Contoh:
function_string = "def fake_people(n: int) -> list[dict]:"
args = [ "4" ]
description_string = """Generates n examples of fake data representing people, each with a name and an age."""
result = ai_functions . ai_function ( function_string , args , description_string , model )
""" Output: [
{"name": "John Doe", "age": 35},
{"name": "Jane Smith", "age": 28},
{"name": "Alice Johnson", "age": 42},
{"name": "Bob Brown", "age": 23}
]"""Implementasi fungsi AI yang mudah digunakan menggunakan GPT-4 Openai (atau versi model lainnya) untuk melakukan berbagai tugas. Proyek ini sangat terinspirasi oleh Ask Marvin.
git clone https://github.com/YourUsername/SuperSimpleAIFunctions.gitpip install -r requirements.txtkeys.py di direktori yang sama dengan skrip atau atur sebagai variabel lingkungan. ai_functions.py berisi fungsi berikut:
def ai_function ( function , args , description , model = "gpt-4" ): ai_function mengambil parameter berikut:
function : String yang menggambarkan tanda tangan fungsi.args : Daftar argumen untuk fungsi tersebut.description : String yang menggambarkan tujuan fungsi.model : (Opsional) Sebuah string yang menentukan model GPT untuk digunakan. Default adalah 'GPT-4'.Contoh Penggunaan:
import ai_functions
function = "def add(a: int, b: int) -> int:"
args = [ "5" , "7" ]
description = "Adds two integers."
result = ai_functions . ai_function ( function , args , description )
print ( result ) # Output: 12 Tabel di bawah ini menunjukkan tingkat keberhasilan fungsi AI dengan model GPT yang berbeda:
| Keterangan | Hasil GPT-4 | Hasil GPT-3.5-Turbo | Alasan |
|---|---|---|---|
| Menghasilkan orang palsu | LULUS | GAGAL | Format respons yang salah |
| Menghasilkan kata sandi acak | LULUS | LULUS | N/a |
| Hitung area segitiga | GAGAL | GAGAL | Nilai float salah (GPT-4), format respons yang salah (GPT-3.5-turbo) |
| Hitung bilangan prima ke -n | LULUS | LULUS | N/a |
| Mengenkripsi teks | LULUS | LULUS | N/a |
| Temukan angka yang hilang | LULUS | LULUS | N/a |
Penting untuk dicatat bahwa fungsi AI tidak cocok untuk tugas -tugas tertentu, terutama yang melibatkan perhitungan dan ketepatan matematika. Seperti yang diamati dalam kasus menghitung area segitiga dan menemukan bilangan prima ke -n, model GPT dapat berjuang dengan memberikan hasil yang akurat. Keterbatasan model GPT dalam kasus seperti itu terutama karena ketidakmampuan mereka yang melekat untuk melakukan aritmatika yang tepat dan ambiguitas dalam memahami input pengguna.
Sebagai kesimpulan, sementara fungsi AI dapat membantu dalam berbagai skenario, mereka mungkin bukan pilihan optimal untuk tugas yang membutuhkan akurasi matematika atau pengetahuan domain tertentu. Untuk kasus penggunaan seperti itu, memanfaatkan algoritma dan perpustakaan tradisional akan menghasilkan hasil yang lebih baik.
test_ai_functions.py berisi kasus uji untuk ai_function . Untuk menjalankan tes, jalankan skrip dengan Python:
python test_ai_functions.pyScript uji akan menghasilkan hasil dari setiap kasus uji dan memberikan tingkat keberhasilan.
Kontribusi dipersilakan! Jika Anda ingin menambahkan lebih banyak kasus tes atau meningkatkan kode yang ada, jangan ragu untuk mengirimkan permintaan tarik.