 履歷產生器 (2) few-shot prompting
系列文
2023 AI大型語言模型之旅 - 從0開始學習建構AI專案14
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言